Technische Samenvatting: Fysiek Verifieerbare Bewijsvoering en LLM-gebaseerde Rapportage voor Lagersdiagnose

1. Probleemstelling

De inzet van AI-gebaseerde foutdiagnose in veiligheidskritische mechanische systemen staat voor een cruciale flessenhals: het gebrek aan verifieerbaarheid van modeloutputs. Huidige intelligente diagnosestellen geven doorgaans een klasse-label met een softmax-betrouwbaarheidsscore uit. Deze betrouwbaarheidsscore is een interne statistiek van de classifier en biedt geen onafhankelijke methode om te verifiëren of een voorspelling overeenkomt met de fysieke realiteit voordat onderhoudsacties worden ondernomen. Bovendien introduceert het toenemende gebruik van generatieve Large Language Models (LLM's) om onderhoudsrapportages te automatiseren een tweede risico: het potentieel voor "gehallucineerde" inhoud in rapporten, waarbij beweringen niet naar een verifieerbare bron kunnen worden herleid.

Bestendig onderzoek probeert dit aan te pakken via verbeterde encoder-architecturen, post-hoc interpreteerbaarheid (bijv. Grad-CAM), natuurkundig geïnformeerd trainen, onzekerheidskwantificatie of LLM-integratie. De auteurs stellen echter dat deze methoden er niet in slagen een grootheid te leveren die tijdens de inferentie kan worden gecontroleerd tegen een onafhankelijk bekende fysieke referentie. Attributiekaarten missen theoretische referentiewaarden; natuurkundig geïnformeerd trainen consumeert fysieke kennis intern zonder deze terug te geven aan de gebruiker; en op vertrouwen gebaseerde detectoren zijn blind wanneer een model met hoge zekerheid de fout in gaat.

2. Methodologie

Het artikel stelt het Diagnostic Evidence Network (DENet) voor, een encoder-agnostisch multi-task framework dat is ontworpen om de diagnostische output uit te breiden van een eenvoudige label-betrouwbaarheidspaar naar een gestructureerd, fysiek verifieerbaar bewijsdossier. Het framework bestaat uit drie hoofdonderdelen:

A. BiMS-Mamba Encoder

De standaard backbone is een Bidirectional Multi-scale Mamba (BiMS-Mamba) encoder. Deze maakt gebruik van Selective State Space Models (S6) om zowel lokale transiënte patronen (impulsen) als globale temporele afhankelijkheden (periodieke signaturen) te vangen met een lineaire computationele complexiteit van $O(T)$. Belangrijke ontwerpkenmerken zijn:

• Bidirectionele scanning: Twee onafhankelijke Mamba-branches scannen het signaal voorwaarts en achterwaarts om de volledige context te vangen.
• Multi-scale verwerking: Het ingangssignaal wordt verwerkt op meerdere resoluties (schalen 1, 2, 4) om zowel hoogfrequente impulsen als laagfrequente herhalingspatronen te vangen, die vervolgens via kanaal-aandacht (channel attention) worden gefuseerd.

B. Diagnostic Evidence Network (DENet)

DENet breidt de encoder uit met twee natuurkunde-geconstreinde hulp-taken naast de primaire foutclassificatie:

1. Karakteristieke Frequentie Regressie: Het netwerk voorspelt de karakteristieke frequentie (bijv. BPFO, BPFI) op basis van de lagergeometrie en de asrotatiesnelheid.
   • Labelstrategie: Voor foutieve monsters is de doelwaarde de theoretische karakteristieke frequentie; voor normale monsters is de doelwaarde de rotatiefrequentie van de as ($f_r$).
   • Trainingsaugmentatie: Een tijd-stretch augmentatie (het herschalen van de tijd met $r \in [0.8, 1.25]$) wordt toegepast om te voorkomen dat het netwerk een klasse-naar-frequentie lookup-tabel memoriseert, waardoor het wordt gedwongen om frequentie-informatie uit de signaalinhoud te extraheren.
   • Output: Een voorspelde frequentiewaarde die vergeleken kan worden met de theoretische waarde afgeleid van de specifieke lagergeometrie.
2. Transiënte Impuls Lokalisatie: Een sequence-level head geeft een waarschijnlijkheidskaart uit van transiënte impulsgebeurtenissen.
   • Generatie van Ground Truth: Labels worden gegenereerd via een geautomatiseerde pipeline (Hilbert-transformatie, smoothing, piekdetectie) om regio's met verhoogde transiënte energie te identificeren, ongeacht of deze voortkomen uit fouten of onschuldige mechanische excitatie.

C. LLM-gebaseerde Rapportage Generatie

Een QLoRA-geadapteerd Large Language Model (gebaseerd op Qwen2.5-7B-Instruct) wordt gebruikt om de gestructureerde bewijsdossiers te vertalen naar natuurlijke taalrapporten.

• Strikte taakverdeling: De LLM fungeert strikt als een vertaler, niet als een diagnosticus. Het ontvangt de beslissingen (classificatie, frequentie, impulsstatistieken) genomen door DENet en zet deze om in proza.
• Restrictie: De LLM is gefinetuned om ervoor te zorgen dat elke bewering in het rapport traceerbaar is naar een specifiek bewijsveld, wat de generatie van ononderbouwde claims of gefabriceerde hoeveelheden voorkomt.

3. Belangrijkste Bijdragen

1. DENet Framework: Een encoder-agnostisch framework dat de diagnostische output uitbreidt met per-sample fysiek bewijs (voorspelling van de karakteristieke frequentie en lokalisatie van transiënte impulsen) zonder statistisch significante kosten voor de nauwkeurigheid. De frequentie-head bereikt een Mean Absolute Error (MAE) van ongeveer 6 Hz op 1.024-punts segmenten, een regime waarin traditionele spectrale schatting (FFT) structureel onbruikbaar is vanwege onvoldoende signaallengte.
2. Onafhankelijk Betrouwbaarheidssignaal: De afwijking tussen de voorspelde en de theoretische karakteristieke frequentie ($|\Delta f|$) dient als een label-vrij validatiesignaal tijdens de inferentie. Het detecteert misclassificaties met een hoge AUROC (0.970 op Paderborn, 0.871 op JNU) en blijft onderscheidend in het hoge-betrouwbaarheidsregime waar detectoren op basis van softmax blind zijn.
3. Verantwoordelijke LLM Integratie: Een framework voor onderhoudsrapportage waarbij een gefinetuned LLM de beslissingen van DENet vertaalt. De studie toont aan dat terwijl prompt-niveau verboden 10–12% van de rapporten met ononderbouwde claims laten, lichte QLoRA fine-tuning dit percentage vermindert tot 2% en gefabriceerde hoeveelheden volledig elimineert.

4. Experimentele Resultaten

Het framework werd geëvalueerd op drie publieke datasets: CWRB (10 klassen), Paderborn (3 klassen) en JNU (4 klassen, gemengde snelheid).

• Classificatieprestaties: De BiMS-Mamba encoder met DENet bereikte state-of-the-art of concurrerende nauwkeurigheid (bijv. 99,81% op CWRU, 98,68% op Paderborn, 99,47% op JNU) zonder prestatieverlies ten opzichte van classificatie-alleen baselines. Ablatie-studies bevestigden dat de hulp-taken geen meetbaar nadeel opleveren voor de nauwkeurigheid.
• Frequentievoorspelling: Op de Paderborn-dataset was de frequentie MAE 6,17 Hz. Cruciaal is dat op de JNU-dataset met gemengde snelheden het model een MAE van 6,10 Hz bereikte, wat aanzienlijk beter is dan een klasse-specifieke constante voorspeller (9,37 Hz), wat bewijst dat het model signaal-gegronde frequentieschatting leert in plaats van een lookup-tabel.
• Betrouwbaarheidssignaal ($|\Delta f|$):
  • De frequentie-afwijkingsmetriek detecteerde misclassificaties met een AUROC van 0,970 (Paderborn) en 0,871 (JNU), vergelijkbaar met gekalibreerde betrouwbaarheidsscores.
  • Blind spot bij hoge betrouwbaarheid: In de subset van monsters met een softmax-betrouwbaarheid > 0,99, identificeerde de frequentiecheck fouten die door betrouwbaarheid-gebaseerde detectoren werden gemist. Bijvoorbeeld, op Paderborn waren diagnoses met een $|\Delta f| > 10$ Hz ongeveer 19 keer vaker foutief geclassificeerd dan frequentie-consistente diagnoses, zelfs wanneer de classifier zeer zeker was.
• Rapportkwaliteit:
  • Getrouwheid (Faithfulness): Fine-tuning verminderde de "ononderbouwde claim rate" van 18% (zero-shot short prompt) naar 2%, en de "gefabriceerde hoeveelheid rate" van 10% naar 0%.
  • Expert Evaluatie: Blind evaluatie door domeinexperts toonde aan dat het gefinetunede model de zero-shot baselines aanzienlijk overtrof op het gebied van technische nauwkeurigheid (4,50 vs. 3,54), leesbaarheid en actiegerichtheid.

5. Betekenis en Claims

Het artikel beweert de flessenhals van intelligente foutdiagnose te verschuiven van nauwkeurigheid naar verifieerbaarheid. De primaire betekenis ligt in het bieden van een mechanisme om een voorspelling te controleren tegen de fysieke realiteit (lagergeometrie en asrotatiesnelheid) voordat er actie wordt ondernomen.

• Fysieke Consistentiecheck: De voorgestelde frequentie-afwijking fungeert als een "zero-cost" bijproduct van de diagnose die automatische kruisvalidatie mogelijk maakt. Het maakt een eenvoudige escalatieregel mogelijk (bijv. als $|\Delta f| > 10$ Hz, markeer voor expert review), zelfs wanneer de classifier een hoge betrouwbaarheid rapporteert.
• Betrouwbare Generatieve AI: Het werk levert kwantitatief bewijs dat voor veiligheidskritische rapportage fine-tuning noodzakelijk is boven prompt engineering alleen. Het demonstreert dat LLM's kunnen worden beperkt om getrouwe vertalers te zijn van deterministische modeloutputs, waardoor hallucinaties worden geëlimineerd en elke bewering traceerbaar is naar een specifiek bewijsveld.
• Beperkingen: De auteurs merken bescheiden op dat de frequentie-afwijking check momenteel alleen van toepassing is op fout-klasse voorspellingen (niet op "Normaal" voorspellingen, wat een belangrijke bron van gemiste detecties is in de praktijk). Ze verduidelijken ook dat er geen causale claim wordt gemaakt over het afwijkingsmechanisme (een grote afwijking kan het gevolg zijn van ambigue signalen die beide heads tegelijkertijd beïnvloeden) en dat de validatie momenteel beperkt is tot laboratoriumdatasets met kunstmatige schade.