Brief, prosessintelligens | NF-BUS-001 | NB

Finn årsaken i dataene du allerede registrerer.

Hypotesedrevet rotårsaksanalyse og prediktivt vedlikehold på drifts- og sensordata, med HGE, Hypothesis Generation Engine.

Det operative problemet

Rotårsak fastslås som regel i etterkant, manuelt, av folk som allerede kjenner anlegget best. Det er tregt, det avhenger av hvem som er på vakt, og det finner sjelden en årsak ingen mistenkte fra før. Hyllevare innen prediktivt vedlikehold mister presisjon etter hvert som prosessen endrer seg, og forklarer sjelden hvorfor. Informasjonen som trengs ligger nesten alltid allerede i historian. Den har bare aldri fått de riktige spørsmålene.

Metode

HGE tilpasser ikke én modell til dataene. Den kjører en prosedyre over et stort felt av konkurrerende forklaringer.

  1. 1Generer. Motoren stiller mange konkurrerende, falsifiserbare årsaker til en hendelse eller en degradering, utledet fra strukturen i dataene, ikke fra forhåndsantakelser.
  2. 2Test. Hver kandidat testes mot dine faktiske målinger. En årsak som ikke holder, faller. Det som står igjen, er tallfestet.
  3. 3Ranger. Du får et etterprøvbart, rangert resultat der hver årsak er sporbar tilbake til rådataene. Samme spørsmål gir samme svar, hver gang.

Utdata

Resultatet er en rangert tabell, ikke en avlesning på et dashbord. Tabell 1 viser utdataformatet fra en representativ kjøring.

Tabell 1. HGE, utdataformat, illustrativt. Radene viser strukturen i et resultat, ikke funn fra et kundeoppdrag.
RangKandidatårsakTest mot dataSkårBeholdt
1Fukt i innmatingen på linje B utenfor spek på nattskiftfuktighet mot utbyttetap0.91ja
2Bedtemperaturen i røsteren følger inntaksluftenlag-korrelasjon mot gjennomstrømning0.74ja
3Konverteringen i syreanlegget faller etter CIPhendelsesjustert sammenligning0.63ja
4Vibrasjon i transportøren varsler trip rundt 40 minutter førforløpertest mot trip-logg0.57ja
5Doseringsdrift mot kalibreringsdatodrift mot vedlikeholdslogg0.19nei

Et konkret eksempel

Den vanskeligste versjonen av dette problemet er astronomi: å finne en håndfull ekte kandidater blant 1,8 milliarder observerte objekter, der én feil terskel drukner deg i falske positiver. Kjørt mot ESAs Gaia DR3-katalog løftet HGE ut og rangerte 220 656 kandidater, uavhengig evaluerbare i en ESA-sammenheng. Å finne den ene ekte årsaken til et prosessavvik blant millioner av tag-verdier er samme klasse problem, i mindre skala.

HGE leser fra historian og styresystem og legger seg ved siden av dem. Den erstatter ingenting, og vi forplikter oss på metode og historikk, aldri på estimerte tall før vi har sett dataene dine.