Razvoj i implementacija predikcijskog modela

Priprema skupa podataka i značajki

Model ne uči iz sirovih snimaka nego iz tablice u kojoj svaki redak opisuje jedno stanje stroja. Redak nastaje iz jednog sata rada ćelije PO-1 i sadrži značajke izračunate iz mjerenja te podatke o uvjetima rada. Takva se tablica gradi jednom i zatim se dopunjava svakim novim satom.

Posljednji stupac je oznaka i on je najskuplji dio cijelog posla. Nastaje tako da se svaki zabilježeni kvar iz informacijskog sustava održavanja prenese unatrag na razdoblje koje mu je prethodilo. Ako je ležaj zamijenjen 14. ožujka, redci od 12. veljače nadalje dobivaju oznaku da je kvar bio u nastajanju. Bez te oznake nema nadziranog učenja.

Značajke se biraju, a ne prikupljaju sve redom. Dvije značajke koje se ponašaju jednako ne donose ništa novo, a otežavaju učenje. Značajka koja ovisi o programu, a program nije u tablici, unosi zbrku. Dobar je red: krenuti od pet do deset značajki koje imaju fizikalno objašnjenje, pa dodavati samo one koje mjerljivo poboljšaju rezultat.

Podjela na skup za učenje i skup za provjeru

Model se mora ocijeniti na podacima koje pri učenju nije vidio. Zato se tablica dijeli na tri dijela. Na skupu za učenje model uči. Na skupu za ugađanje bira se prag i postavke. Na skupu za ispitivanje mjeri se konačna uspješnost i taj se skup dira samo jednom.

Za podatke iz održavanja podjela se ne smije raditi nasumično. Susjedni sati vrlo su slični, pa bi nasumična podjela stavila gotovo isti redak i u učenje i u provjeru, a model bi izgledao mnogo bolji nego što jest. Ispravno je podijeliti po vremenu: prvih osam mjeseci za učenje, sljedeća dva za ugađanje, posljednja dva za ispitivanje.

Ako kvarova ima vrlo malo, umjesto jedne podjele koristi se unakrsna provjera: podaci se podijele na pet dijelova, model se pet puta uči na četiri i provjerava na petome, a rezultat je prosjek. Kod vremenskih nizova dijelovi se uzimaju uzastopno, tako da provjera uvijek slijedi nakon učenja.

Izbor i učenje modela

Za dijagnostiku na temelju podataka koriste se tri obitelji pristupa, a izbor ovisi o tome koliko ima zabilježenih kvarova.

• Pravila i pragovi — najjednostavniji pristup, zapisan kao niz uvjeta. Ne treba mu skup podataka o kvarovima i uvijek je razumljiv, ali ne hvata kombinacije veličina.
• Otkrivanje odstupanja — model uči samo kako izgleda ispravno stanje i javlja sve što na njega ne sliči. Prikladan je upravo zato što kvarova gotovo i nema u podacima.
• Nadzirano učenje — model uči vezu značajki i oznake stanja. Daje najbolje rezultate, ali traži dovoljno zabilježenih kvarova i pouzdane oznake.

Na PO-1 je odabran dvojak pristup. Otkrivanje odstupanja radi neprekidno i uspoređuje trenutačno stanje s naučenim ispravnim stanjem za taj program i tu masu obratka. Uz njega radi jednostavno stablo odlučivanja koje na temelju značajki predlaže najvjerojatniji uzrok. Prvi model javlja da nešto nije u redu, drugi predlaže što je.

Mjere uspješnosti i tablica istinitosti

Uspješnost se mjeri na skupu za ispitivanje i uvijek se prikazuje kao tablica istinitosti, poznata i kao matrica zabune. U njoj se susreću dvije stvari: što je model javio i što se doista dogodilo.

Prag uzbune

Model u pravilu ne daje odgovor da ili ne nego broj: ocjenu odstupanja ili vjerojatnost kvara. Uzbuna nastaje tek kada se na taj broj postavi prag. Izbor praga je odluka o tome koju pogrešku više ne želimo, jer se dvije pogreške ne mogu istodobno smanjiti.

Nizak prag daje mnogo uzbuna: gotovo nijedan kvar ne promakne, ali se izlazi i onda kad nema razloga. Visok prag daje malo uzbuna: svaka je ozbiljna, ali dio kvarova prođe neopaženo. Granica se bira računski, iz cijene jedne i druge pogreške.

Uz prag idu i dva pravila koja smanjuju broj nepotrebnih uzbuna bez pomicanja granice. Prvo je potvrda trajanjem: uzbuna se javlja tek kada je vrijednost iznad praga u tri uzastopna mjerenja. Drugo je mrtvi pojas: nakon javljene uzbune sustav ne javlja novu dok se vrijednost ne spusti osjetno ispod praga. Bez tih pravila jedna pojava na granici proizvede stotinu poruka u jednoj noći.

Na ćeliji PO-1 uz prag uzbune 4,5 mm/s postoji i razina upozorenja 3,5 mm/s. Upozorenje ne otvara nalog nego samo označava stroj na nadzornoj ploči i traži da se pri sljedećem redovnom obilasku pogleda. Dvije razine zajedno daju vrijeme za pripremu: dio se naruči na upozorenje, a zahvat se izvede na uzbunu.

Uvođenje u rad, praćenje i ponovno učenje

Model koji dobro radi na tablici još nije u pogonu. Uvođenje ima svoj red, a preskakanje koraka gotovo uvijek završi time da ljudi prestanu vjerovati uzbunama.

1. Tihi rad — model radi i bilježi, ali nikome ne javlja. Traje najmanje dva mjeseca i pokazuje koliko bi uzbuna bilo u stvarnom pogonu.
2. Rad uz nadzor — uzbune idu održavatelju, ali svaku prije naloga potvrdi čovjek. Ovdje se ugađaju prag i pravila potvrde.
3. Redovni rad — uzbuna sama otvara nalog u sustavu održavanja, kako je opisano u jedinici 6.5.
4. Praćenje — svaki mjesec se broje točne, lažne i propuštene uzbune i uspoređuju s vrijednostima iz ispitivanja.

Ponovno učenje nije znak neuspjeha nego redovita radnja. Stroj se mijenja: dijelovi se zamjenjuju, programi dopunjuju, obradci postaju teži. Model naučen prije dvije godine opisuje stroj kojega više nema. Na PO-1 se ponovno učenje izvodi dvaput godišnje i obvezno nakon svakog većeg zahvata, a stara se inačica čuva kako bi se rezultati mogli usporediti.

Konačno, model mora biti objašnjiv onome tko po njegovoj uzbuni izlazi na stroj. Poruka odstupanje 0,82 ne znači ništa. Poruka RMS osi 2 iznad praga tri sata zaredom, vrh na BPFO, temperatura +6 °C iznad uobičajene — provjeriti ležaj osi 2 znači sve. Objašnjenje je dio modela, a ne dodatak.

Ključni pojmovi

Provjeri se

Kratka provjera prije prelaska na sljedeću jedinicu. Odgovor se potvrđuje klikom, a obrazloženje se prikazuje odmah.