Ausschneiden des Zielwerts oder Filtern von Daten in der vorausschauenden Wartung: Beispiel für C-MAPSS

In dem Artikel werden Methoden zur Verbesserung der vorausschauenden Wartung untersucht, indem die Datenaufbereitung für Prognosen zur verbleibenden Nutzungsdauer (RUL) verbessert wird. In der Studie wird das traditionelle „Capping“ -Konzept, bei dem die RUL-Werte begrenzt werden, mit einer neuen „Filtermethode“ verglichen, die sich ausschließlich auf Daten aus der Degradationsphase konzentriert, mit Ausnahme der normalen Betriebsdaten. Das Capping reduziert zwar Fehler in der normalen Betriebsphase, verzerrt aber die Vorhersagen während der Degradationsphase. Im Gegensatz dazu verbessert der Filteransatz die Genauigkeit, da das Modell ausschließlich anhand von Degradationsdaten trainiert wird, was zu genaueren RUL-Schätzungen führt. Die Ergebnisse unterstreichen, wie wichtig es ist, relevante Daten auszuwählen, um die Leistung und Zuverlässigkeit von Modellen für die vorausschauende Wartung zu verbessern.

Der Artikel untersucht den Einfluss der Datenaufbereitung auf die Leistung von Prognosemodellen für die verbleibende Nutzungsdauer (RUL) bei der vorausschauenden Wartung. Unter Verwendung des C-MAPSS-Datensatzes, der die Degradation von Turbofan-Triebwerken simuliert, vergleicht die Studie verschiedene Datenverarbeitungsansätze, einschließlich Kürzung und Filterung. Die Kürzung reduziert zwar die Fehler in der Normalphase, verzerrt aber die Vorhersagen während der Degradationsphase. Die Filterung, bei der nur Degradationsdaten verwendet werden, führt zu genaueren Vorhersagen, ohne das Modell zu stören. Der vorgeschlagene Filteransatz verbessert somit die Modellleistung, da er verhindert, dass das Modell durch normale Betriebsdaten beeinflusst wird, und sich ausschließlich auf die Degradationsphasen konzentriert.