Two-stage monitoring design and budgeted condition-based maintenance for LED lighting systems: a gamma-process-based ensemble Kalman filter approach

Sintesi Tecnica: Progettazione di Monitoraggio a Due Stadi e Manutenzione Basata sulle Condizioni a Budget per Sistemi di Illuminazione a LED

Definizione del Problema
I sistemi di illuminazione a diodi a emissione di luce (LED) si degradano nel tempo, riducendo l'illuminamento sul piano di lavoro (WP) e aumentando il rischio di un'illuminazione interna inadeguata. Sebbene i modelli di degradazione stocastica possano prevedere le tendi generali, spesso mancano di precisione per i singoli apparecchi installati a causa della variabilità unità-per-unità e delle condizioni operative non caratterizzate. La misurazione diretta degli stati di degradazione dei singoli apparecchi (ad esempio, tramite sfere integranti) è impraticabile dopo l'installazione. Al contrario, le misurazioni dell'illuminamento sul WP in situ sono pratiche ma presentano un problema inverso complesso: una singola misurazione sul WP riflette i contributi sovrapposti di tutti gli apparecchi in una zona, piuttosto che una relazione locale sensore-apparecchio.

Ciò crea una doppia sfida:

1. Stima dello Stato Inverso: Inferire stati di degradazione latenti ad alta dimensionalità da misurazioni sul WP sparse e globalmente accoppiate richiede un layout di misurazione informativo che soddisfi i vincoli di identificabilità (il numero di misurazioni deve almeno eguagliare il numero di apparecchi per una stima autonoma).
2. Ottimizzazione della Manutenzione a Budget: I sistemi su larga scala non possono permettersi di misurare l'intero set di punti richiesti ad ogni visita di monitoraggio. È necessario ottimizzare congiuntamente il programma di visite, il sottoinsieme di misurazioni effettuate ad ogni visita e la politica di sostituzione preventiva sotto un budget di monitoraggio fisso, al fine di minimizzare il tempo di inattività totale e i costi di sostituzione.

Metodologia
Il documento propone un framework a due stadi che integra l'ottimizzazione del layout in fase di progettazione con il filtraggio sequenziale e la manutenzione basata sulle condizioni (CBM) in fase operativa.

• Stadio 1: Ottimizzazione del Layout di Riferimento in Fase di Progettazione

  • Modellazione Stato-Illuminamento: Un processo gamma non omogeneo modella la degradazione monotona di ogni apparecchio. Un simulatore Radiance ad alta fedeltà genera dati di illuminamento forward, che vengono approssimati da un modello surrogato lineare-gaussiano ($E = Cx + b + \epsilon$). Questo modello di osservazione esplicito collega gli stati di degradazione latenti ($x$) alle misurazioni di illuminamento sul WP ($E$), quantificando sia l'incertezza del modello che quella di misurazione.
  • Design D-Ottimale con Vincolo di Identificabilità: Per abilitare la stima inversa dello stato, il framework formula la selezione dei punti di misurazione sul WP come un problema di design sperimentale ottimale. Esso impone un numero minimo di misurazioni ($m \ge J$, dove $J$ è il numero di apparecchi) per garantire che la Matrice di Informazione di Fisher sia non singolare. Un criterio D-ottimale (massimizzazione di $\log \det(H^T \Omega^{-1} H)$) viene utilizzato per selezionare un "layout di riferimento" informativo ($\mathcal{S}_{ref}$) da una griglia candidata. Strategie euristiche, tra cui la Ricerca Greedy Ibrida (HG) e gli Algoritmi Genetici (GA), sono impiegate per risolvere questo problema combinatorio NP-difficile.

• Stadio 2: Monitoraggio Operativo e CBM a Budget

  • Filtraggio Sequenziale: Un Filtro di Kalman Ensemble (EnKF) viene utilizzato per tracciare gli stati di degradazione. A differenza dei filtri di Kalman standard, l'EnKF gestisce la natura non gaussiana degli incrementi del processo gamma propagando un insieme di traiettorie. Esso assimila misurazioni sparse sul WP raccolte durante l'esercizio, combinandole con le informazioni pregresse propagate dalle visite precedenti. Ciò consente una stima accurata dello stato anche quando il numero di misurazioni per visita è inferiore al limite di identificabilità di un singolo epoch.
  • Design delle Misurazioni e Ottimizzazione della Politica: Lo stadio operativo determina quando effettuare la visita e quale sottoinsieme del layout di riferimento misurare. Una regola "ciclica per zona" partiziona il layout di riferimento in $n_{zone}$ zone, misurando un punto da ciascuna zona per ogni visita.
  • Manutenzione Basata sul Rischio: La distribuzione predittiva a posteriori degli stati di degradazione viene utilizzata per calcolare la probabilità che un apparecchio superi una soglia di guasto prima della visita successiva. Una sostituzione preventiva viene attivata se questa probabilità supera una soglia di rischio ($p_{th}$).
  • Ottimizzazione Congiunta: Il framework ottimizza congiuntamente il programma delle visite (tempo della prima visita, intervallo), il numero di misurazioni attive ($n_{zone}$) e la soglia di rischio ($p_{th}$). Questo viene risolto utilizzando un algoritmo di Ricerca a Griglia Sequenziale con Screening Accoppiato (SGS-PS) per minimizzare il tempo di inattività totale atteso e i costi di sostituzione soggetti a un budget di monitoraggio ($B_{mon}$).

Contributi Chiave

1. Modello di Osservazione Esplicito: Sviluppo di un modello surrogato lineare-gaussiano derivato da simulazioni Radiance per mappare gli stati di degradazione latenti all'illuminamento sul WP, consentendo la stima inversa dello stato con incertezze quantificate.
2. Design del Layout con Vincolo di Identificabilità: Formulazione del layout di misurazione in fase di progettazione come un problema di design sperimentale D-ottimale, vincolato dal numero minimo di misurazioni richiesto per l'identificabilità del singolo epoch, risultando in un layout di riferimento informativo.
3. EnKF Sequenziale per il Monitoraggio Sparso: Dimostrazione che un EnKF può tracciare efficacemente gli stati di degradazione utilizzando misurazioni sparse (inferiori al numero di apparecchi), sfruttando le informazioni temporali, riducendo così lo sforzo di misurazione operativa.
4. Ottimizzazione Congiunta a Budget: Un framework unificato che ottimizza congiuntamente il programma di visita del monitoraggio, la selezione delle misurazioni attive e la soglia di rischio CBM sotto un vincolo di budget, affrontando esplicitamente il compromesso tra frequenza di aggiornamento temporale e informazione di misurazione spaziale.

Risultati
Il framework è stato valutato in un caso di studio di una zona di illuminazione per ufficio con 76 apparecchi e un orizzonte di 50 anni.

• Selezione del Layout: Il layout HG (Hybrid Greedy Search) ha superato i layout Nadir-point e Genetic Algorithm in termini di obiettivo D-ottimale, fornendo un layout di riferimento che minimizzava l'incertezza di stima generalizzata.
• Performance della Politica: Sotto un budget di monitoraggio base, la politica ottimale ha utilizzato un numero di misurazioni attive intermedio ($n_{zone}=20$) con un intervallo di visita di 3 mesi e una soglia di rischio di 0,12. Questa configurazione ha dato priorità agli aggiornamenti frequenti dello stato rispetto alla misurazione dell'intero layout di riferimento.
• Confronto con i Benchmark: Rispetto a un benchmark di sostituzione a blocchi (basato sul tempo), la proposta politica CBM a budget ha ridotto il tempo di inattività totale e i costi di sostituzione del 10,2% sotto incertezza basale e del 40,5% sotto un'incertezza ampliata dei tempi di raggiungimento della soglia (hitting-time).
• Analisi di Sensibilità:
  • Incertezza: L'aumento dell'incertezza nei tempi di raggiungimento della soglia di degradazione ha spostato la politica ottimale verso soglie di rischio più aggressive e un maggior numero di misurazioni attive, poiché il valore dell'informazione sulle condizioni è aumentato.
  • Budget: Sotto budget ristretti, il framework ha dato priorità alla frequenza delle visite (aggiornamenti temporali). Con l'aumentare del budget, la politica ottimale si è spostata verso la misurazione del layout di riferimento completo ($n_{zone}=76$) mantenendo visite frequenti, indicando che l'informazione spaziale diventa vantaggiosa solo quando la frequenza temporale non viene compromessa.

Significatività
Il documento afferma che la sua significatività risiede nel fornire un approccio sistematico al problema inverso di inferire la degradazione degli apparecchi da misurazioni indirette e globalmente accoppiate. Separando il design di un layout di riferimento informativo dalla selezione operativa di misurazioni sparse, il framework supera le barriere economiche e logistiche del monitoraggio dell'intero sistema. L'integrazione del filtraggio sequenziale con l'ottimizzazione a budget dimostra che un monitoraggio affidabile delle condizioni e una manutenzione costo-efficace sono realizzabili anche quando le risorse di misurazione sono limitate, offrendo una soluzione scalabile per le infrastrutture di illuminazione LED su larga scala.