ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

Diagnostic Feature Designer を使用したアンサンブル データの調査と特徴の比較

Diagnostic Feature Designer アプリを使うと、多機能グラフィカル インターフェイスを使用して、予知保全ワークフローの特徴設計の部分を実行できるようになります。特徴を対話的に設計して比較します。次に、定格システムと故障システムからのデータなど、異なるグループからのデータを区別するために最も適した特徴を決定します。最も効果的な特徴が、最終的に故障の診断と予知のための条件インジケーターとなります。

次の図は、予知保全のワークフローと Diagnostic Feature Designer の機能との関係を示しています。

アプリはアンサンブル データを処理します。アンサンブル データには、類似した複数のマシンや、日または年などの時間間隔でデータがセグメント化されている単一のマシンなど、複数メンバーからのデータ測定値が含まれています。データには、アンサンブル メンバーの故障条件または操作条件を記述する条件変数が含まれることもあります。条件変数は通常、"ラベル" と呼ばれる定義済みの値をもちます。データ アンサンブルの詳細については、条件監視と予知保全のためのデータ アンサンブルを参照してください。

アプリ内のワークフローは、既に次の状態にあるデータのインポート時に開始されます。

  • クリーンアップ機能により前処理されている

  • 個々のデータ ファイルか、またはすべてのアンサンブル メンバーを含むか参照する単一のアンサンブル データ ファイルに整理されている

Diagnostic Feature Designer 内のワークフローには、データをさらに処理し、データから特徴を抽出して、これらの特徴を有効度でランク付けするために必要な手順が含まれています。ワークフローの最後に、最も効果的な特徴を選択し、これらの特徴をモデルの学習用に分類学習器アプリにエクスポートします。

Diagnostic Feature Designer を使った予知保全タスクの実行

次のイメージは、Diagnostic Feature Designer の基本的な機能を示しています。データと結果を操作するには、図に示されている [Feature Designer] タブなどのタブにあるコントロールを使用します。インポートおよび導出した変数、特徴、およびデータセットを [Data Browser] で表示します。結果をプロット領域で可視化します。

統合アンサンブル データセットへのインポート データの変換

アプリを使用する際の最初の手順は、データをインポートすることです。データは table、timetable、または行列からインポートできます。また、アプリが外部のデータ ファイルを操作できるようにする情報の含まれた、アンサンブル データ ストアをインポートすることもできます。ファイルには、実際の、またはシミュレートされた時間領域測定データ、スペクトル モデル、変数名、条件変数と操作変数、および前に生成した特徴を含めることができます。Diagnostic Feature Designer はメンバー データをすべて単一のアンサンブル データセットに組み合わせます。このデータセットでは各変数が、個々のメンバーの値をすべて含む集合的信号あるいは集合的モデルとなります。

複数のセッションで同じデータを使用するには、初期セッションを保存することができます。セッション データには、インポートされた変数と、計算した追加の変数および特徴がすべて含まれます。その後、アプリの使用時にいつでもそのセッションを開くことができます。

インポート処理のためにデータを準備する詳細については、以下を参照してください。

インポート処理自体の詳細については、Import and Visualize Ensemble Data in Diagnostic Feature Designerを参照してください。

データの可視化

インポートした、または処理ツールで生成した信号やスペクトルをプロットするには、プロット ギャラリーから選択を行います。次の図は一般的な信号トレースを示しています。対話的なプロット ツールによって、ピークの位置やピーク間距離をパン、ズーム、表示したり、アンサンブル内の統計的な変化を表示することができます。プロット内のデータを条件ラベルでグループ化すると、メンバー データがたとえば定格システムと故障システムのどちらに由来するのかを明確に示すことができます。

アプリ内でのプロットの詳細については、Import and Visualize Ensemble Data in Diagnostic Feature Designerを参照してください。

新しい変数の計算

データを調査して特徴抽出のために準備するには、データ処理ツールを使用します。処理ツールを適用するたびに、アプリは新しい派生変数を作成し、これにソース変数と使用された処理の両方を含む名前を付けます。たとえば、変数 Vibration/Data からパワー スペクトルを計算する場合、新しい派生変数の名前は Vibration_ps/Data になります。

すべての信号のデータ処理のオプションには、アンサンブルレベルの統計値、信号残差、フィルター処理、およびパワー スペクトルと次数スペクトルが含まれます。独立変数での同一間隔でメンバー サンプルが発生しない場合は、データを等間隔グリッドに内挿することもできます。

回転機から得たデータの場合、タコメーター出力または定格 rpm に基づいて時間同期信号平均化 (TSA) を実行できます。TSA 信号から、TSA 残差や差分信号などの追加の信号を生成できます。TSA から導出したこれらの信号は、高調波と側波帯を保持または破棄することでシステム内の物理コンポーネントを分離し、それらは多くのギア条件の特徴のベースとなります。

処理オプションの多くは独立して使用できます。オプションには、シーケンスとして実行できる、あるいは実行しなければならないものもあります。前に説明した回転機と TSA 信号に加え、もう 1 つの例として任意の信号の残差生成があります。次のことが可能です。

  1. [Ensemble Statistics] を使用して、アンサンブル全体を特徴付ける平均や最大値など、単一メンバーの統計的変数を生成します。

  2. [Residue Generation] を使用して、アンサンブルレベルの値を減算することで各メンバーの残差信号を生成します。これらの残差は信号間の変動を表し、アンサンブルの残りの部分から逸脱する信号をより明確に示します。

  3. これらの残差信号を、追加の処理オプションあるいは特徴生成のソースとして使用します。

アプリ内におけるデータ処理オプションの詳細については、Process Data and Explore Features in Diagnostic Feature Designerを参照してください。

計算のオプション

アプリには、信号のセグメント化、アンサンブル データ ストア値のローカル アプリ内バッファリング、および並列処理のためのオプションが用意されています。

既定では、アプリは一度の操作で信号全体を処理します。信号をセグメント化して個々のフレームを処理することもできます。フレームベースの処理は、アンサンブルのメンバーが非定常動作、時変動作、または周期的動作を示す場合に特に便利です。

メンバー データをアプリにインポートする場合、アプリはローカル アンサンブルを作成し、そのアンサンブルに新しい変数と特徴を書き込みます。代わりにアンサンブル データ ストア オブジェクトをインポートする場合、アプリは既定で、オブジェクトにリストされている外部ファイルを使用します。アプリによる外部ファイルへの書き込みが望ましくない場合は、アプリでローカル アンサンブルを作成してそこに結果を書き込ませるよう選択できます。望ましい結果を得たなら、アンサンブルを MATLAB® ワークスペースにエクスポートできます。そこから、コマンド ラインのアンサンブル データ ストア関数を使用して、保持する変数と特徴をソース ファイルに書き戻すことができます。アンサンブル データ ストアの詳細については、条件監視と予知保全のためのデータ アンサンブルを参照してください。

Parallel Computing Toolbox™ がある場合は並列処理を使用できます。アプリは同じ処理をすべてのメンバーに対し個別に行うことが多いため、並列処理によって計算時間を大幅に改善することができます。

特徴の生成

元の信号と導出された信号およびスペクトルから、特徴を計算してその有効性を評価することができます。どの特徴が最もよく機能するか既にわかっている場合もあれば、該当するすべての特徴を使って実験することが望ましい場合もあります。利用できる特徴は、一般的な信号統計から、故障の正確な位置を特定できる特殊なギア条件メトリクス、そして無秩序動作を強調する非線形の特徴までさまざまです。

一連の特徴を計算するたびに、アプリはそれらを特徴テーブルに追加して、メンバー全体を通した値の分布のヒストグラムを生成します。次の図は、2 つの特徴のヒストグラムを示しています。ヒストグラムは、各特徴がデータをどの程度うまく区別するかを表しています。たとえば、図にあるように、条件変数が faultCode で、状態 0 が定格システムのデータ、状態 1 が故障システムのデータを示すとします。ヒストグラムでは、定格状態と故障状態のグループ化の結果、区別の明確なヒストグラム ビンとなるか、あるいは混合したヒストグラム ビンとなるかを確認できます。特徴のヒストグラムすべてを一度に表示したり、どの特徴をアプリがヒストグラム プロットのセットに含めるかを選択することもできます。

すべての特徴の値を一緒に比較するには、特徴テーブル ビューと特徴トレース プロットを使用します。特徴テーブル ビューには、全アンサンブル メンバーの特徴値すべてのテーブルが表示されます。特徴トレースはこれらの値をプロットします。このプロットは、アンサンブル内における特徴値の逸脱を可視化するもので、ある特徴値が表す特定のメンバーを識別することができます。

アプリでの特徴の生成とヒストグラムの解釈の詳細については、以下を参照してください。

特徴のランク付け

ヒストグラムによって特徴の有効度の初期評価を実行できます。より厳密な相対評価を行うには、専用の統計的手法を使用して特徴をランク付けすることができます。各手法は、定格動作と故障動作間など、データ グループ間の区別をする能力によって特徴にスコアを与え、ランク付けを行います。次の図はランク付けの結果を示しています。複数のランク付け方法を試行して、各方法の結果を一緒に表示できます。ランク付けの結果によって、効果のない特徴を排除し、派生した変数や特徴を計算する際にパラメーター調整のランク付けの効果を評価することができます。

特徴のランク付けの詳細については、以下を参照してください。

分類学習器への特徴のエクスポート

特徴候補のセットを定義したら、それらを Statistics and Machine Learning Toolbox™ の分類学習器アプリにエクスポートできます。分類学習器は、特徴セットにより各種のモデルをテストする自動化された方法を使用して、データの分類をモデルに学習させます。そうすることで、分類学習器は最適なモデルと最も効果的な特徴を決定します。予知保全の場合、分類学習器を使用する目的は、健全なシステムのデータと故障状態のシステムのデータを区別するモデルを選択し、学習させることです。このモデルを故障の検出と予測のアルゴリズムに組み込むことができます。アプリから分類学習器へのエクスポートの例は、ポンプ診断用の特徴の解析と選択を参照してください。

特徴とデータセットを MATLAB ワークスペースにエクスポートすることもできます。これにより、コマンド ラインの関数や他のアプリを使用して元のアンサンブル データおよび導出したアンサンブル データを可視化し、処理できるようになります。コマンド ラインでは、選択した特徴と変数を、(アンサンブル データ ストアで参照されるファイルを含めた) ファイルに保存することもできます。

エクスポートの詳細については、Rank and Export Features in Diagnostic Feature Designerを参照してください。

参考

関連するトピック