🤖 machine learning

Physically Verifiable Evidence and LLM-Based Reporting for Bearing Fault Diagnosis

Ce document présente le Diagnostic Evidence Network (DENet), un cadre pour le diagnostic de défaillances de roulements qui améliore la fiabilité de l'IA en générant des preuves physiquement vérifiables (fréquences caractéristiques et localisations d'impulsions) pour une validation sans étiquetage et en contraignant un modèle de langage à ne rapporter que des faits vérifiés, éliminant ainsi les hallucinations et permettant un déploiement fiable dans des systèmes critiques pour la sécurité.

Auteurs originaux : Yuntong Chen, Jianyu Liu, Guobin Zhao, Ziang Wang, Chao Chen, Ju Huang, Xitian Tian, Lijiang Huang

Publié 2026-07-28

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yuntong Chen, Jianyu Liu, Guobin Zhao, Ziang Wang, Chao Chen, Ju Huang, Xitian Tian, Lijiang Huang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que je suis le mécanicien d'une flotte de robots géants et rapides qui font tourner notre monde. Ces robots possèdent des cœurs rotatifs appelés roulements, et si un roulement se fissure, toute la machine peut exploser. Depuis des décennies, des scientifiques construisent des ordinateurs « intelligents » pour écouter les vibrations de ces roulements et crier : « C'est cassé ! » ou « C'est bon ! » Mais voici le hic : ces ordinateurs intelligents sont comme des magiciens confiants. Ils pointent un roulement du doigt et disent : « Je suis sûr à 99 % que c'est cassé ! », mais ils ne peuvent pas vous montrer pourquoi. Ils se contentent de donner un nombre magique (un score de confiance) issu de leur propre cerveau. Si l'ordinateur est de façon certaine dans l'erreur, vous n'avez aucun moyen de vérifier son travail par rapport à la réalité avant d'arrêter l'usine. C'est comme faire confiance à une application météo qui dit « 100 % de chances de pluie » mais qui refuse de vous montrer les nuages ou le pluviomètre.

Pour correr cela, des chercheurs essaient de construire une IA qui ne se contente pas de deviner, mais qui prouve son travail. Ils veulent que l'ordinateur dise : « Je pense que c'est cassé parce que j'ai entendu un rythme de thump-thump spécifique qui correspond à la mathématique d'un engrenage fissuré. » Ce document traite exactement de ce problème. Il pose la question suivante : Comment rendre un diagnostic d'IA vérifiable par un humain par rapport aux lois de la physique ? Les auteurs introduisent un nouveau système qui agit comme un détective laissant une trace d'indices physiques, plutôt qu'un simple pronostic. Ils s'attaquent également à un second problème : lorsque nous utilisons des rédacteurs d'IA sophistiqués pour transformer ces indices en un rapport pour le patron, ces rédacteurs inventent parfois des faits (hallucinations). Le papier montre comment empêcher le rédacteur de mentir tout en gardant le rapport facile à lire.

La boîte à outils du détective : DENet

Les auteurs de ce document, travaillant avec des roulements provenant d'universités de Chine et de Singapour, ont construit un nouveau système appelé DENet (Diagnostic Evidence Network). Voyez DENet non pas comme un cerveau unique, mais comme une équipe de détectives avec trois missions spécifiques, travaillant toutes ensemble pour résoudre le mystère d'un roulement cassé.

1. Le Classificateur (Le « Qui ») :
D'abord, le système examine le son de la vibration et devine le type de défaut. Est-ce une fissure sur la bague intérieure ? La bague extérieure ? Ou est-ce simplement un roulement sain ? C'est la partie classique, et elle est très performante, trouvant la bonne réponse environ 98 % à 99 % du temps.

2. Le Compteur de Fréquence (Le « Quoi ») :
C'est le tour de magie. Chaque fois qu'un roulement présente une fissure spécifique, il crée un rythme de « thump » à une vitesse (fréquence) très précise, déterminée par la taille des billes et la vitesse de l'arbre. C'est comme un tambour : si vous connaissez la taille du tambour et la vitesse à laquelle vous le frappez, vous connaissez la tonalité exacte du son.
DENet ne se contente pas de deviner le défaut ; il prédit aussi la tonalité de ce « thump ».

La Vérification : Le système compare sa tonalité prédite à la « tonalité théorique » calculée à partir des plans du roulement.
Le Résultat : Si l'IA dit « Fissure de la bague extérieure » mais que la tonalité qu'elle a entendue ne correspond pas au calcul mathématique d'une fissure de bague extérieure, le système sait que quelque chose ne va pas. C'est comme un détective disant : « Je pense que le suspect est grand, mais l'empreinte de pas est minuscule. » Le décalage est un signal d'alarme.
L'Effet « Wow » : Le document montre que ce système peut prédire cette tonalité avec une erreur d'environ 6 Hz (Hertz), même en observant de minuscules extraits sonores (longs de 1 024 points) là où les outils mathématiques traditionnels échouent généralement à entendre quoi que ce soit de clair.

3. Le Repéreur d'Impulsion (Le « Où ») :
La troisième mission est de pointer le doigt sur l'instant précis de l'onde sonore où le « thump » s'est produit. Il met en évidence le moment précis de l'onde sonore brute où l'énergie a bondi. Cela permet à un ingénieur humain de regarder les données brutes et de dire : « Oui, c'est là ! Un pic pile à cet endroit ! »

Le « Piège de la Confiance » et le nouveau filet de sécurité

Le document soutient que l'ancienne méthode de vérification de l'IA — regarder son « score de confiance » (ex : « Je suis sûr à 99 % ») — est défectueuse. Pourquoi ? Parce qu'une IA peut être sûre à 99 % et être complètement dans l'erreur. C'est un « angle mort ».

Les auteurs ont découvert que leur nouvelle vérification de Déviation de Fréquence (comparant la tonalité prédite au calcul réel) fonctionne comme une alarme ultra-sensible.

Ils ont testé cela sur trois jeux de données publics différents (CWRU, Paderborn et JNU).
Lorsqu'une IA commettait une erreur, la vérification de fréquence l'a captée 97 % du temps sur un jeu de données et 87 % du temps sur un autre.
Crucialement, cette vérification fonctionne même quand l'IA est confiante dans son erreur. Elle a détecté des erreurs que les anciennes méthodes de « score de confiance » avaient totalement manquées. C'est comme avoir une deuxième paire d'yeux qui vérifie les calculs, peu importe à quel point le premier détective crie fort.

Le problème du « Traducteur » : Empêcher l'IA de mentir

Une fois que DENet a rassemblé les indices (le type de défaut, la tonalité, l'emplacement), l'équipe doit transformer ces indices en un rapport en anglais courant pour un gestionnaire humain. Ils ont utilisé un LLM (Large Language Model) — un rédacteur d'IA super intelligent — pour ce faire.

Mais il existe un risque : ces rédacteurs sont créatifs. Parfois, pour rendre l'histoire intéressante, ils inventent des faits. Ils pourraient dire : « Le roulement durera encore 5 jours », même si les données n'ont jamais mentionné cela. C'est ce qu'on appelle l'« hallucination », et dans une usine, un fait inventé peut être dangereux.

Le document a testé deux méthodes pour stopper cela :

Le Prompting (Instruction) : Simplement dire au rédacteur d'IA : « S'il vous plaît, n'inventez rien. »
Le Fine-Tuning (Affinage) : Enseigner réellement au rédacteur d'IA avec des exemples de rapports parfaits.

Le constat :

Lorsqu'ils se sont contentés de donner des instructions (prompting), l'IA a quand même inventé des affirmations dans 10 % à 12 % des rapports. C'était comme dire à un enfant « ne mens pas », mais il continue de le faire.
Lorsqu'ils ont procédé au fine-tuning de l'IA (en utilisant une méthode appelée QLoRA) sur 500 exemples de rapports parfaits, le taux de fausses affirmations est tombé à seulement 2 %.
Mieux encore, l'IA affinée a cessé d'inventer des chiffres (taux de fabrication de 0 %).
Le fine-tuning n'a pris que 6 minutes sur un ordinateur standard, ce qui en fait une correction peu coûteuse et facile.

Ce que cela signifie pour l'avenir

Le document conclut que nous n'avons pas besoin d'attendre que l'IA devienne plus « intelligente » dans ses suppositions pour lui faire confiance. Au lieu de cela, nous devons changer ce qu'elle nous donne. En forçant l'IA à fournir des preuves physiques (la tonalité et l'emplacement) aux côtés de sa supposition, nous pouvons vérifier son travail par rapport aux lois de la physique.

Les auteurs précisent avec prudence que ce système fonctionne mieux dans des environnements de laboratoire contrôlés avec des dommages artificiels. Ils ne l'ont pas encore testé sur de vieux roulements usés naturellement dans de vraies usines, et c'est la prochaine étape. Mais l'idée centrale est solide : Ne vous contentez pas de faire confiance à la confiance de l'IA ; vérifiez ses devoirs. Si les mathématiques ne concordent pas, même une IA confiante doit être remise en question.

En résumé, ce document construit un pont entre la « boîte noire » de l'apprentissage profond et la « boîte blanche » de la réalité physique, garantissant que lorsqu'une IA dit qu'une machine est cassée, elle possède les reçus pour le prouver.

Résumé technique : Preuves physiquement vérifiables et rapports basés sur les LLM pour le diagnostic de défaillance de roulements

1. Énoncé du problème

Le déploiement du diagnostic de défaillance basé sur l'IA dans les systèmes mécaniques critiques pour la sécurité fait face à un goulot d'étranglement critique : le manque de vérifiabilité des sorties de modèles. Les diagnoseurs intelligents actuels produisent généralement une étiquette de classe avec un score de confiance softmax. Ce score de confiance est une statistique interne du classifieur, n'offrant aucun moyen indépendant de vérifier si une prédiction s'aligne sur la réalité physique avant que des actions de maintenance ne soient entreprises. De plus, l'utilisation croissante des Grands Modèles de Langage (LLM) génératifs pour automatiser les rapports de maintenance introduit un second risque : la possibilité que du contenu « halluciné » entre dans les rapports, où les affirmations ne peuvent être tracées vers une source vérifiable.

La recherche existante tente de remédier à cela par l'amélioration des architectures d'encodeurs, l'interprétabilité post-hoc (ex. Grad-CAM), l'entraînement informé par la physique, la quantification de l'incertitude ou l'intégration de LLM. Cependant, les auteurs soutiennent que ces méthodes ne parviennent pas à fournir une quantité qui puisse être vérifiée par rapport à une référence physique indépendamment connue au moment de l'inférence. Les cartes d'attribution manquent de valeurs de référence théoriques ; l'entraînement informé par la physique consomme la connaissance physique en interne sans la restituer à l'utilisateur ; et les détecteurs basés sur la confiance sont aveugles lorsque le modèle est « sûrement faux ».

2. Méthodologie

Le papier propose le Diagnostic Evidence Network (DENet), un cadre multi-tâches indépendant de l'encodeur, conçu pour étendre la sortie du diagnostic d'une simple paire étiquette-confiance à un enregistrement de preuves structuré et physiquement vérifiable. Le cadre se compose de trois composants principaux :

A. Encodeur BiMS-Mamba

L'architecture de base par défaut est un encodeur Bidirectional Multi-scale Mamba (BiMS-Mamba). Il utilise des Modèles d'Espace d'État Sélectifs (S6) pour capturer à la fois les motifs transitoires locaux (impulsions) et les dépendances temporelles globales (signatures périodiques) avec une complexité de calcul linéaire $O(T)$ . Les caractéristiques clés de conception incluent :

Balayage bidirectionnel : Deux branches Mamba indépendantes scannent le signal vers l'avant et vers l'arrière pour capturer le contexte complet.
Traitement multi-échelle : Le signal d'entrée est traité à plusieurs résolutions (échelles 1, 2, 4) pour capturer à la fois les impulsions haute fréquence et les motifs de répétition à plus basse fréquence, en les fusionnant via l'attention par canal.

B. Réseau de Preuves Diagnostiques (DENet)

DENet augmente l'encodeur avec deux tâches auxiliaires contraintes par la physique aux côtés de la classification de défaillance primaire :

Régression de la fréquence caractéristique : Le réseau prédit la fréquence caractéristique (ex. BPFO, BPFI) basée sur la géométrie du roulement et la vitesse de l'arbre.
- Stratégie d'étiquetage : Pour les échantillons de défaillance, la cible est la fréquence caractéristique théorique ; pour les échantillons normaux, la cible est la fréquence de rotation de l'arbre ( $f_r$ ).
- Augmentation de l'entraînement : Une augmentation par étirement temporel (redimensionnement du temps par $r \in [0.8, 1.25]$ ) est appliquée pour empêcher le réseau de mémoriser une table de correspondance classe-fréquence, le forçant à extraire l'information de fréquence à partir du contenu du signal.
- Sortie : Une valeur de fréquence prédite qui peut être comparée à la valeur théorique dérivée de la géométrie spécifique du roulement.
Localisation d'impulsion transitoire : Une tête de séquence produit une carte de probabilité des événements d'impulsion transitoire.
- Génération de la vérité de terrain (Ground Truth) : Les étiquettes sont générées via un pipeline automatisé (transformée de Hilbert, lissage, détection de pics) pour identifier les régions d'énergie transitoire élevée, qu'elles proviennent de défaillances ou d'excitations mécaniques bénignes.

C. Génération de rapports basée sur les LLM

Un Grand Modèle de Langage adapté par QLoRA (basé sur Qwen2.5-7B-Instruct) est employé pour traduire l'enregistrement de preuves structurées en rapports en langage naturel.

Division stricte du travail : Le LLM agit strictement comme un traducteur, et non comme un diagnostiqueur. Il reçoit les décisions (classification, fréquence, statistiques d'impulsion) prises par DENet et les rend sous forme de prose.
Contrainte : Le LLM est affiné (fine-tuned) pour garantir que chaque affirmation dans le rapport soit traçable à un champ de preuve spécifique, empêissant la génération de revendications non supportées ou de quantités fabriquées.

3. Contributions clés

Cadre DENet : Un cadre indépendant de l'encodeur qui étend la sortie du diagnostic pour inclure des preuves physiques par échantillon (prédiction de la fréquence caractéristique et localisation de l'impulsion transitoire) sans coût de précision statistique significatif. La tête de fréquence atteint une erreur absolue moyenne (MAE) d'environ 6 Hz sur des segments de 1 024 points, un régime où l'estimation spectrale traditionnelle (FFT) est structurellement inapplicable en raison d'une longueur de signal insuffisante.
Signal de fiabilité indépendant : L'écart entre la fréquence prédite et la fréquence théorique ( $|\Delta f|$ ) sert de signal de validation à l'inférence, sans étiquette, permettant de détecter les erreurs de classification avec un AUROC élevé (0,970 sur Paderborn, 0,871 sur JNU) et reste discriminatif dans le régime de haute confiance où les détecteurs basés sur la confiance sont aveugles.
Intégration responsable des LLM : Un cadre pour le reporting de maintenance où un LLM affiné traduit les décisions de DENet. L'étude démontre que si les interdictions au niveau du prompt laissent 10 à 12 % des rapports avec des affirmations non supportées, un affinement léger par QLoRA réduit ce taux à 2 % et élimine entièrement les quantités fabriquées.

4. Résultats expérimentaux

Le cadre a été évalué sur trois jeux de données publics : CWRU (10 classes), Paderborn (3 classes) et JNU (4 classes, vitesse mixte).

Performance de classification : L'encodeur BiMS-Mamba avec DENet a atteint une précision de pointe ou compétitive (ex. 99,81 % sur CWRH, 98,68 % sur Paderborn, 99,47 % sur JNU) sans sacrifier les performances par rapport aux bases de référence de classification seule. Les études d'ablation ont confirmé que les tâches auxiliaires n'imposent aucun pénalité de précision mesurable.
Prédiction de fréquence : Sur le jeu de données Paderborn, la MAE de la fréquence était de 6,17 Hz. Crucialement, sur le jeu de données à vitesse mixte JNU, le modèle a atteint une MAE de 6,10 Hz, surpassant de manière significative un prédicteur constant par classe (9,37 Hz), prouvant que le modèle apprend une estimation de fréquence ancrée dans le signal plutôt qu'une table de correspondance.
Signal de fiabilité ( $|\Delta f|$ ) :
- La métrique de déviation de fréquence a détecté les erreurs de classification avec un AUROC de 0,970 (Paderborn) et 0,871 (JNU), comparable aux scores de confiance calibrés.
- Angle mort de haute confiance : Dans le sous-ensemble d'échantillons avec une confiance softmax > 0,99, le contrôle de fréquence a identifié des erreurs que les détecteurs basés sur la confiance ont manquées. Par exemple, sur Paderborn, les diagnostics avec $|\Delta f| > 10$ Hz étaient mal classés environ 19 fois plus souvent que ceux cohérents avec la fréquence, même lorsque le classifieur était très confiant.
Qualité des rapports :
- Fidélité : L'affinement a réduit le « taux de revendication non supportée » de 18 % (prompt court zero-shot) à 2 %, et le « taux de quantité fabriquée » de 10 % à 0 %.
- Évaluation par des experts : Une évaluation aveugle par des experts du domaine a montré que le modèle affiné surpassait significativement les bases de référence zero-shot en termes de précision technique (4,50 contre 3,54), de lisibilité et de capacité d'action.

5. Signification et affirmations

Le papier prétend déplacer le goulot d'étranglement du diagnostic de défaillance intelligent de l'exactitude vers la vérifiabilité. Sa signification primaire réside dans la fourniture d'un mécanisme pour vérifier une prédiction par rapport à la réalité physique (géométrie du roulement et vitesse de l'arbre) avant d'agir dessus.

Vérification de la cohérence physique : La déviation de fréquence proposée agit comme un sous-produit de diagnostic à « coût nul » qui permet une validation croisée automatisée. Elle permet une règle d'escalade simple (ex. si $|\Delta f| > 10$ Hz, signaler pour examen expert) même lorsque le classifieur rapporte une haute confiance.
IA générative de confiance : Ce travail fournit une preuve quantitative que pour le reporting de sécurité critique, l'affinement est nécessaire par rapport au seul ingénierie de prompt. Il démontre que les LLM peuvent être contraints pour agir comme des traducteurs fidèles de sorties déterministes de modèles, éliminant les hallucinations et garantissant que chaque affirmation est traçable vers un champ de preuve spécifique.
Limites : Les auteurs notent modestement que le contrôle de déviation de fréquence s'applique actuellement uniquement aux prédictions de classe de défaillance (et non aux prédictions « Normal », qui sont une source majeure de détections manquées en pratique). Ils précisent également qu'aucune affirmation causale n'est faite concernant le mécanisme de déviation (une grande déviation peut résulter de signaux ambigus affectant simultanément les deux têtes) et que la validation est actuellement limitée à des jeux de données de laboratoire avec des dommages artificiels.