AdaBoost-alapú megközelítés motorhibák előrejelzésére

Absztrakt

A motorok meghibásodásának pontos előrejelzése különösen kritikus olyan iparágakban, ahol az eszközök kiesése jelentős költségeket és biztonsági kockázatokat eredményezhet. Ez a tanulmány az adaptív boosting (AdaBoost) algoritmus alkalmazását vizsgálja a motorok meghibásodásának előrejelzésére. Az AdaBoost választását az is indokolta, hogy könnyen értelmezhető és kis számítási erőforrásigényű, így jól alkalmazható valós idejű vagy beágyazott rendszerekben történő implementációra. A cikkben vizsgát adathalmaz 100 motor működési adatait tartalmazza. Az előfeldolgozás során a motorok meghibásodási idejének (Time to Failure, TTF) mediánja alapján bináris címkéket hoz létre, amely jelzi a karbantartási igény sürgősségét. Az implementált modell 80%-os pontosságot ért el. Az eredmények alapján a modell előrejelzési képessége ígéretes, de a hamis negatív osztályzások száma még további optimalizálást igényel. A kutatás eredményei új lehetőségeket nyitnak a megelőző karbantartási rendszerek fejlesztésére.