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

Der Artikel untersucht Methoden zur Verbesserung der vorausschauenden Instandhaltung durch Verbesserung der Datenaufbereitung für die Vorhersage der Restnutzungsdauer (RUL). Die Studie vergleicht den traditionellen "Capping"-Ansatz, der die RUL-Werte begrenzt, mit einer neuen "Filter"-Methode, die sich ausschließlich auf Daten aus der Degradationsphase konzentriert und Daten aus dem Normalbetrieb ausschließt. Während die Kappung die Fehler in der normalen Betriebsphase reduziert, verzerrt sie die Vorhersagen während der Degradationsphase. Im Gegensatz dazu verbessert der Filteransatz die Genauigkeit, indem das Modell ausschließlich auf Degradationsdaten trainiert wird, was zu präziseren RUL-Schätzungen führt. Die Ergebnisse zeigen, wie wichtig die Auswahl relevanter Daten ist, um die Leistung und Zuverlässigkeit von Modellen zur vorausschauenden Wartung zu verbessern.

Der Artikel untersucht den Einfluss der Datenaufbereitung auf die Leistung von Modellen zur Vorhersage der Restnutzungsdauer (RUL) bei der vorausschauenden Wartung. Anhand des C-MAPSS-Datensatzes, der die Degradation von Turbofan-Triebwerken simuliert, vergleicht die Studie verschiedene Datenverarbeitungsansätze, darunter Trunkierung und Filterung. Die Trunkierung reduziert zwar die Fehler während der normalen Phase, verzerrt aber die Vorhersagen während der Degradationsphase, während die Filterung, bei der nur die Degradationsdaten verwendet werden, zu genaueren Vorhersagen führt, ohne das Modell zu stören. Der vorgeschlagene Filterungsansatz verbessert also die Leistung des Modells, indem er verhindert, dass es durch Daten aus dem Normalbetrieb beeinflusst wird, und sich ausschließlich auf die Degradationsphasen konzentriert.