এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
RUL (Remaining Useful Life)
আরইউএল (অবশিষ্ট কার্যকর আয়ু) হল পূর্বাভাসমূলক রক্ষণাবেক্ষণের একটি মূল মেট্রিক যা বর্তমান অবস্থা এবং ঐতিহাসিক তথ্যের ভিত্তিতে একটি সরঞ্জাম কতক্ষণ কার্যকর থাকবে তার অনুমান করে, যতক্ষণ না এটি ব্যর্থ হয়।
Survival Analysis
সারভাইভাল অ্যানালাইসিস হল পরিসংখ্যানের একটি শাখা যা একটি ঘটনা (যেমন ব্যর্থতা) ঘটার সময় পর্যন্ত মডেলিং করে, যেখানে পর্যবেক্ষণের শেষে সরঞ্জামটি এখনও ব্যর্থ হয়নি এমন সেন্সরড ডেটা বিবেচনা করা হয়।
Prognostics and Health Management (PHM)
প্রগনস্টিক্স অ্যান্ড হেলথ ম্যানেজমেন্ট (পিএইচএম) হল একটি ইঞ্জিনিয়ারিং শাখা যা একটি সিস্টেমের স্বাস্থ্যের অবস্থা মূল্যায়ন (ডায়াগনস্টিক) এবং ভবিষ্যতের পরিবর্তনের পূর্বাভাস (প্রগনস্টিক) একত্রিত করে এর রক্ষণাবেক্ষণ এবং নির্ভরযোগ্যতা অপ্টিমাইজ করার জন্য।
Time-to-Failure (TTF)
টাইম-টু-ফেইলিউর (টিটিএফ) হল একটি এলোমেলো চলক যা একটি উপাদান বা সিস্টেমের কার্যকর সময়কালকে তার চালু হওয়া বা শেষ মেরামতের পর থেকে পরবর্তী ব্যর্থতা পর্যন্ত প্রতিনিধিত্ব করে।
Censored Data
সেন্সরড ডেটা হল এমন পর্যবেক্ষণ যেখানে আগ্রহের ঘটনা (ব্যর্থতা) অধ্যয়নের শেষ পর্যন্ত ঘটেনি, যা পূর্বাভাসমূলক রক্ষণাবেক্ষণে সাধারণ এবং সারভাইভাল অ্যানালাইসিসের মতো নির্দিষ্ট বিশ্লেষণ কৌশল প্রয়োজন।
Weibull Analysis
ওয়েইবুল অ্যানালাইসিস হল একটি শক্তিশালী পরিসংখ্যানগত পদ্ধতি যা সরঞ্জামের আয়ুষ্কাল মডেলিংয়ের জন্য ব্যবহৃত হয়, যা এর আকৃতি এবং স্কেল প্যারামিটারের মাধ্যমে ব্যর্থতার পর্যায়গুলোকে (প্রাথমিক, পরিণত, বার্ধক্য) চিহ্নিত করতে দেয়।
Health Index (HI)
হেলথ ইনডেক্স (এইচআই) হল একটি যৌগিক স্কোর, সাধারণত ০ থেকে ১ এর মধ্যে স্বাভাবিকীকৃত, যা একাধিক কর্মক্ষমতা সূচককে একত্রিত করে একটি সরঞ্জামের সামগ্রিক স্বাস্থ্যের একটি একক এবং পরিমাণগত পরিমাপ প্রদান করে।
Recurrent Neural Networks (RNN) for RUL
রিকারেন্ট নিউরাল নেটওয়ার্ক (আরএনএন) আরইউএল পূর্বাভাসের জন্য বিশেষভাবে উপযুক্ত কারণ এগুলো সেন্সর ডেটার সময় সিরিজ প্রক্রিয়া করতে পারে, যা অবক্ষয়ের বিবর্তন মডেলিংয়ের জন্য দীর্ঘমেয়াদী নির্ভরতা ক্যাপচার করে।
১ডি কনভোল্যুশনাল নিউরাল নেটওয়ার্কস (সিএনএন)
১ডি সিএনএন প্রেডিক্টিভ মেইনটেনেন্সে ব্যবহৃত হয় কাঁচা টাইম সিরিজ সিগন্যাল (যেমন কম্পন) থেকে স্বয়ংক্রিয়ভাবে প্রাসঙ্গিক বৈশিষ্ট্য বের করার জন্য, যা পরে RUL (বাকি কার্যকর জীবন) পূর্বাভাসের জন্য রিগ্রেশন মডেলে ইনপুট হিসেবে দেওয়া হয়।
RUL-এর জন্য ফিচার ইঞ্জিনিয়ারিং
RUL পূর্বাভাসের জন্য ফিচার ইঞ্জিনিয়ারিং হল সেন্সর থেকে প্রাপ্ত কাঁচা ডেটা থেকে বর্ণনামূলক ভেরিয়েবল (পরিসংখ্যানগত, ফ্রিকোয়েন্সি-ভিত্তিক, টাইম-ভিত্তিক) তৈরি করার প্রক্রিয়া, যা মেশিন লার্নিং মডেলের কার্যকারিতা উন্নত করে।
রান-টু-ফেইলার ডেটা
রান-টু-ফেইলার ডেটা হল সময়ানুক্রমিক ডেটাসেট যা একটি যন্ত্রের স্বাভাবিক কার্যক্ষম অবস্থা থেকে শুরু করে সম্পূর্ণ ব্যর্থতা পর্যন্ত ট্র্যাক করে, যা RUL মডেলের জন্য আদর্শ প্রশিক্ষণ ভিত্তি হিসেবে কাজ করে।
সাদৃশ্য-ভিত্তিক পদ্ধতি
সাদৃশ্য-ভিত্তিক পদ্ধতি একটি যন্ত্রের বর্তমান অবক্ষয় ট্র্যাজেক্টরি ঐতিহাসিক ব্যর্থতার ট্র্যাজেক্টরির ডেটাবেসের সাথে তুলনা করে RUL অনুমান করে, ধরে নেওয়া হয় যে অনুরূপ আচরণ অনুরূপ ব্যর্থতার সময়ের দিকে নিয়ে যায়।
RUL-এর জন্য এনসেম্বল পদ্ধতি
এনসেম্বল পদ্ধতি, যেমন র্যান্ডম ফরেস্ট বা গ্রেডিয়েন্ট বুস্টিং, একাধিক বেস মডেলের পূর্বাভাসকে একত্রিত করে আরও শক্তিশালী ও নির্ভুল RUL অনুমান প্রদান করে, ভ্যারিয়েন্স ও বায়াস কমিয়ে।
RUL-এর বণ্টন
RUL-এর বণ্টন কেবল অবশিষ্ট সময়ের একটি বিন্দু অনুমান প্রদান করে না, বরং এই পূর্বাভাসের সাথে যুক্ত অনিশ্চয়তার পরিমাপও দেয়, যা প্রায়শই কনফিডেন্স ইন্টারভাল বা সম্ভাব্যতা ঘনত্বের আকারে প্রকাশ করা হয়।
এন্ড-অফ-লাইফ (EOL) পূর্বাভাস
এন্ড-অফ-লাইফ (EOL) পূর্বাভাস হল একটি শ্রেণিবিন্যাসের কাজ, যার লক্ষ্য হল একটি নির্দিষ্ট ভবিষ্যত সময়ের মধ্যে যন্ত্রটি তার কার্যকর জীবনের শেষ পর্যায়ে পৌঁছাবে কিনা তা নির্ধারণ করা, যা RUL রিগ্রেশনের পরিপূরক।
RUL মডেলে অ্যাটেনশন মেকানিজম
ট্রান্সফরমারের মতো মডেলে সংযুক্ত অ্যাটেনশন মেকানিজম মডেলকে টাইম সিরিজ ডেটার সবচেয়ে প্রাসঙ্গিক অংশগুলিতে ফোকাস করতে সাহায্য করে, যা RUL পূর্বাভাসকে আরও সূক্ষ্ম করে তোলে।
Domain Adaptation for RUL
ডোমেইন অ্যাডাপ্টেশন হল একটি ট্রান্সফার লার্নিং কৌশল, যা একটি ধরনের সরঞ্জাম (উৎস ডোমেইন) এর উপর প্রশিক্ষিত RUL মডেলকে অল্প ডেটা সহ অন্য একটি অনুরূপ কিন্তু ভিন্ন সরঞ্জামে (লক্ষ্য ডোমেইন) প্রয়োগ করতে সাহায্য করে।