Main Content

残存耐用期間の予測のための特徴選択

信頼性の高い残存耐用期間 (RUL) の推定を行うには、その経時的な変化が観測可能であり、信頼できる測定可能な形でシステム劣化のプロセスに関連している状態インジケーターが必要です。機械の "残存耐用期間" は、機械の修理や交換が必要になるまでの残りの寿命または使用期間です。システム データからの残存耐用期間の予測は、予知保全アルゴリズムの中心的な目標です。

状態インジケーターを特定した後 (を参照)、信頼性の高い RUL 予測モデルを作成する次の手順として、利用可能なすべての特徴の中から有用な状態インジケーターを選択します。

Predictive Maintenance Toolbox™ には、正確な RUL の予測を行うために、単調性、トレンド可能性、予知可能性の 3 つの特徴選択メトリクスが用意されています。これらのメトリクスは、特定された状態インジケーターを 0 ～ 1 のスケールでランク付けします。ランクの高い特徴ほど劣化のプロセスをより高い信頼度で追跡し、したがって RUL 予測モデルの学習により適しています。

  • "単調性" は、システムが故障に近づく際に特徴のトレンドがもつ特性。システムが徐々に故障に近づくにつれ、適切な状態インジケーターは単調増加または単調減少のトレンドをもちます。詳細については、monotonicity を参照してください。

  • "予知可能性" は、故障時の特徴の変動性を、その初期値と最終値間の範囲と比較した尺度。予知可能性の高い特徴は、その初期値と最終値間の範囲と比較して故障時の変動が小さくなります。詳細については、prognosability を参照してください。

  • "トレンド可能性" は、故障に至るまで実行された複数の実験で測定された、特徴の軌跡間に見られる類似性の尺度。状態インジケーター候補のトレンド可能性は、測定値間の最小絶対相関として定義されます。詳細については、trendability を参照してください。

コマンド ラインでこれらの関数を使用する代わりに、予知ランク付けオプションを選択することで、診断特徴デザイナーでこれらの特徴選択メトリクスを適用することができます。

アルゴリズム設計プロセスの次の手順では、選択した特徴を使用して適切な RUL 推定モデルに学習させます。詳細については、残存耐用期間を予測するモデルを参照してください。

参考

| |

関連するトピック