Kasu:
- Võimalus puhastada andurite andmeid tehisintellektiga ning märkida anomaaliaid ja trende SPC reeglitega
- Võimalus teha vahet korrelatsiooni ja põhjuslikkuse vahel, kasutades usaldusväärsuse filtrit, et eristada, kas kõrvalekalle on tegelik protsessisündmus või anduri/mõõtmisprobleem
- Arusaamine, et tehisintellekt on otsustusi toetav kiht ning elu ja rajatiste ohutus kuulub sõltumatutele turvasüsteemidele (SIS).
Kui tehas töötab, toodab see vaikselt andmete tulva: temperatuur, rõhk, vooluhulk, tase, pH ja tooteanalüüsi tulemused voolavad kümnetelt anduritelt iga sekund. Need andmed on protsessi "pulss"; See sisaldab nii tõendeid protsessi tervise kohta kui ka varajasi märke eelseisvast ebaõnnestumisest või kvaliteedihälbest. Selles üksuses saate teada, kuidas kasutada tehisintellekti abivahendina nende andmete jälgimisel, kõrvalekallete märgistamisel ja kvaliteeditrendide tõlgendamisel; kuid me saame teada, miks on ikkagi insener otsustada, milline kõrvalekalle on tegelik ja milliseid meetmeid võtta.
Alustame kahe põhikontseptsiooniga. SPC (Statistical Process Control; meetod, mis jälgib protsessi varieeruvust statistiliste piiridega ja eristab normaalset kõikumist tegelikust hälbest) ja kontrollkaart (kontrollkaart – diagramm, mis näitab muutujat aja suhtes, koos ülemise/alumise kontrollpiiriga). SPC olemus seisneb eristamises loomuliku varieeruvuse (tavaline põhjus – protsessi normaalne, vältimatu kõikumine) ja eripõhjuse vahel – tegelik kõrvalekalle väljastpoolt, mida tuleb uurida. AI on selle eristamise ja suurandmete mustrite leidmisel võimas; kuid kõrvalekalde algpõhjus ja otsus sekkuda kuuluvad insenerile.
Samm-sammuline tehisintellekti tugi andmete kvaliteedi ja kontrolli osas
1. Valmistage ette ja puhastage andmed. Puuduvad väärtused, hüpped anduri rikke tõttu, ühikute ebakõlad. AI koostab puhastamiseks Pythoni koodi kontuuri ja kontrollnimekirja. Kuid te otsustate protsessiteadmistega, mis loetakse "kehtetuks andmeteks".
2. Trendide ja anomaaliate märgistamine. AI märgib anduri mustreid, nagu aeglane triiv, äkilised hüpped või suurenenud võnkumised. Need on kontrollitavad kandidaadid, mitte tulemused.
3. SPC kommentaar. AI saab meelde tuletada juhtkaardi reegleid (nt kui punkt väljub piiridest, lähevad järjestikused punktid ühes suunas) ja rakendada neid andmetele. Jällegi teeb otsuse insenertehniline hinnang.
4. Korrelatsiooni avastamine. AI märgib selliseid seoseid nagu "temperatuuri tõustes näib puhtus vähenevat". Korrelatsioon ei ole põhjuslik seos (korrelatsioon ≠ põhjuslikkus — kahe suuruse koos varieerumine ei tõenda, et üks põhjustab teist); Testid seda suhet protsessiteadmistega.
5. Algpõhjuse hüpoteesid. AI loetleb kõrvalekalde võimalikud põhjused (sööda kõikumine, katalüsaatori vananemine, anduri rike). Need on uurimisteemad, mitte diagnoosid.
6. Tegevusotsus. Häire tõsiselt võtmine, protsessi peatamine või kohanduste tegemine – see ohutus- ja kvaliteediotsus langeb insenerile.
Näpunäide. Kui tehisintellekt märgib andurite andmetes anomaalia, on esimene küsimus "kas see on tõeline protsessisündmus või anduri/mõõtmise rike?" peaks olema. Enamik "anomaaliaid" on katkine andur või kalibreerimise triiv; Enne sekkumist kontrollige mõõtmist ennast.
Anduri andmed: mitte iga kõrvalekalle pole tegelik
Andurid võivad valetada: kalibreerimine libiseb, termopaar tuleb lahti, ülekandeliin võtab müra. AI võib näha andmetes hüpet ja öelda "protsess on muutunud"; Samas ei muutu protsess, vaid andur. Anomaalia signaal filtreeritakse seetõttu esmalt andmete usaldusväärsuse jaoks: kas see on kooskõlas mõne teise anduriga, kas see on füüsiliselt võimalik, kas see vastab hoolduskirjele? Alles pärast nende läbimist uuritakse seda kui reaalset protsessisündmust.
Ettevaatust: AI-põhine anomaaliate/varajase hoiatamise süsteem ei asenda ohutusinstrumentidega varustatud süsteemi (SIS – iseseisev, sertifitseeritud ohutuskaitsekiht). AI-mudel on jälgimise ja otsuste tegemise tugikiht; Need on kaitse-, sõltumatud ja kontrollitud turvasüsteemid, mis tagavad elu ja rajatiste ohutuse.
kolm minikarpi
Juhtum 1 – varajane triivi püüdmine. Ühes reaktoris märkis tehisintellekt temperatuurianduril aeglast triivi, mis tõusis 10 päeva jooksul keskmiselt 0,3 °C võrra päevas. Meeskond uuris; Soojusvaheti saastumine oli alanud. Varajane sekkumine hoidis ära planeerimata seisakuid. Signaal tuli tehisintellektilt, diagnoos ja otsus tuli meeskonnalt.
Juhtum 2 – valehäire kõrvaldatud. AI nägi rõhuanduri äkilist hüpet ja märkis selle kui "võimaliku lekke". Insener nägi, et kaks naaberandurit ei muutunud ja sel hetkel viidi läbi kalibreerimisprotsess; Signaal tuli andurilt. Andmete usaldusväärsuse filter hoidis ära tarbetu seisaku.
Juhtum 3 – korrelatsioonilõks. YZ tähistas korrelatsiooni "toote puhtus väheneb, kui etteande voolukiirus suureneb". Insener leidis, et tegelik põhjus ei olnud vooluhulk, vaid pealevoolu temperatuur, mis muutus sama vahetuse ajal; voolukiirus ja puhtus läksid ainult kokku. Põhjusliku seose eksitamine tooks kaasa vale seadistuse.
Neli kopeeritavat malli
1) Andmete puhastamise koodi mustand:
Kirjutage mulle protsessianduri andmestiku puhastav Pythoni skript. Sisend: ajatempliga CSV, veerud [loend]. (1) märgistada puuduvad väärtused (kustutamise, täitmise valikud), (2) märgistada füüsiliselt võimatud väärtused (negatiivne voolukiirus, vahemikust väljapoole jääv temperatuur), (3) kontrollida seadme järjepidevust, (4) teatada puhastusotsustest, kuid ÄRGE kustutage automaatselt; ma kinnitan. Riigi oletused.
2) SPC / kontrollkaardi tõlgendus:
Teie roll: kvaliteediinsener. Annan teile muutuja aegread ja kontrollpiirid (UCL/LCL). Rakendage standardseid SPC-reegleid (väljaspool piire, järjestikune trend, kobar ühel küljel) ja märkige, millised punktid on "eripõhjuse" kandidaadid. Iga märgi puhul märkige ka, kas tegemist on tegeliku protsessisündmusega või võimaliku mõõtmisprobleemiga. Otsus on minu teha; Esitate kandidaadi ja põhjenduse. Andmed: [kleebi]
3) Anomaalia töökindluse filter:
Olete märgistanud järgmise anomaalia: [kirjeldus]. Enne otsuse tegemist rakendage töökindluse kontrollnimekirja: (1) kas see on kooskõlas külgnevate/seotud anduritega, (2) kas see on füüsiliselt võimalik, (3) kas see ühtib hoolduse/kalibreerimise kirjega, (4) kas see on üks punkt või järjepidevus? Hinnake, kas see on "päris protsessi sündmus" või "võimalik anduri probleem". lõpliku diagnoosi panemine; Andke uurimistöö pealkiri.
4) Algpõhjuse hüpotees (mitte diagnoos):
Täheldati järgmist kvaliteedi/protsessi hälvet: [kirjeldus, numbrid]. Loetlege võimalikud algpõhjused VÕIMALUSE järjekorras (sööt, katalüsaator, andur, tööseisund, hooldus). Iga hüpoteesi puhul kirjutage üles, milliseid andmeid või testi peaksin selle kinnitamiseks/ümberlükkamiseks vaatama. See EI OLE diagnoos, see on uurimisplaan; Ärge avaldage lõplikku põhjust.
Nõrk viip / Tugev viip
Nõrk viip:
Kas selle anduri andmetega on probleeme?
"Probleem" on määratlemata, kontekst puudub. AI võib juhuslike hüpetega liialdada või tegelikust triivist mööda lasta.
Võimas viip:
Teie roll: protsessijuhtimise insener. Ma annan teile reaktori temperatuuriandmeid 14 päeva ja 1 minuti jooksul. Normaalne vahemik 78-82°C, UCL 84, LCL 76. Ülesanne: (1) märgi aeglase triivi, äkilise hüppe, võnke suurenemise mustrid, (2) näita iga märgi puhul, kas tegemist võib olla reaalse sündmuse või anduriga, (3) loetle, mida tuleks kõigepealt uurida. lõpliku diagnoosi panemine; Lihtsalt tõeliste andmete põhjal, mitte väljamõeldud. Andmed: [kleebi]
Erinevus on selge: muutuja, normaalvahemik, piirid ja raamistik "kandidaat, mitte diagnoos" muudavad väljundi kasutatavaks.
Rolli jaotus kvaliteedi/kontrolliandmetes
äri
AI roll
mehe otsus
andmete puhastamine
kood, lipp
Kehtetu andmeotsus
Anomaalia
märgistamine
Tegeliku/sensori eristamine
SPC
reeglite jõustamine
Sekkumisotsus
korrelatsioon
Seoste märgistamine
Põhjusliku seose testimine
algpõhjus
Hüpoteeside loetelu
diagnoos, tegevus
turvalisuse kaitse
— (ulatusest väljas)
Sõltumatu SIS
Levinud vead
- Segada iga anomaalia tõeliseks protsessisündmuseks. Suurem osa sellest on anduri/kalibreerimise probleem; Andmete usaldusväärsus filtreeritakse kõigepealt.
- Korrelatsiooni käsitlemine põhjusliku seosena. Koos toimivad muutujad ei pruugi üksteist põhjustada.
- AI kasutamine turvasüsteemina. Elu-/rajatiste ohutuse eest vastutab sõltumatu, sertifitseeritud SIS.
- Luba andmete automaatne kustutamine. Insener otsustab oma protsessiteadmistega, mis on kehtetu.
- AI algpõhjuse hüpoteesi eksimine diagnoosimiseks. Hüpoteesid on uurimisteemad kuni nende kinnitamiseni, mitte järeldused.
Kokkuvõttes
AI kvaliteedi- ja protsessikontrolliandmetes; See on võimas assistent, mis puhastab andmeid, märgib kõrvalekaldeid ja trende, rakendab SPC reegleid ning genereerib korrelatsioone ja algpõhjuste hüpoteese. Kuid insener peab otsustama, kas kõrvalekalle on tegelik või sensor, kas korrelatsioon on põhjuslik seos, algpõhjus ja sekkumine. AI on järelevalve ja otsuste tegemise tugikiht; Need on kaitse-, sõltumatud ja kontrollitud turvasüsteemid, mis tagavad elu ja rajatiste ohutuse.
Rakenduse ülesanne
Võtke anduri andmekogum (või näidisaegrida). Kasutage tehisintellekti märgistusega eri põhjuse kandidaate malliga "SPC / kontrollkaardi tõlgendus". Rakendage iga märgi puhul malli "anomaalia usaldusväärsuse filter", et hinnata, kas tegemist on reaalse sündmuse või anduri probleemiga. Testige oma protsessiteadmistega vähemalt ühte põhjuslikku seost.
kontrollnimekiri
- [ ] Andmete usaldusväärsuse (sensor/kalibreerimine) jaoks filtreerisin esmalt anomaaliasignaalid.
- [ ] Testisin põhjuslikkuse seoseid protsessiinformatsiooniga.
- [ ] Muutsin SPC signaalid sekkumisotsuseks, ma ei jätnud seda tehisintellektile.
- [ ] Andmete puhastamisel rakendasin kinnitatud otsust, mitte automaatset kustutamist.
- [ ] Jätsin turvakaitse sõltumatule süsteemile, mitte tehisintellektile.