Глоссарий ИИ
Полный словарь искусственного интеллекта
RUL (Remaining Useful Life)
RUL, или Оставшийся срок полезного использования, является ключевой метрикой в предиктивном обслуживании, которая оценивает оставшееся операционное время до отказа оборудования, основываясь на текущем состоянии и исторических данных.
Survival Analysis
Анализ выживаемости - это раздел статистики, используемый для моделирования времени до наступления события, такого как отказ, с учетом цензурированных данных, когда оборудование еще не вышло из строя к концу периода наблюдения.
Prognostics and Health Management (PHM)
PHM - это инженерная дисциплина, которая объединяет оценку состояния системы (диагностика) и прогнозирование будущего развития (прогноз) для оптимизации ее обслуживания и надежности.
Time-to-Failure (TTF)
Время до отказа (TTF) - это случайная переменная, представляющая продолжительность работы компонента или системы с момента ввода в эксплуатацию или последнего ремонта до следующего отказа.
Censored Data
Цензурированные данные - это наблюдения, в которых интересующее событие (отказ) не произошло до окончания исследования, что является распространенным в предиктивном обслуживании и требует специальных методов анализа, таких как анализ выживаемости.
Weibull Analysis
Анализ Вейбулла - это мощный статистический метод для моделирования срока службы оборудования, позволяющий охарактеризовать фазы отказов (юность, зрелость, старость) через его параметры формы и масштаба.
Health Index (HI)
Индекс состояния (HI) - это составной показатель, часто нормализованный между 0 и 1, который агрегирует несколько показателей производительности для предоставления единой количественной меры общего состояния здоровья оборудования.
Recurrent Neural Networks (RNN) for RUL
Рекуррентные нейронные сети (RNN) особенно подходят для прогнозирования RUL, поскольку они могут обрабатывать временные ряды данных с датчиков, захватывая долгосрочные зависимости для моделирования прогрессирования деградации.
Сверточные нейронные сети (CNN) 1D
CNN 1D используются в предиктивном обслуживании для автоматического извлечения релевантных характеристик из необработанных временных сигналов (таких как вибрации) перед подачей их в модель регрессии для прогнозирования RUL.
Инженерия признаков для RUL
Инженерия признаков для прогнозирования RUL - это процесс создания описательных переменных (статистических, частотных, временных) из необработанных данных датчиков для улучшения производительности моделей машинного обучения.
Данные 'Run-to-Failure'
Данные 'run-to-failure' - это наборы временных данных, которые отслеживают оборудование от нормального состояния работы до полного отказа, составляя идеальную обучающую основу для моделей RUL.
Подход на основе сходства
Подход на основе сходства оценивает RUL оборудования, сравнивая его текущую траекторию деградации с базой данных исторических траекторий отказа, предполагая, что аналогичное поведение приводит к аналогичному времени отказа.
Ансамблевые методы для RUL
Ансамблевые методы, такие как Random Forest или Gradient Boosting, объединяют прогнозы нескольких базовых моделей для получения более надежной и точной оценки RUL, уменьшая дисперсию и смещение.
Распределение оставшегося полезного срока службы
Распределение RUL предоставляет не только точечную оценку оставшегося времени, но и меру неопределенности, связанную с этим прогнозом, часто в виде доверительного интервала или плотности вероятности.
Прогнозирование конца срока службы (EOL)
Прогнозирование конца срока службы (EOL) - это задача классификации, направленная на определение, достигнет ли оборудование конца своего полезного срока службы в указанном будущем временном окне, дополняя регрессию RUL.
Механизмы внимания в моделях RUL
Механизмы внимания, интегрированные в модели, такие как Transformers, позволяют модели сосредоточиться на наиболее релевантных частях временной последовательности данных для уточнения прогноза RUL.
Адаптация домена для RUL
Адаптация домена является техникой трансферного обучения, которая позволяет применить модель RUL, обученную на одном типе оборудования (исходный домен), к другому схожему, но отличающемуся оборудованию (целевой домен) с небольшим количеством данных.