Resumen Técnico: Evidencia Físicamente Verificable e Informes Basados en LLM para el Diagnóstico de Fallos en Rodamientos

1. Planteamiento del Problema

El despliegue del diagnóstico de fallos basado en IA en sistemas mecánicos de seguridad crítica enfrenta un cuello de botella crítico: la falta de verificabilidad en los resultados del modelo. Los diagnosticadores inteligentes actuales suelen emitir una etiqueta de clase con un puntaje de confianza de softmax. Este puntaje de confianza es una estadística interna del clasificador, que no ofrece un medio independiente para verificar si una predicción se alinea con la realidad física antes de tomar acciones de mantenimiento. Además, el uso creciente de Modelos de Lenguaje Extensos (LLM) generativos para automatizar los informes de mantenimiento introduce un segundo riesgo: la posibilidad de que contenido "alucinado" entre en los informes, donde las afirmaciones no pueden rastrearse hasta una fuente verificable.

Las investigaciones existentes intentan abordar esto mediante la mejora de las arquitecturas de codificación, la interpretabilidad post-hoc (p. ej., Grad-CAM), el entrenamiento informado por la física, la cuantificación de la incertidumbre o la integración de LLM. Sin embargo, los autores argumentan que estos métodos no logran proporcionar una cantidad que pueda ser cotejada contra una referencia física conocida independientemente en el momento de la inferencia. Los mapas de atribución carecen de valores de referencia teóricos; el entrenamiento informado por la física consume el conocimiento físico internamente sin devolverlo al usuario; y los detectores basados en la confianza son ciegos cuando el modelo es erróneamente confiado.

2. Metodología

El artículo propone la Red de Evidencia de Diagnóstico (DENet), un marco multitarea agnóstico al codificador diseñado para extender la salida del diagnóstico de un simple par etiqueta-confianza a un registro de evidencia estructurado y físicamente verificable. El marco consta de tres componentes principales:

A. Codificador BiMS-Mamba

El esqueleto predeterminado es un codificador de Mamba Multiescala Bidireccional (BiMS-Mamba). Utiliza Modelos de Espacio de Estados Selectivos (S6) para capturar tanto patrones transitorios locales (impulsos) como dependencias temporales globales (firmas periódicas) con una complejidad computacional lineal $O(T)$. Las características clave de diseño incluyen:

• Escaneo Bidireccional: Dos ramas de Mamba independientes escanean la señal hacia adelante y hacia atrás para capturar el contexto completo.
• Procesamiento Multiescala: La señal de entrada se procesa a múltiples resoluciones (escalas 1, 2, 4) para capturar tanto impulsos de alta frecuencia como patrones de repetición de baja frecuencia, fusionándolos mediante atención de canal.

B. Red de Evidencia de Diagnóstico (DENet)

DENet aumenta el codificador con dos tareas auxiliares restringidas por la física junto con la clasificación de fallos primaria:

1. Regresión de Frecuencia Característica: La red predice la frecuencia característica (p. ej., BPFO, BPFI) basada en la geometría del rodamiento y la velocidad del eje.
   • Estrategia de Etiquetado: Para las muestras con fallos, el objetivo es la frecuencia característica teórica; para las muestras normales, el objetivo es la frecuencia de rotación del eje ($f_r$).
   • Aumento de Entrenamiento: Se aplica un aumento de estiramiento temporal (reescalado del tiempo por $r \in [0.8, 1.25]$) para evitar que la red memorice una tabla de búsqueda de clase-a-frecuencia, forzándola a extraer información de frecuencia del contenido de la señal.
   • Salida: Un valor de frecuencia predicho que puede compararse con el valor teórico derivado de la geometría específica del rodamiento.
2. Localización de Impulsos Transitorios: Una cabeza a nivel de secuencia emite un mapa de probabilidad de eventos de impulsos transitorios.
   • Generación de Verdad de Terreno (Ground Truth): Las etiquetas se generan mediante un flujo de trabajo automatizado (transformada de Hilbert, suavizado, detección de picos) para identificar regiones de energía transitoria elevada, independientemente de si provienen de fallos o de excitaciones mecánicas benignas.

C. Generación de Informes Basada en LLM

Se emplea un Modelo de Lenguaje Extenso adaptado con QLoRA (basado en Qwen2.5-7B-Instruct) para traducir el registro de evidencia estructurada en informes de lenguaje natural.

• División Estricta de Funciones: El LLM actúa estrictamente como un traductor, no como un diagnosticador. Recibe las decisiones (clasificación, frecuencia, estadísticas de impulsos) tomadas por DENet y las convierte en prosa.
• Restricción: El LLM es ajustado (fine-tuned) para asegurar que cada afirmación en el informe sea rastreable a un campo de evidencia específico, evitando la generación de afirmaciones no respaldadas o cantidades fabricadas.

3. Principales Contribuciones

1. Marco DENet: Un marco agnóstico al codificador que extiende la salida del diagnóstico para incluir evidencia física por muestra (predicción de frecuencia característica y localización de impulsos transitorios) sin un costo estadístico significativo en la precisión. La cabeza de frecuencia logra un Error Absol de la Media (MAE) de aproximadamente 6 Hz en segmentos de 1,024 puntos, un régimen donde la estimación espectral tradicional (FFT) es estructuralmente inaplicable debido a la longitud insuficiente de la señal.
2. Señal de Fiabilidad Independiente: La desviación entre la frecuencia predicha y la teórica ($|\Delta f|$) sirve como una señal de validación en el tiempo de inferencia y sin necesidad de etiquetas. Detecta clasificaciones erróneas con un alto AUROC (0.970 en Paderborn, 0.871 en JNU) y permanece discriminativa en el régimen de alta confianza donde los detectores basados en softmax son ciegos.
3. Integración de LLM Responsable: Un marco para la generación de informes de mantenimiento donde un LLM ajustado traduce las decisiones de DENet. El estudio demuestra que, mientras que las prohibiciones a nivel de prompt dejan entre un 10 y 12% de los informes con afirmaciones no respaldadas, el ajuste fino ligero con QLoRA reduce esta tasa al 2% y elimina por completo las cantidades fabricadas.

4. Resultados Experimentales

El marco fue evaluado en tres conjuntos de datos públicos: CWRU (10 clases), Paderborn (3 clases) y JNU (4 clases, velocidad mixta).

• Desempeño de Clasificación: El codificador BiMS-Mamba con DENet alcanzó una precisión de vanguardia o competitiva (p. ej., 99.81% en CWRU, 98.68% en Paderborn, 99.47% en JNU) sin sacrificar el rendimiento en comparación con las líneas base de solo clasificación. Los estudios de ablación confirmaron que las tareas auxiliares no imponen una penalización medible en la precisión.
• Predicción de Frecuencia: En el conjunto de datos Paderborn, el MAE de frecuencia fue de 6.17 Hz. Crucialmente, en el conjunto de datos de velocidad mixta JNU, el modelo logró un MAE de 6.10 Hz, superando significativamente a un predictor constante por clase (9.37 Hz), lo que demuestra que el modelo aprende la estimación de frecuencia basada en la señal en lugar de una tabla de búsqueda.
• Señal de Fiabilidad ($|\Delta f|$):
  • La métrica de desviación de frecuencia detectó clasificaciones erróneas con un AUROC de 0.970 (Paderborn) y 0.871 (JNU), comparable a los puntajes de confianza calibrados.
  • Punto Ciego de Alta Confianza: En el subconjunto de muestras con confianza de softmax > 0.99, la verificación de frecuencia identificó errores que los detectores basados en la confianza pasaron por alto. Por ejemplo, en Paderborn, los diagnósticos con $|\Delta f| > 10$ Hz fueron clasificados erróneamente aproximadamente 19 veces más a menudo que aquellos con consistencia de frecuencia, incluso cuando el clasificador tenía una alta confianza.
• Calidad de los Informes:
  • Fidelidad: El ajuste fino redujo la "tasa de afirmaciones no respaldadas" del 18% (zero-shot con prompt corto) al 2%, y la "tasa de cantidades fabricadas" del 10% al 0%.
  • Evaluación de Expertos: La evaluación ciega por parte de expertos en el dominio mostró que el modelo ajustado superó significativamente a las líneas base de zero-shot en precisión técnica (4.50 frente a 3.54), legibilidad y capacidad de acción.

5. Significado y Reivindicaciones

El artículo afirma que el cuello de botella del diagnóstico de fallos inteligente se desplaza de la precisión a la verificabilidad. Su importancia principal radica en proporcionar un mecanismo para cotejar una predicción con la realidad física (geometría del rodamiento y velocidad del eje) antes de actuar sobre ella.

• Verificación de Consistencia Física: La desviación de frecuencia propuesta actúa como un subproducto de "costo cero" del diagnóstico que permite la validación cruzada automatizada. Permite una regla de escalada simple (p. ej., si $|\Delta f| > 10$ Hz, marcar para revisión de un experto) incluso cuando el clasificador reporta una alta confianza.
• IA Generativa Confiable: El trabajo proporciona evidencia cuantitativa de que para los informes de seguridad crítica, el ajuste fino es necesario por encima de la ingeniería de prompts por sí sola. Demuestra que los LLM pueden ser restringidos para actuar como traductores fieles de salidas deterministas, eliminando las alucinaciones y asegurando que cada afirmación sea rastreable a un campo de evidencia específico.
• Limitaciones: Los autores señalan modestamente que la verificación de desviación de frecuencia se aplica actualmente solo a las predicciones de la clase de fallo (no a las predicciones "Normal", que son una fuente importante de detecciones omitidas en la práctica). También aclaran que no se hace una afirmación causal con respecto al mecanismo de desviación (una gran desviación puede resultar de señales ambiguas que afectan a ambos cabezales simultáneamente) y que la validación está limitada actualmente a conjuntos de datos de laboratorio con daños artificiales.