Табыстар:
- Уақыттық қатарларды, шекті кесіп өтуді және сенсорлық сапаны бақылау (QA/QC) тұжырымдамаларын қолдану мүмкіндігі
- AI көмегімен аномалияларды сканерлеу, трендтер туралы қорытынды және жетіспейтін деректер стратегиясын жасау мүмкіндігі
- Шикі деректермен және калибрлеумен AI көрсеткен асып кетулер мен ауытқуларды тексеру мүмкіндігі
Сіз ұйымдасқан индустриялық аймақтың ағынды суларды тазарту қондырғысының ауысымының инженерісіз. Розеткада орналасқан үздіксіз бақылау станциясы әрбір 15 минут сайын еріген оттегін (DO), рН, өткізгіштік пен химиялық оттегіге сұранысты (COD) тіркейді. Таңертеңгі сағат 03:40-та SCADA экранындағы COD мәні 1,240 мг/л дейін көтеріледі және жүйе дабыл береді. Шығару шегі 250 мг/л. Дүрбелеңнен бұрын сұрауыңыз керек сұрақ: бұл ластану оқиғасы ма, әлде сенсорлық жазба ма? Бұл бөлімде сіз тіл үлгісін (LLM) уақыт қатарларының деректерін сканерлеу, аномалияларды белгілеу және тренд қорытындыларын жасау үшін «бірінші оқу көмекшісі» ретінде пайдалануды үйренесіз; Бірақ біз неге ол соңғы шешімді оған қалдырмайтынын талқылап жатырмыз.
Үздіксіз бақылау деректерінің анатомиясы
Қоршаған ортаны бақылау деректері - бұл тұрақты уақыт аралықтарында жиналған уақыт қатары. Әрбір өлшеу нүктесінде уақыт белгісі, мән және ең дұрысы сапа жалаушасы болады. Шикі деректерді түсіну үшін сіз үш ұғымды ажыратуыңыз керек:
- Тренд: Ұзақ мерзімді тренд (мысалы, өткізгіштіктің маусымдық өсуі).
- Маусымдық/цикл: күн немесе жыл ішінде қайталанатын үлгілер (мысалы, күндізгі фотосинтез арқылы DO жоғарылауы).
- Аномалия: күтілетін үлгіден статистикалық түрде ауытқыған сингулярлық немесе қысқа мерзімді мәндер.
Параметр
Типтік бақылау диапазоны
Үлгі шегі (разряд)
Жалпы сенсор мәселесі
рН
1-5 мин
6-9 (бірліксіз)
Анықтамалық электродты ауыстыру
Ерітілген оттегі (DO)
5-15 мин
≥ 5 мг/л (қабылдағыш орта)
Мембраналық ластану (биологиялық ластану)
өткізгіштік
5-15 мин
Сыныпқа байланысты, μS/см
Калибрлеу дрейфі
COD (үздіксіз анализатор)
15-60 мин
250 мг/л
Реагенттің таусылуы, бітелуі
PM10 (ауа)
1 сағат
50 мкг/м³ (24 сағат)
Ылғалдылық/конденсация әсері
Неліктен QA/QC жалаулары маңызды?
QA/QC (сапаны қамтамасыз ету/сапаны бақылау) әрбір өлшемге сенім белгісін бекіту туралы. Мән статистикалық түрде "артып кету" болып көрінсе де, егер ол калибрлеу терезесінен тыс қабылданса немесе сенсорға техникалық қызмет көрсетілсе, ол жарамсыз болады. Жалпы жалау кодтары:
Жалаудың мағынасы----- -----------------------------G Жақсы — жарамды, қабылданған өлшемS Күдікті — күмәнді, тексеру қажетM Жоқ — жоқ / бос жазбаC Калибрлеу — калибрлеу/техникалық қызмет көрсету терезесі, деректер жарамсызE Болжалды — есептелген есептік мән
Кеңес: Артық талдауды бастамас бұрын әрқашан калибрлеу және техникалық қызмет көрсету журналдарын ашыңыз. Сағат 03:40-та КОД секірісі автоматты түнгі калибрлеумен немесе реагентті өзгертумен сәйкес келсе, бұл «С» жалаушасының деректері; Бұл дабыл тақырыбы емес, деректерді тазалауға арналған.
Аномалияларды сканерлеу және AI көмегімен тренд туралы қорытынды
LLM қолданбасын кестелік деректерді жылдам қарап шығу, адам көзі жіберіп алуы мүмкін үлгілерді белгілеу және бастапқы гипотезаларды сұрыптау үшін пайдалануға болады. Сыни нүкте: Модельге бастапқы деректерді, бірліктерді және шектеулерді бірге беру және одан тексерілетін бақылауларды сұрау.
ӘЛСІЗ СҰРАҚ: «Су сапасы туралы осы деректерде мәселе бар ма?» ҚҰТТЫ НҰСҚАУ: "Төменде ағынды суды шығару нүктесінің 15 минуттық бақылау деректері берілген (бағандар: уақыт, СО [мг/л], өткізгіштік [μS/см], рН, QA жалаушасы). Ағызу COD шегі 250 мг/л, рН диапазоны 6-9. Тапсырма: 1) Тек 'G2) шегінен асатын уақыт белгілерін тізімдеңіз. жалаушалар; C/M/S жалаушалары барларды бөлек 'тексеру қажет' тізіміне бөліңіз 3) оның жеке секіру (бір жол) немесе үздіксіз көтерілу (>= 3 қатар) екенін көрсетіңіз 4) Бір уақыттағы өзгеріс сіз үшін қандай да бір түсініктеме болуы мүмкін емес екенін ескеріңіз деректердің орнына «шикі деректермен расталуы керек» деп жазыңыз.
Күшті шақыру үлгіні нақты процедурамен байланыстырады, жалаушаларды талдайды және галлюцинацияны шектеу үшін нақты «егер сенімді болмасаңыз, айтпаңыз» нұсқаулығын қамтиды (ойдан құрастырылған түсіндіру).
Абайлаңыз: LLM сандық шекті салыстыруларда қателер жіберуі мүмкін; 248 мг/л «артық» немесе 252 мг/л «шектен тыс» деп қате белгілеуі мүмкін. Үлгілер тізімдерінен асып кетуді визуалды түрде өңделмеген кестеден немесе формуламен (мысалы, мән > 250) қайта тексеріңіз. Модель сканерлейді; Сіз шектеуді шешесіз.
Жетіспейтін деректер стратегиясы (импутация)
Сенсорлар бітеліп қалады, қуат өшеді, байланыс үзіледі. Жетіспейтін деректерді қалай толтыру сіздің тренд пен асып кету талдауыңызға тікелей әсер етеді. Жалған импутация жоқ асып кетуді «жасауы» немесе нақты асып кетуді жасыруы мүмкін.
пандаларды np# 15 минуттық COD сериясы ретінде pdimport numpy ретінде импорттау; -999 құрылғы коды "деректер жоқ" "жалаушасы": ["G", "G", "M", "M", "G", "S", "G", "G"],})# 1) Құрылғы кодтарын нақты жетіспейтін мәнге түрлендіруdf.loc[df["koi"] == -999, "koi"] = np.nan# interpolation (2) үшін SRT аралығы (2)<2); flag imputationgap = df["koi"].isna()df["koi_full"] = df["koi"].interpolate(limit=2)df.loc[gap & df["koi_full"].notna(), "flag"] = "E" # Сканерлеу бойынша есептелген# 3) Шешім бойынша өлшемдер (Шектеу) ЖАҢА асып кетті df[(df["koi_full"] > 250) & (df["жалау"] == "G")]басып шығару(asyms[["ts", "koi_full", "fila"]])
Бұл тәсілде қысқа бос орындар толтырылады, бірақ толтырылған мәндер E белгісімен белгіленеді және асып кету туралы шешім тек нақты өлшемнен (G) қабылданады. 1240 мг/л мәні S (күдікті) белгісімен белгіленгендіктен, ол автоматты түрде асып кету тізіміне кірмейді; алдымен тексеріледі.
Сенсорлық дрейф және калибрлеу арқылы тексеру
Артып кетудің нақты немесе сенсорлық дрейф екенін анықтауға арналған алтын стандарт - бір уақытта алынған үлгінің зертханалық нәтижесі. Мысалы, егер үздіксіз анализатор 03:40-та 1240 мг/л көрсетсе және сол уақытта алынған үлгінің зертханалық өлшенген мәні 205 мг/л болса, мәселе сенсорда; босату емес. Бұл AI шығысының немесе SCADA дабылының даламен және зертханамен триангуляциясы.
шағын корпус
Ауыз су бассейніндегі лайлылық сенсоры үш күн бойы бірте-бірте өсу үрдісін көрсетті. Ауысым командасы апта сайынғы мәліметтерді LLM-ге берді; «Жаңбырдан кейінгі ағын суға байланысты бұлыңғырлықтың нақты артуы мүмкін», - деді модель. Алайда, инженер метеорологиялық жазбаларды қарап шыққанда, сол аптада аймақта жауын-шашын болмағанын көрді. Далалық тексеру кезінде сенсордың оптикалық терезесінде биологиялық ластану пайда болғаны анықталды; Тазалау және калибрлеуден кейін мәндер қалыпты жағдайға оралды. LLM-дің «мүмкін нақты оқиғаны» түсіндіруі сыртқы деректер (жаңбырдың жазбасы) және далалық бақылау арқылы жоққа шығарылды. Сабақ: Модель шындыққа жанасады, бірақ жалған оқиғаны тудыруы мүмкін; тексеру тізбегі оны ұстайды.
Жалпы қателер
- Калибрлеу/техникалық қызмет көрсету терезесіндегі (C жалаушасы) деректерді нақты асып кету үшін қателесу.
- Жетіспейтін деректерді үнсіз толтыру және есептелген мәндерді нақты өлшемдер ретінде хабарлау.
- Үздіксіз оқиға үшін сингулярлы серпіліс (бір сызық, мүмкін электр шуы) қатесі.
- LLM үзіліс нүктесінің салыстыруларына соқыр сену (248 және 250).
- Бір уақыттағы параметрлерді (рН+өткізгіштік+КОД) өзара тексерусіз бір параметр негізінде шешім қабылдау.
- Сынама/зертханалық растау арқылы сенсордың дрейфін жоққа шығармай, дабылды «нақты» деп жариялау.
- Жергілікті уақытты/UTC және жазғы уақыт ауысымдарын елемеу және оқиғаларды дұрыс емес уақытқа жатқызу.
Қысқаша айтқанда
- Қоршаған орта мониторингінің деректері уақыттық қатар болып табылады; Оны тренд, маусымдық және аномалияны ажыратпай түсіндіру мүмкін емес.
- QA/QC жалаулары деректердің сенімді тегі болып табылады; шешімдер тек жарамды (G) деректер негізінде қабылданады.
- LLM - бұл шешім қабылдаушы емес, аномалияларды сканерлеу, асып кетулер тізімін және трендтер туралы қорытындылау үшін жылдам бірінші оқу көмекшісі.
- Жетіспейтін деректер стратегиясы (импутация) ашық болуы керек; Толтырылған мәндер белгіленген және асып кету туралы шешім қабылдау үшін негіз болып табылмайды.
- Датчиктердің дрейфі, биологиялық ластануы және калибрлеу дрейфі «жалған асып кетуді» тудырады; сынама мен зертханалық растауды ажыратады.
- AI нәтижесі гипотеза болып табылады; Шикі деректер калибрлеу жазбасы және далалық бақылау арқылы тексерілмей ресми есепке кірмейді.
Қолданбалы тапсырма
Сізде бар (немесе синтетикалық түрде жасалған) 24 сағаттық, 15 минуттық бақылау деректер жинағын алыңыз (кем дегенде бір параметр: COD, рН немесе PM10) және QA/QC жалаушаларын қосатын және шектен асып кетулерді тізімдейтін іске қосыңыз. Біріншіден, күшті шақыру жазыңыз және LLM-ден аномалия мен асып кетуді сканерлеуді сұраңыз; Содан кейін Python бағдарламасындағы мән > шектеу сүзгісімен бірдей асып кетулерді тәуелсіз түрде тексеріңіз. Кем дегенде бір есептеу үлгісін жасаңыз және толтырылған мәндерді E әрпімен белгілеңіз. Әрбір "артып кету" үшін сіз "оны басып алу үлгісі/калибрлеу жазбасымен қалай тексеруге болады?" Сұраққа бір сөйлеммен жауап беріңіз. Сайып келгенде, LLM белгілеген аномалиялардың қаншасы нақты оқиғалар және қаншасы сенсор/деректер проблемалары екенін негіздемелерімен кестеге келтіріңіз.