Pelnas:
- Galimybė valyti jutiklių duomenis dirbtiniu intelektu ir žymėti anomalijas bei tendencijas SPC taisyklėmis
- Galimybė atskirti koreliaciją nuo priežastingumo naudojant patikimumo filtrą, kad būtų galima atskirti, ar nukrypimas yra tikras proceso įvykis, ar jutiklio / matavimo problema
- Supratimas, kad dirbtinis intelektas yra sprendimų palaikymo lygmuo ir kad gyvybės ir objektų sauga priklauso nepriklausomoms apsaugos sistemoms (SIS).
Dirbdama gamykla tyliai generuoja duomenų srautą: temperatūra, slėgis, srautas, lygis, pH ir produkto analizės rezultatai kas sekundę teka iš dešimčių jutiklių. Šie duomenys yra proceso „pulsas“; Jame yra ir proceso gerovės įrodymų, ir ankstyvų gresiančio gedimo ar kokybės nukrypimo požymių. Šiame skyriuje išmoksite naudoti dirbtinį intelektą kaip pagalbinę priemonę stebint šiuos duomenis, pažymint anomalijas ir interpretuojant kokybės tendencijas; bet mes sužinosime, kodėl inžinierius vis tiek turi nuspręsti, kuris nukrypimas yra tikras ir kokių veiksmų imtis.
Pradėkime nuo dviejų pagrindinių sąvokų. SPC (Statistical Process Control; metodas, stebintis proceso kintamumą su statistinėmis ribomis ir skiriantis normalų svyravimą nuo realaus nuokrypio) ir valdymo diagrama (kontrolinė diagrama – diagrama, rodanti kintamąjį laiko atžvilgiu, su viršutinėmis/apatinės kontrolės ribomis). SPC esmė yra skirtumas tarp natūralaus kintamumo (bendra priežastis – normalus, neišvengiamas proceso svyravimas) ir ypatingos priežasties – realaus nukrypimo nuo išorės, kurį būtina ištirti. Dirbtinis intelektas yra galingas išskiriant šį skirtumą ir aptinkant didelių duomenų modelius; bet pagrindinė nukrypimo priežastis ir sprendimas įsikišti priklauso inžinieriui.
Žingsnis po žingsnio AI palaikymas kokybės ir valdymo duomenų srityje
1. Paruoškite ir išvalykite duomenis. Trūksta reikšmės, šuoliai dėl jutiklio gedimo, vienetų neatitikimai. AI sukuria Python kodo kontūrą ir kontrolinį sąrašą, kad būtų galima išvalyti. Bet jūs, žinodami apie procesą, nuspręsite, kas laikoma „negaliojančiais duomenimis“.
2. Tendencijų ir anomalijų žymėjimas. AI žymi tokius modelius kaip lėtas dreifas, staigūs šuoliai arba padidėję jutiklio svyravimai. Tai kandidatai, kuriuos reikia tikrinti, o ne rezultatai.
3. SPC komentaras. AI gali prisiminti valdymo diagramos taisykles (pvz., kai taškas išeina už ribų, iš eilės taškai eina viena kryptimi) ir pritaikyti jas duomenims. Vėlgi, inžinerinis sprendimas priima sprendimą.
4. Koreliacijos atradimas. AI žymi tokius ryšius kaip „atrodo, kad grynumas mažėja kylant temperatūrai“. Koreliacija nėra priežastinis ryšys (koreliacija ≠ priežastinis ryšys – tai, kad du dydžiai kartu skiriasi, neįrodo, kad vienas sukelia kitą); Jūs išbandote šį ryšį su proceso žiniomis.
5. Pagrindinės priežasties hipotezės. AI išvardija galimas nukrypimo priežastis (tiekimo kitimas, katalizatoriaus senėjimas, jutiklio gedimas). Tai tyrimų temos, o ne diagnozės.
6. Sprendimas dėl veiksmų. Į pavojaus signalą žiūrėti rimtai, sustabdyti procesą ar atlikti pakeitimus – šį saugumo ir kokybės sprendimą turi priimti inžinierius.
Patarimas: kai AI pažymi jutiklio duomenų anomalijas, pirmasis klausimas yra „ar tai tikras proceso įvykis, ar jutiklio / matavimo gedimas? turėtų būti. Dauguma "anomalijų" yra sugedęs jutiklis arba kalibravimo poslinkis; Prieš įsikišdami patikrinkite patį matavimą.
Jutiklio duomenys: ne kiekvienas nukrypimas yra tikras
Jutikliai gali meluoti: kalibravimas paslysta, termopora atsilaisvina, perdavimo linija paima triukšmą. AI gali matyti duomenų šuolį ir pasakyti „procesas pasikeitė“; Tačiau keičiasi ne procesas, o jutiklis. Todėl anomalijos signalas pirmiausia filtruojamas siekiant duomenų patikimumo: ar jis atitinka kitą jutiklį, ar tai fiziškai įmanoma, ar atitinka techninės priežiūros įrašą? Tik po to, kai jie praeina, jis tiriamas kaip tikras proceso įvykis.
Atsargiai: AI pagrįsta anomalijų / išankstinio įspėjimo sistema nepakeičia saugos prietaisų sistemos (SIS – atskiras, sertifikuotas saugos apsaugos sluoksnis). AI modelis yra stebėjimo ir sprendimų palaikymo lygis; Tai apsaugos, nepriklausomos ir patikrintos apsaugos sistemos, užtikrinančios gyvybės ir objektų saugumą.
trys mini dėklai
1 atvejis – ankstyvas dreifo fiksavimas. Viename reaktoriuje AI pažymėjo lėtą temperatūros jutiklio dreifą, kuris per 10 dienų padidėjo vidutiniškai 0,3 °C per dieną. Grupė išnagrinėjo; Prasidėjo užterštumas šilumokaityje. Ankstyvas įsikišimas apsaugojo nuo neplanuotų prastovų. Signalas atėjo iš AI, diagnozę ir sprendimą priėmė komanda.
2 atvejis – pašalintas klaidingas aliarmas. AI pastebėjo staigų slėgio jutiklio šuolį ir pažymėjo tai kaip „galimą nuotėkį“. Inžinierius pamatė, kad du gretimi jutikliai nepasikeitė ir tuo metu buvo atliktas kalibravimo procesas; Signalas buvo iš jutiklio. Duomenų patikimumo filtras apsaugojo nuo nereikalingų prastovų.
3 atvejis – koreliacijos spąstai. YZ pažymėjo koreliaciją „produkto grynumas mažėja padidėjus tiekimo srautui“. Inžinierius nustatė, kad tikroji priežastis buvo ne srautas, o tiekimo temperatūra, kuri kito tos pačios pamainos metu; srauto greitis ir grynumas ėjo tik kartu. Klaidinga koreliacija dėl priežastingumo lemtų neteisingą nustatymą.
Keturi kopijuojami šablonai
1) Duomenų valymo kodo juodraštis:
Parašykite man valymo Python scenarijų proceso jutiklio duomenų rinkiniui. Įvestis: laiko žyma CSV, stulpeliai [sąrašas]. (1) pažymėkite trūkstamas vertes (ištrinkite, užpildykite parinktys), (2) pažymėkite fiziškai neįmanomas vertes (neigiamas srauto greitis, už diapazono ribų esanti temperatūra), (3) patikrinkite įrenginio nuoseklumą, (4) praneškite apie valymo sprendimus, bet NEGALIMA ištrinti automatiškai; aš patvirtinsiu. Valstybės prielaidos.
2) SPC / kontrolės diagramos aiškinimas:
Jūsų vaidmuo: kokybės inžinierius. Pateiksiu kintamojo laiko eilutes ir valdymo ribas (UCL/LCL). Taikykite standartines SPC taisykles (už ribų, nuosekli tendencija, grupė vienoje pusėje) ir pažymėkite, kurie taškai yra „ypatingų priežasčių“ kandidatai. Prie kiekvieno ženklo taip pat nurodykite, ar tai tikras proceso įvykis, ar galima matavimo problema. Sprendimas priklauso nuo manęs; Pateikiate kandidatą ir pagrindimą. Duomenys: [įklijuoti]
3) Anomalijos patikimumo filtras:
Pažymėjote šią anomaliją: [description]. Prieš priimdami sprendimą, pritaikykite patikimumo kontrolinį sąrašą: (1) ar jis atitinka gretimus / susijusius jutiklius, (2) ar tai fiziškai įmanoma, (3) ar jis atitinka techninės priežiūros / kalibravimo įrašą, (4) ar tai yra vienas taškas ar tęstinumas? Įvertinkite, ar tai „tikras proceso įvykis“, ar „galima jutiklio problema“. Nustatyti galutinę diagnozę; Suteikite tyrimo pavadinimą.
4) Pagrindinės priežasties hipotezė (ne diagnozė):
Pastebėtas toks kokybės/proceso nuokrypis: [aprašymas, skaičiai]. Išvardykite galimas pagrindines priežastis GALIMYBĖS tvarka (pašaras, katalizatorius, jutiklis, veikimo būklė, priežiūra). Prie kiekvienos hipotezės parašykite, į kokius duomenis ar testą turėčiau žiūrėti, kad ją patvirtinčiau / paneigčiau. Tai NĖRA diagnozė, tai tyrimo planas; Nenurodykite galutinės priežasties.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Ar yra problemų dėl šių jutiklių duomenų?
„Problema“ neapibrėžta, nėra konteksto. AI gali perdėti atsitiktinius šuolius arba praleisti tikrąjį dreifą.
Galingas raginimas:
Jūsų vaidmuo: procesų valdymo inžinierius. Pateikiu jums 14 dienų ir 1 minutės reaktoriaus temperatūros duomenis. Normalus diapazonas 78-82°C, UCL 84, LCL 76. Užduotis: (1) pažymėti lėto dreifo, staigaus šuolio, virpesių padidėjimo modelius, (2) kiekvienam ženklui nurodyti, ar tai gali būti tikras įvykis, ar jutiklis, (3) sąrašas, kurį reikėtų išnagrinėti pirmiausia. Nustatyti galutinę diagnozę; Tiesiog pagrįsta tikrais duomenimis, o ne išgalvota. Duomenys: [įklijuoti]
Skirtumas aiškus: kintamasis, normalus diapazonas, ribos ir „kandidatas, o ne diagnozė“ leidžia naudoti išvestį.
Vaidmenų pasiskirstymas kokybės/kontrolės duomenyse
verslui
AI vaidmuo
vyro sprendimas
duomenų valymas
kodas, vėliava
Neteisingas duomenų sprendimas
Anomalija
žymėjimas
Realus / jutiklis skirtumas
SPC
taisyklių vykdymas
Sprendimas dėl intervencijos
koreliacija
Santykių žymėjimas
Priežastingumo tyrimas
pagrindinė priežastis
Hipotezių sąrašas
diagnozė, veiksmas
saugumo apsauga
– (nepatenka į taikymo sritį)
Nepriklausoma SIS
Dažnos klaidos
- Kiekvieną anomaliją supainioti su tikru proceso įvykiu. Dažniausiai tai yra jutiklio/kalibravimo problema; Pirmiausia filtruojamas duomenų patikimumas.
- Koreliaciją vertinant kaip priežastinį ryšį. Kartu veikiantys kintamieji negali sukelti vienas kito.
- AI kaip apsaugos sistemos naudojimas. Už gyvybės / objekto saugą atsakinga nepriklausoma, sertifikuota SIS.
- Leisti automatiškai ištrinti duomenis. Inžinierius nusprendžia, kas yra neteisinga, remdamasis jo proceso žiniomis.
- Klaidinga AI pagrindinės priežasties hipotezė diagnozei nustatyti. Hipotezės yra tyrimų temos, kol jos nepasitvirtina, o ne išvados.
Apibendrinant
AI kokybės ir procesų kontrolės duomenyse; Tai galingas asistentas, kuris valo duomenis, pažymi anomalijas ir tendencijas, taiko SPC taisykles ir generuoja koreliacijas bei pagrindinių priežasčių hipotezes. Tačiau inžinierius turi nuspręsti, ar nukrypimas yra tikras, ar jutiklis, ar koreliacija yra priežastinis ryšys, pagrindinė priežastis ir įsikišimas. AI yra stebėjimo ir sprendimų priėmimo palaikymo lygmuo; Tai apsaugos, nepriklausomos ir patikrintos apsaugos sistemos, užtikrinančios gyvybės ir objektų saugumą.
Taikymo užduotis
Paimkite jutiklio duomenų rinkinį (arba laiko eilutės pavyzdį). Turėkite AI vėliavėles specialios priežasties kandidatus naudodami „SPC / valdymo diagramos interpretavimo“ šabloną. Kiekvienam ženklui pritaikykite „anomalių patikimumo filtro“ šabloną, kad įvertintumėte, ar tai tikras įvykis, ar jutiklio problema. Patikrinkite bent vieną priežastingumo ryšį su savo proceso žiniomis.
kontrolinis sąrašas
- [ ] Pirmiausia išfiltravau anomalijos signalus duomenų patikimumui (jutiklis / kalibravimas).
- [ ] Išbandžiau priežastingumo sąsajas su proceso informacija.
- [ ] SPC signalus paverčiau intervencijos sprendimu, nepalikau to AI.
- [ ] Duomenų valyme taikiau patvirtintą sprendimą, o ne automatinį ištrynimą.
- [ ] Saugumo apsaugą palikau nepriklausomai sistemai, o ne AI.