Blockwise Joint Conformal Prediction for Simultaneous Multi-Component Condition Monitoring of Hydraulic Systems

في العالم الخفي للآلات الصناعية، يمثل النظام الهيدروليكي شبكة معقدة من المضخات والصمامات وخطوط السوائل التي تعمل معاً لتشغيل المعدات الثقيلة. ومثل جسم الإنسان، يمتلك هذا النظام أعضاء متعددة يمكن أن تفشل في وقت واحد، ويمكن لتعطل واحد أن يوقف مصنعاً أو يتسبب في خطر على السلامة. ولمنع حدوث ذلك، يستخدم المهندسون أنظمة مؤتمتة تستمع باستمرار إلى مستشعرات الآلة، محاولةً رصد المشكلات قبل أن تتحول إلى كارثة. لسنوات، اعتمدت هذه الأنظمة على تعلم الآلة للتنبؤ بحالة الأجزاء الفردية. ومع ذلك، ظلت هناك فجوة حرجة في كيفية الوثوق بهذه التنبؤات. فعندما يقول الكمبيوتر إنه متأكد بنسبة 95 بالمائة من سلامة صمام معين، ومتأكد بنسبة 95 بالمائة من سلامة مضخة ما، فهذا لا يعني أن النظام بأكمله آمن بنسبة 95 بالمائة. إن مخاطر فشل أجزاء متعددة في آن واحد، أو فشل جزء واحد عبر تسلسل زمني، تتضاعف بطرق لا يمكن للنسب المئوية البسيطة استيعابها. يحتاج المهندسون إلى معرفة ليس فقط ما إذا كان الجزء من المرجح أن يكون معطلاً، بل ما إذا كان التشخيص الكامل لفترة زمنية محددة موثوقاً بما يكفي لاتخاذ إجراء.

هذا السؤال حول الموثوقية هو محور دراسة جديدة أجراها "بوي ثانه لام"، وهو باحث في جامعة هانوي للعلوم والتكنولوجيا. تعالج الدراسة خللاً جوهرياً في كيفية إبلاغ أنظمة التشخيص المؤتمتة عن مستوى ثقتها. في العديد من الإعدادات الصناعية، تعمل الآلة من خلال دورات تشغيل متكررة. ونادراً ما يُتخذ قرار الصيانة بناءً على لقطة واحدة؛ بل يتم اتخاذه بدلاً من ذلك بناءً على حالة عدة مكونات عبر كتلة زمنية، ربما عشر دورات متتالية. وقد سعى الباحث لاختبار ما إذا كانت الطرق القياسية لحساب عدم اليقين يمكنها التعامل مع هذا التعقيد. النهج القياسي يعامل كل مكون على حدة، فيعطي درجة ثقة للصمام، وأخرى للمضخة، وهكذا. وتوضح الدراسة أن هذه الطريقة تفشل عند تطبيقها على النظام بأكمِله. فإذا كان لديك أربعة مكونات وأنت واثق بنسبة 95 بالمائة من كل منها على حدة، فإن احتمال كونك مصيباً في جميع المكونات الأربعة في الوقت نفسه ينخفض بشكل كبير إلى حوالي 82 بالمائة. وإذا مددت هذا المتطلب على عشر دورات، فإن موثوقية التشخيص الكامل تهبط إلى أقل من 50 بالمائة.

ولحل هذه المعضلة، طور الباحث طريقة جديدة لمعايرة هذه الأنظمة التشخيصية. فبدلاً من التحقق من ثقة كل جزء بمعزل عن الآخر، تنظر الطريقة الجديدة إلى "كتلة" التشغيل بأكملها كوحدة واحدة. تخيل الكتلة كلقطة كاملة مدتها عشر ثوانٍ من حياة الآلة، تحتوي على بيانات من جميع المكونات الأربعة. تعمل الطريقة من خلال أخذ أسوأ خطأ ممكن من أي مكون داخل تلك الكتلة واستخدامه لتحديد عتبة السلامة للمجموعة بأكملها. تم اختبار هذا النهج باستخدام بيانات من منصة اختبار هيدروليكية، وهي معيار قياسي في هذا المجال يحاكي حالات الأعطال المختلفة. تضمنت البيانات 1,440 دورة تشغيل مستقرة، منظمة في 144 كتلة متميزة تمثل تركيبات مختلفة لصحة المكونات. قام الباحث بتقسيم هذه البيانات إلى مجموعات تدريب، ومعايرة، واختبار، مع إجراء التجربة ثلاثين مرة لضمان قوة النتائج.

كانت النتائج مذهلة. فعندما استخدم الباحثون طريقة المكونات المنفصلة القديمة، تبين أن ادعاء النظام بموثوقية 95 بالمائة كان وهماً. في الواقع، حدد النظام الحالة الكاملة للآلة بشكل صحيح في حوالي 82 بالمائة من الدورات، وفشل في تغطية كتلة العشر دورات بالكامل في نصف حالات الاختبار تقريباً. ولكن من خلال الانتقال إلى الطريقة الجديدة القائمة على "الكتلة"، استعاد الباحثون الموثوقية الموعودة. أصبح النظام الآن يحدد الحالة الكاملة للآلة بشكل صحيح في 99 بالمائة من الدورات، وغطى كتلة العشر دورات بالكامل في 97 بالمائة من الحالات لنوع واحد من النماذج، و95 بالمائة لنموذج آخر. لقد وفى النظام أخيراً بوعده بنسبة ثقة 95 بالمائة، ولكن فقط لأنه توقف عن النظر إلى الأجزاء بمعزل عن بعضها وبدأ ينظر إلى الصورة الكاملة.

ومع ذلك، جاءت هذه الزيادة في الموثوقية بتكلفة، وهو ما قامت الدراسة بقياسه بعناية. لضمان أن يكون النظام صحيحاً بشأن الكتلة بأكملها، كان على الكمبيوتر أن يكون أقل تحديداً بشأن الحالة الدقيقة التي كانت عليها الآلة. في الطريقة القديمة، قد يحصر النظام الاحتمالات في عدد قليل فقط من السيناريوهات المرجحة. أما في الطريقة الجديدة الأكثر أماناً، فغالباً ما كان يتعين على النظام سرد المزيد من الاحتمالات لضمان عدم تفويت الحقيقة. بالنسبة لأحد النماذج المختبرة، نمت قائمة الحالات الممكنة للنظام من عدد يمكن إدارته إلى ما يقرب من كامل الكون من الاحتمالات، مما يعني فعلياً أن "أي شيء يمكن أن يحدث" لضمان السلامة. أما بالنسبة للنموذج الآخر، فقد نمت القائمة بشكل أكثر اعتدالاً، وظلت ضمن نطاق مفيد. يسلط هذا الضوء على مقايضة حاسمة: يمكنك الحصول على ضمان للسلامة، أو الحصول على تخمين محدد للغاية، لكن الحصول على كليهما أمر صعب. وجدت الدراسة أن اختيار نموذج الكمبيوتر الأساسي كان أمراً بالغ الأهمية؛ حيث أنتج النموذج الأكثر تعقيداً قوائم أكثر دقة وفائدة مع الحفاظ على ضمان السلامة العالي، بينما أنتج النموذج الأبسط قوائم واسعة جداً لدرجة أنها أصبحت غير مفيدة تقريباً.

كما اختبرت الدراسة حدود هذه الطريقة الجديدة من خلال تطبيقها على بيانات غير مستقرة—وهي الدورات التي لم تستقر فيها الآلة بعد في حالة مستقرة. وهذا سيناريو شائع في الواقع حيث تكون الآلة في مرحلة بدء التشغيل أو تغيير السرعة. عندما طبق الباحثون ضمانات السلامة المستمدة من البيانات المستقرة على هذه الدورات غير المستقرة، انخفض أداء النظام. فالطريقة القائمة على الكتلة، والتي عملت بشكل مثالي على البيانات المستقرة، شهدت انخفاضاً كبيًراً في موثوقيتها عند مواجهة هذه الظروف المتغيرة. وتعد هذه النتيجة تحذيراً حيوياً: ضمان السلامة يكون صالحاً فقط إذا كانت الآلة تعمل بنفس الطريقة التي كانت تعمل بها عند تدريب النظام. إذا دخلت الآلة في نظام جديد، مثل مرحلة بدء التشغيل أو تغير مفاجئ في الحمل، فإن أرقام السلامة القديمة لم تعد سارية. يجب على النظام أن يدرك متى يخرج عن نطاق راحته ويتوقف عن تقديم ادعاءات واثقة.

في نهاية المطاف، يغير هذا البحث طريقة تفكيرنا في الثقة في الصيانة المؤتمتة. فهو يثبت أنه لا يمكنك ببساطة جمع ثقة الأجزاء الفردية للحصول على ثقة النظام بأكمله. ولجعل القرارات آمنة، يجب على المهندسين تحديد ما يحاولون حمايته بالضبط—لحظة واحدة، أو تسلسلاً زمنياً، أو مجموعة محددة من المكونات—ومعايرة أنظمتهم لتناسب ذلك التعريف. تقدم الدراسة أداة عملية، وهي الطريقة "القائمة على الكتلة"، التي تسمح للمهندسين بالحصول على الموثوقية التي يحتاجون إليها، بشرط أن يكونوا مستعدين لقبول قدر من عدم اليقين في التفاصيل. إنها تذكير بأنه في عالم الأتمتة الصناعية المعقد، يتطلب أن تكون مصيباً في الصورة الكبيرة نوعاً مختلفاً من الرياضيات عما يتطلبه الأمر لتكون مصيباً في الأجزاء الصغيرة. إن الطريق نحو مصانع أكثر أماناً لا يكمن في تقديم تخمينات أفضل حول التروس الفردية، بل في فهم كيفية تحرك تلك التروس معاً بمرور الوقت.