Physics-Informed Condition Monitoring of SiC Power Modules

इलेक्ट्रिक कारों की अदृश्य धड़कन

कल्पना कीजिए कि भविष्य की इलेक्ट्रिक कार केवल एक वाहन नहीं, बल्कि एक ऐसी हाई-स्पीड रेस कार है जो कभी रुकती नहीं। इन कारों को तेज़ चलाने और तेज़ी से चार्ज करने के लिए, इंजीनियर सिलिकॉन कार्बाइड (SiC) नामक सामग्री से बने विशेष इलेक्ट्रॉनिक स्विच का उपयोग करते हैं। ये स्विच कार के मोटर सिस्टम के "हृदय" होते हैं, जो बिजली को एक सेकंड में हजारों बार चालू और बंद करते हैं। हालाँकि, मानव हृदय की तरह ही, ये स्विच भी थक जाते हैं। वे गर्मी और तनाव के खिलाफ एक निरंतर लड़ाई लड़ते हैं, जिससे समय के साथ उनके अंदर सूक्ष्म दरारें बन सकती हैं। यदि ड्राइविंग के दौरान कोई स्विच विफल हो जाता है, तो कार काम करना बंद कर सकती है या, इससे भी बुरा, उसमें आग लग सकती है।

इन कारों को सुरक्षित रखने के लिए, इंजीनियरों को इन स्विचों के काम करते समय उनके "स्वास्थ्य" की जांच करने का एक तरीका चाहिए। इसे "कंडीशन मॉनिटरिंग" (स्थिति की निगरानी) कहा जाता है। पारंपरिक रूप से, वैज्ञानिकों ने यह अनुमान लगाने की कोशिश की है कि एक स्विच कितना थक गया है, इसके लिए वे सरल पैटर्न देखते हैं, जैसे कि तापमान कितना ऊपर-नीचे होता है। लेकिन यह किसी व्यक्ति के चेहरे को देखकर यह अनुमान लगाने जैसा है कि वह कितना पुराना है; यह कुछ लोगों के लिए ठीक काम करता है, लेकिन इसमें बारीकियां छूट जाती हैं। बड़ी चुनौती यह है कि ये स्विच दो बहुत अलग तरीकों से विफल हो सकते हैं: कभी-कभी वे धीरे-धीरे और सुचारू रूप से घिसते हैं, जैसे टायर की हवा कम होना, और कभी-कभी वे अचानक, झटकेदार चोटों का शिकार होते हैं, जैसे कि अंदर से तार का टूट जाना। पुराने तरीके इन अचानक आने वाले आश्चर्यों को संभालने में संघर्ष करते हैं। यह शोध पत्र एक सरल लेकिन महत्वपूर्ण प्रश्न पूछता है: क्या हम इन इलेक्ट्रॉनिक स्विचों के लिए एक स्मार्ट "डॉक्टर" बना सकते हैं जो भौतिक विज्ञान (फिजिक्स) को समझता हो कि वे कैसे बूढ़े होते हैं, ताकि वे समस्या होने से पहले ही उसे पहचान सकें, भले ही क्षति अचानक और अव्यवस्थित हो?

शोध पत्र की कहानी: कंप्यूटर को दर्द महसूस करना सिखाना

इस शोध पत्र के शोधकर्ताओं ने, इंफिनियन टेक्नोलॉजीज के विशेषज्ञों के साथ मिलकर, इन सिलिकॉन कार्बाइड स्विचों के लिए एक नए प्रकार का स्वास्थ्य मॉनिटर बनाने का निर्णय लिया। उन्होंने एक विशिष्ट प्रकार के स्विच पर ध्यान केंद्रित किया जो एक विशेष "सिंटर्ड" (sintered) पैकेजिंग विधि का उपयोग करता है। इसे साधारण सोल्डर के बजाय एक सुपर-स्ट्रॉन्ग, सिल्वर पेस्ट के साथ धातु के दो टुकड़ों को जोड़ने जैसा समझें। यह विधि विफलता के एक सामान्य प्रकार (गोंद का पिघलना) को तो रोक देती है, लेकिन एक अन्य प्रकार के लिए रास्ता खुला छोड़ देती है: चिप को जोड़ने वाले सूक्ष्म तार अचानक टूट सकते हैं या उखड़ सकते हैं। जब एक तार टूटता है, तो स्विच का व्यवहार अचानक बदल जाता है, जैसे कार का इंजन अचानक झटके लेने लगे।

टीम को एहसास हुआ कि पुराने कंप्यूटर मॉडल उन छात्रों की तरह थे जिन्होंने केवल पाठ्यपुस्तक के उत्तर रट लिए हों। वे तब बहुत अच्छा काम करते थे जब डेटा बिल्कुल प्रशिक्षण उदाहरणों जैसा दिखता था, लेकिन जब तार टूट जाते थे तो वे भ्रमित हो जाते थे। इसे ठीक करने के लिए, लेखकों ने एक "फिजिक्स-इन्फॉर्म्ड" (भौतिकी-आधारित) ढांचा तैयार किया। कल्पना कीजिए कि आप एक रोबोट को यह भविष्यवाणी करना सिखा रहे हैं कि गुब्बारा कैसे फटेगा। केवल रोबोट को गुब्बारों की तस्वीरें दिखाने के बजाय, आप उसे भौतिकी के नियम भी देते हैं: "वायु दाब बढ़ता है," "रबर खिंचता है," और "यदि कोई नुकीली वस्तु इसे छूती है, तो यह तुरंत फट जाता है।"

यहाँ उनका नया सिस्टम तीन चतुर तरीकों के माध्यम से काम करता है:

1. "क्षति डायरी" (फीचर इंजीनियरिंग): केवल वोल्टेज और करंट जैसे कच्चे नंबर फीड करने के बजाय, टीम ने उन्हें स्विच के जीवन की एक "डायरी" दी। उन्होंने एक "माइनर्स रूल" (Miner's Rule) स्कोर की गणना की, जो स्विच द्वारा महसूस किए गए हर छोटे तनाव को जोड़ने का एक तरीका है। यह एक फिटनेस ट्रैकर की तरह है जो न केवल आज आपके कदमों को गिनता है, बल्कि आपके जूतों के वास्तव में कितने घिस जाने की बताने के लिए आपके द्वारा अब तक लिए गए हर कदम को जोड़ता है। यह डायरी कंप्यूटर को यह समझने में मदद करती है कि स्विच का इतिहास क्या है, न कि केवल यह कि अभी क्या हो रहा है।

2. "पीछे की ओर समय न जाने का" नियम (मोनोटोनिसिटी कंस्ट्रेंट): लेखकों को पता था कि एक स्विच केवल खराब हो सकता है, बेहतर नहीं। एक टायर खुद को वापस नया नहीं बना सकता। इसलिए, उन्होंने कंप्यूटर को एक सख्त नियम के साथ प्रोग्राम किया: "स्वास्थ्य स्कोर केवल नीचे जा सकता है।" उन्होंने कंप्यूटर के मस्तिष्क की संरचना को बदलकर इस नियम का पालन करने के लिए मजबूर नहीं किया; इसके बजाय, उन्होंने उसके होमवर्क में एक "पेनल्टी" (जुर्माना) जोड़ दिया। यदि कंप्यूटर ने अनुमान लगाया कि स्विच स्वस्थ हो गया है, तो उसे कम अंक मिले। इसने भविष्यवाणियों को यथार्थवादी और स्थिर रखा, भले ही डेटा अव्यवस्थित हो।

3. "मार्जिन ऑफ एरर" आउटपुट (हैवी-टेल्ड डिस्ट्रीब्यूशन): यह सबसे रचनात्मक हिस्सा है। अधिकांश कंप्यूटर मॉडल आपको उत्तर के रूप में एक एकल संख्या देने की कोशिश करते हैं, जैसे "स्विच 85% स्वस्थ है।" लेकिन शोधकर्ता जानते थे कि जब एक तार टूटता है, तो उत्तर केवल एक संख्या नहीं होती; वह एक आश्चर्य होता है। इसलिए, एक संख्या देने के बजाय, उनका मॉडल संभावनाओं का एक "बादल" देता है। यह कहता है, "मुझे लगता है कि यह 85% स्वस्थ है, लेकिन इसकी 70% या 90% होने की भी संभावना है।" उन्होंने एक विशेष गणितीय आकार (जिसे स्टूडेंट-टी डिस्ट्रीब्यूशन कहा जाता है) का उपयोग किया, जिसमें "हैवी टेल्स" होते हैं, जिसका अर्थ है कि यह बड़े आश्चर्यों की उम्मीद करता है। यह एक मौसम पूर्वानुमान की तरह है जो केवल "धूप" नहीं कहता, बल्कि कहता है "धूप है, लेकिन अचानक ओलावृष्टि होने की भी थोड़ी संभावना है।" यह सिस्टम को शांत और सटीक रहने में मदद करता है, भले ही कोई तार अचानक टूट जाए।

उन्होंने क्या पाया

टीम ने अपने नए सिस्टम का परीक्षण 24 वास्तविक दुनिया के स्विचों के डेटासेट पर किया, जिन्हें कुछ ही दिनों में वर्षों की ड्राइविंग का अनुकरण करने के लिए अत्यधिक ताप चक्रों (हीट साइकल) से गुजारा गया था। उन्होंने अपने नए "फिजिक्स-इन्फॉर्म्ड" सिस्टम की तुलना पुराने, सरल तरीकों से की जो बिना "क्षति डायरी" या "पीछे की ओर समय न जाने के नियम" के केवल कच्चे डेटा को देखते थे।

परिणाम प्रभावशाली थे। नए सिस्टम ने सबसे सरल बेसलाइन पद्धति की तुलना में स्विच के जीवन की भविष्यवाणी करने में त्रुटि को लगभग 60% कम कर दिया। जहाँ पुराने तरीके तारों के टूटने (लिफ्ट-ऑफ घटनाओं) के दौरान लड़खड़ा गए और बहुत भ्रमित हो गए, वहीं नया सिस्टम स्थिर रहा। यह बहुत अधिक सटीकता के साथ स्विच के स्वास्थ्य की भविष्यवाणी करने में सक्षम था, भले ही डेटा शोर वाला (नॉइजी) हो या स्विच अजीब व्यवहार कर रहे हों।

महत्वपूर्ण रूप से, यह शोध पत्र दिखाता है कि उनकी सफलता का सबसे महत्वपूर्ण हिस्सा कंप्यूटर मस्तिष्क को अधिक जटिल या बड़ा बनाना नहीं था। इसके बजाय, यह "फीचर इंजीनियरिंग" थी—कंप्यूटर को सही प्रकार की जानकारी (क्षति डायरी और भौतिकी के नियम) देने की क्रिया। लेखकों ने पाया कि एक साधारण कंप्यूटर मॉडल भी अद्भुत काम करता था जब उसे इन भौतिकी-आधारित संकेतों से फीड किया गया था।

अध्ययन ने यह भी पुष्टि की कि उनके सिस्टम का "संभावनाओं का बादल" बहुत सटीक था। जब मॉडल ने कहा कि बड़ी त्रुटि की संभावना है, तो वह आमतौर पर सही था। इसका अर्थ है कि सिस्टम केवल अनुमान नहीं लगाता; वह जानता है कि वह कब अनिश्चित है, जो कि वास्तविक कारों के लिए एक महत्वपूर्ण सुरक्षा विशेषता है।

निष्कर्ष

यह शोध पत्र सुझाव देता है कि अपनी इलेक्ट्रिक कारों को सुरक्षित और विश्वसनीय रखने के लिए, हमें केवल कच्चे डेटा या जटिल AI दिमागों पर निर्भर नहीं होना चाहिए। इसके बजाय, हमें अपने कंप्यूटरों को इन पुर्जों के टूटने के बुनियादी नियम सिखाने की आवश्यकता है। वास्तविक भौतिकी (जैसे तनाव का इतिहास और यह नियम कि चीजें केवल खराब होती हैं) को स्मार्ट कंप्यूटर लर्निंग के साथ जोड़कर, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो परेशानी को पहचानने में बहुत बेहतर है। यह उन अचानक और अव्यवस्थित विफलताओं को संभालता है जिन्होंने पुराने सिस्टम को भ्रमित कर दिया था, जिससे यह इलेक्ट्रिक वाहनों में सुरक्षा निगरानी के अगले स्तर के लिए एक मजबूत दावेदार बनता है। लेखक निष्कर्ष निकालते हैं कि यह दृष्टिकोण न केवल आवश्यक है बल्कि इतना हल्का भी है कि इसे सीधे कार के कंप्यूटर के अंदर स्थापित किया जा सके, ताकि जब भी आप सड़क पर निकलें, यह इंजन की निगरानी कर सके।