CASESTUDY23.pdf

(174 KB) Pobierz

Case study 23 z przedmiotu „Zaawnsowana Eksploracja Danych” – TPD (listopad 2010)

Analiza diagnostycznej bazy danych.

(Copyright

Jerzy Stefanowski

- Instytut Informatyki Politechnika Poznańska; zastrzeżenia dotyczą opisu

problemu i ograniczonej dostępności do danych)

Cel

„Case study” powinien prowadzić do odkrycia użytecznych i potencjalnie interesujących regularności z

rzeczywistych danych. Należy także dokonaniu interpretacji i oceny znalezionych regularności. Możliwie jest

interpretowanie znalezionych regularności jako form reprezentacji wiedzy odkrytych w bazie danych. Problem

dotyczy analizy stanu technicznego autobusów używanych przez jedno z przedsiębiorstw w Polsce.

Z metodologicznego punktu widzenia sugeruje się wykorzystywanie poznanych metod eksploracji danych i

odkrywania wiedzy - zarówno statystycznych jak i wywodzących się ze sztucznej inteligencji.

Podsumowaniem analizy powinien być krótki raport zawierający listę najbardziej interesujących regularności

oraz komentarz lub ich interpretację - raport ten powinien być tworzony na bieżąco podczas zajęć.

Wprowadzenie

Pewne przedsiębiorstwo wydobywcze użytkuje systemy przenośników taśmowych. Jednym z kluczowych

elementów takiego urządzenia są rolki, po których przesuwa się taśma z urobkiem. Rolki osadzone są na

łożyskach,

które mogą stopniowo ulegać uszkodzeniu oraz zatarciu. Stan niesprawności

łożyska,

które w

praktyce zablokuje ruch obrotowy pewnej liczby rolek prowadzi do zniszczenia taśmy a w skrajnym przypadku

także doprowadzić do zbyt wysokiego wzrostu temperatury taśmy, co może spowodować jej zapalenie. Dlatego

ocena stanu technicznego

łożysk

ma znaczenie praktyczne. W ogólności obiektywna ocena jest związana z

wymontowaniem

łożyska

z urządzeniu i zbadaniu stanu jego powierzchni, uszkodzeń i ew. wad materiału w

warunkach specjalizowanego laboratorium diagnostycznego.

Z uwagi na to,

że

takie postępowanie diagnostyczne jest uciążliwe i kosztowne często stosowana praktyką jest

stosowanie metod wibro-akustycznej oceny. Taka procedura diagnostyczna wykorzystuje czujniki drgań

(najczęściej montowane na obudowach urządzeń) a także specjalizowane mikrofony i mierniki do pomiaru

poziomu hałasu. Urządzenie obrotowe z uszkodzonymi elementami tocznymi

łożyska

mają podwyższony

poziom drgań i emitują odpowiednie dźwięki.

Takie pomiary są podstawą zdefiniowania tzw. symptomów stanu technicznego. To znaczy, jeśli symptomy są

dobrze wybrane dla określonego zastosowania, to ich wartości będą podstawą do decyzji nt. całościowej oceny

stanu technicznego urządzenia. Na ogół przekroczenie pewnych poziomów progowych pojedynczych

symptomów lub kombinacji zakresu wartości kilku symptomów równocześnie może

świadczyć, że

urządzenie

jest już w złym stanie technicznym i nie powinno być dalej użytkowane.

W niniejszym studium przypadku dokonywano pomiarów wibroakustycznych dla rzeczywistych przenośników

taśmowych.

Zarejestrowane sygnały są przetwarzane, np. z wykorzystaniem specjalnych metod filtrów pasmowych. W

niniejszym studium przypadku rozważa się np. przetwarzanie niskiego i wysokiego zakresu częstotliwości – dla

hałasu od 500 do 2000 Hz i od 4 do 16 kHz; analogicznie od 100 do 1000 Hz i od 1 do 11 kHz dla drgań. Oprócz

różnych sposób przetwarzania pomiarów dysponuje się różnymi

źródłami

– tzn. czujniki i mierniki ustawione są

na różnych kierunkach obrotu

łożysk

(w osi i na promieniu kołowym).

Z uwagi na to,

że

powyższe badania mają charakter eksperymentu naukowego w celu zbudowanie nowych

metod oceny stanu technicznego tego rodzaju

łożysk.

Dlatego oprócz samych pomiarów „zewnętrznych”

pracującego przenośnika wykonano także zbadanie eksperckie samego

łożyska

i można było podjąć decyzje o

rzeczywistym stanie technicznym „obsłuchiwanego”

łożyska

(sprawne, uszkodzone).

Zebrany zbiór danych obejmuje ponad 110 pomiarów scharakteryzowanych poprzez 11 następujących

symptomów:

s_1 -- poziom hałasu zmierzony dla zakresu częstotliwości 500 -- 2000 Hz [dB],

s_2 -- poziom hałasu dla zakresu częstotliwości 4 -- 16 kHz in [dB],

Pozostałe symptomy dotyczą poziomu drgań (pomiar tzw przyspieszenia m/s)

s_3 -- drgania na kierunku osi obrotu i zakresu częstotliwości 0.1 -- 1 kHz,

s_4 – drgania na kierunku osi zmierzony z tył urządzenia dla zakresu 0.1 – 1 kHz

s_5 -- drgania na kierunku osi obrotu i zakresu częstotliwości 1 -- 11 kHz,

s_6 -- drgania na kierunku radialnym pionowym i zakresu częstotliwości 0.1 -- 1 kHz,

s_7 -- drgania na kierunku radialnym pionowym i zakresu częstotliwości 1 -- 11 kHz,

s_8 -- drgania na kierunku radialnym poziomym i zakresu częstotliwości 0.1 -- 1 kHz,

s_9 -- drgania na kierunku radialnym pionowym i zakresu częstotliwości 1 -- 11 kHz,

s_10 – zaagregowane poziomy drgań w zakresie 0.1 -- 1 kHz

s_11 -- zaagregowane poziomy drgań w zakresie 1 --11 kHz

Na podstawie innych badań celowo uszkodzonych podobnych

łożysk

zamontowanych w stanowiskach

laboratoryjnych wykonano w przeszłości zdefiniowanie tzw. wartości graniczne symptomów stanu technicznego

– mają one na celu identyfikacje przedziałów „normalnych” wartości stanu technicznego oraz przedziałów

świadczących

o pogorszeniu się stanu technicznego [informacja o ich wartościach może być udostępniona do

wglądu].

Należy zwrócić uwagę,

że

symptomy stanu technicznego mogą mieć różną przydatność dla całościowej oceny

stanu urządzenia. Niektóre z nich niosą wartościową informację. Inne mają mniejszy wpływ dla ostatecznej

oceny. W przypadku prowadzenia badań niektórych urządzeń rozważa się większą liczbę symptomów niż jest to

konieczne.

Celem badań diagnostycznych jest:

(a) ocena przydatności diagnostycznych pojedynczych symptomów oraz wartości granicznych (lub

samodzielnego określenia takich wartości),

(b) redukcja zbioru symptomów do podzbioru najważniejszych zapewniających satysfakcjonującą ocenę stanu

technicznego (najbardziej pożądaną sytuacją jest identyfikacja pojedynczych symptomów, dla których wartości

graniczne pozwalają na skuteczną ocenę stanu technicznego),

technicznego,

(d) konstrukcja tzw. klasyfikatora stanu technicznego, czyli wskazań dla podejmowania końcowej decyzji

diagnostycznej na podstawie bieżących obserwacji.

W przypadku rozważanego case study dostarczono Tobie gotowy zbiór danych i poproszono o przebadanie w

celu odpowiedzenia na powyższe pytania i problemy związane z zagadnieniami diagnozowania stanu

technicznego pojazdów. Nie jesteś w stanie zażądać już dokonania dodatkowych pomiarów – musisz starać się

odkryć jak najwięcej interesujących elementów w danych, które otrzymałeś.

Twoje wnioski powinny być interpretowane w kategoriach przydatności odkrytej wiedzy z danych (czyli

znalezionych regularności, klasyfikatorów itp.) dla bieżącej oceny diagnostycznej podczas badań stanu

technicznego pojazdów i podejmowania decyzji o ich dalszej eksploatacji na podstawie wartości wybranych

symptomów stanów technicznego.

Ponadto można badać współzależności pomiędzy samymi symptomami stany technicznego, wyboru

najważniejszych symptomów, czy dokonywać oceny klasyfikacyjnej tworzonych klasyfikatorów. Uwaga

stworzenie klasyfikatora nie jest jedynym i najważniejszym celem tego studium. Lecz jeśli będziesz to

wykonywał pamiętaj,

że

rozpoznawanie klasy uszkodzonej jest ważniejsze niż sprawnej, ale w przypadku obu

oczekuje się dokładności powyżej 90%.

Dane są dostępne jako plik ASCII o formacie tekstowym w zapisie jeden wiersz zawierający opis jednego

pojazdu za pomocą powyższych symptomów i atrybutów decyzyjnych. Plik może zawierać błędy wykonane

przez osobę wprowadzającą dane.

Uwagi metodyczne :

Powinieneś pamiętać, iż nie masz wpływu na rozmiar dostępnych danych, nie możesz oczekiwać dostarczenia

dodatkowych opisów przypadków; wszystko zostało to wykonane przed Twoim udziałem w studium

badawczym - nie możesz

żądać

dodatkowych czynności pozyskiwania informacji.

Jest to typowa eksploracja dostępnych danych.

Jeśli potrafisz ocenić jakość otrzymanych danych możesz dokonywać przeskalowań lub przedefiniowań

atrybutów (w oparciu o określone metody).

Konieczne jest badanie jakości dostarczonych danych (mogą być zbierane przez osoby, które nie znają własności

Twoich metod); Ponadto podczas przygotowywania danych mogły wystąpić pomyłki wprowadzania pomiarów

•

warto tutaj skontrolować, czy nie występują pomiary o wartościach mocno odległych od innych typowych

wartości (tak zwane obserwacje odstające),

sprawdź także, czy nie ma błednych lub nieznanych wartości niektórych atrybutów = w wyniku badań

diagnostycznych starano sie dokonać wszystkich pomiarów.

Metodycznie potraktuj problem jako odpowiednie zadania tzw. uczenia nadzorowanego (dany jest opis

przykładów za pomocą atrybutów jak i klasyfikacja). Rozważaj także właściwe metody statystyczne

Inne uwagi metodyczne:

•

Interesujące jest badanie wzajemnych współzależności tkwiących w danych;

Analizuj każdy atrybut decyzyjny oddzielnie a później ich właściwe podzbiory.

Warto stosować więcej niż jedną metodę eksploracji danych (ukierunkowanych na różne formy wiedzy i

różne ich reprezentacje)

Uwaga z powodu silnego eksploatowania na dotychczasowych zajęciach technik budowy klasyfikatorów,

zwracam uwagę,

że

automatyczna klasyfikacja jest tylko jedyną z miar oceny; Jeśli chcesz rozważać

budowę klasyfikatorów to pamiętaj także,

że

użytkownicy nie skupiają się wyłącznie na globalnej trafności

klasyfikacji, lecz ważniejsza jest dla nich trafność w poszczególnych klasach, w szczególności urządzeń w

gorszym stanie (analiza „confusion matrix” jest bardzo pożądana).

Dostępne oprogramowanie:

Oprogramowanie Statystyczne Statistica, R, itp.

Środowiska

jak WEKA, RapidMiner, i inne.

System indukcji drzew decyzyjnych C4.5; System indukcji reguł decyzyjnych CN2; System oparty na teorii

zbiorów przybliżonych ROSE

Inne wg. uznania

Proponowany przebieg zajęć

W pierwszej części "Case Study" prowadzący omawia problemy eksploracji danych w diagnostyce

technicznej; następnie krótko charakteryzuje poniższy problem.

Uczestnicy zapoznają się z niniejszym tekstem i danymi, starając się określić cel i zakres swojej analizy

oraz zidentyfikować podstawowe właściwości danych; Ponadto starają się przygotować przed zajęciami

plan swoich zamierzeń. Powinien on obejmować zakładany cel analizy; listę problemów diagnostycznych,

które zamierza się rozwiązać i powiązanych z tym interesujących typów regularności, których zamierza się

poszukiwać w danych. Należy także określić podstawowe własności danych i listę metod, które się zamierza

użyć.Uczestnicy są podzieleni na zespoły i wewnatrz zespołów dyskutują na temat problemu oraz

przygotowują propozycje rozwiązania. Zespoły uczestników powinny

realizować samodzielnie analizę i

starają się na bieżąco prowadzić raport z wykonywanych czynności i uzyskanych wyników.

Zespoły w dyskusji (druga

część spotkania)

prezentują propozycje rozwiązania problemu, jak i także

omawiają wyniki samodzielnej analizy – zalecanie wykorzystanie tworzone

raportu - sprawozdania

z dotychczasowej analizy i otrzymanych rezultatów.Na końcu zajęć prowadzący omawia się wspólnie

otrzymane wyniki, prowadzący prezentuje także inne znane wyniki dla tego przypadku. Prowadzi się

dyskusję na ich temat i podsumowuje całość zajęć.

Zespóły dostarczają sprawozdzanie końcowe. Sprawozdanie, aktywność na zajęciach oraz obecność na tych

zajęciach jest podstawą otrzymania oceny za przebieg tego case study.

---------------------------------------------------------------------------------------------------------------------------------------

Dodatek B:

Problemy diagnostyki technicznej – podstawowe informacje

Przedstawimy kilka uwag na temat celów diagnostyki technicznej i zadań, w których rozwiązaniu

mogą być przydatne metody odkrywania wiedzy oraz eksploracji danych. Efektywna eksploatacja

obiektów mechanicznych czy maszyn w procesach przemysłowych wymaga wiarygodnej informacji o

ich stanie technicznym. Informacja ta jest często rozszerzona o predykcję zmiany ich stanu technicznego.

Ma to szczególne znaczenie w przypadku maszyn o krytycznym znaczeniu w procesie, wymagających

specjalnych skomputeryzowanych systemów nadzoru (monitorowania)

−

np. turbiny w elektrowniach.

W przypadku maszyn o mniejszym znaczeniu dokonuje się okresowych pomiarów za pomocą urządzeń

przenośnych. Ocena stanu technicznego wykonywana jest na podstawie tzw. symptomów, czyli

wielkości, które zmieniają się wraz z pogarszaniem się stanu technicznego maszyny. Przykładami

symptomów są poziom drgań reprezentatywnych punktów obiektu, poziom hałasu w otoczeniu

pracującej maszyny, temperatura, ciśnienie czy wzajemna pozycja części składowych maszyny. Z

diagnostycznego punktu widzenia poszczególne symptomy mają różną przydatność dla konkretnego

problemu. Dla pojedynczych symptomów mierzonych na skalach liczbowych definiuje się czasami tzw.

wartości graniczne. Dzielą one dziedzinę symptomu na pewne podprzedziały, które mogą być

interpretowane w kategoriach normalnych warunków pracy i ich stopniowego pogarszania się. Są one

definiowane na podstawie zaleceń producentów i wskazań literaturowych, lecz praktyczne badania nie

zawsze potwierdzają ich użyteczność. Ponadto w postępowaniu diagnostycznym mamy zwykle dostęp

do dużych zbiorów danych. Dane gromadzone podczas obserwacji obiektów diagnozowania mogą być

także niekompletne, sprzeczne, niedokładne czy obarczone niepewnością. Także sama wiedza

diagnostyczna ma często charakter przybliżony. Dyskusja tych zagadnień przedstawiona jest w

[Moczulski 97]. Z punktu widzenia zastosowań rozważanych w tym rozdziale istotnymi zadaniami

badań diagnostycznych są :

ocena zdolności diagnostycznej poszczególnych symptomów,

ocena różnych metod definiowania wartości granicznych dla tych symptomów,

selekcja podzbioru symptomów zapewniających satysfakcjonującą ocenę stanu technicznego,

stworzenie klasyfikatora stanu technicznego.

Moczulski W., Metody pozyskiwania wiedzy dla potrzeb diagnostyki maszyn. Zeszyty Naukowe Politechniki

Śląskiej.

Monografie, Mechanika, z. 130, Gliwice 1997.

Plik z chomika:

Lexor2

CASESTUDY23.pdf

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: