Deep Hierarchical Knowledge Loss for Fault Intensity Diagnosis

Título: Deep Hierarchical Knowledge Loss for Fault Intensity Diagnosis (DHK)

1. Problema e Motivação

O Diagnóstico de Intensidade de Falhas (FID) é crucial para a manutenção preditiva em manufatura inteligente, especialmente para identificar diferentes níveis de gravidade em falhas como a cavitação em sistemas industriais.

• Limitação Atual: Os métodos tradicionais baseados em Deep Learning (CNNs e Transformers) geralmente tratam as classes de falha como rótulos independentes e disjuntos. Eles utilizam um mapeamento de fluxo de dados "Input-Output" (DFM) que ignora as dependências hierárquicas naturais entre as classes (ex: a relação entre "cavitação" e "cavitação incipiente").
• Consequência: A falta de consideração dessas relações hierárquicas leva a inconsistências nas previsões e dificulta a detecção de falhas sutis ou em estágios iniciais.
• Objetivo: Desenvolver um framework que incorpore explicitamente o conhecimento hierárquico na função de perda (loss function) para garantir representações e previsões consistentes com a estrutura de classes.

2. Metodologia Proposta: Framework DHK

Os autores propõem o DHK (Deep Hierarchical Knowledge), um framework geral que converte o mapeamento tradicional de fluxo de dados em um Mapeamento de Fluxo Fractal (FFM), onde o conhecimento hierárquico é fundido na função objetivo. O núcleo do método consiste em duas novas funções de perda combinadas:

A. Perda de Árvore Hierárquica Focal (Focal Hierarchical Tree Loss - $L_{FHT}$)

Esta perda visa garantir a consistência entre as previsões e a estrutura da árvore hierárquica.

• Conhecimento Positivo e Negativo:
  • Positivo: Se uma classe filha é positiva, todos os seus ancestrais devem ser positivos.
  • Negativo: Se uma classe ancestral é negativa, todos os seus descendentes devem ser negativos.
• Mecanismo: Modifica a perda de entropia cruzada binária (BCE) impondo restrições onde a pontuação de um nó é limitada pelo mínimo de seus ancestrais (para positivos) e pelo máximo de seus descendentes (para negativos).
• Focalização: Incorpora um fator de modulação (inspirado na Focal Loss) para focar em amostras difíceis de classificar.
• Pesos Adaptativos: Introduz dois esquemas de ponderação baseados na altura da árvore ($h_i$):
  • Peso de Altura Normalizado (NHW): Foca mais em nós de baixo nível (mais granulares).
  • Peso de Altura Proporcional (PHW): Ajusta dinamicamente para evitar viés excessivo em qualquer nível específico.

B. Perda de Tripla de Árvore de Grupo (Group Tree Triplet Loss - $L_{GTT}$)

Esta perda visa modelar o conhecimento estrutural das fronteiras entre classes dentro da mesma hierarquia.

• Conceito de Grupo Hierárquico: Define grupos baseados em superclasses comuns. Amostras "âncora" e "positivas" são selecionadas do mesmo grupo de superclasses, enquanto a "negativa" vem de um grupo diferente.
• Margem Dinâmica Hierárquica: Diferente das perdas de tripla tradicionais com margem fixa, o DHK utiliza uma margem dinâmica baseada na distância na árvore ($\psi$) entre os nós. A margem é ajustada conforme a similaridade semântica definida pela estrutura da árvore, permitindo que o modelo aprenda fronteiras de decisão mais precisas.

Objetivo de Treinamento

A função de perda total é uma combinação ponderada:
$$\mathcal{L} = \frac{h_i}{\sum h_i} \times L_{FHT} + \alpha \times L_{GTT}$$
Onde $\alpha$ é um fator de escala.

3. Principais Contribuições

1. Framework Geral DHK: Uma nova abordagem para FID que pode ser aplicada a qualquer método de aprendizado de representação (CNNs, LNNs, Transformers), convertendo o problema em uma tarefa de classificação multi-rótulo hierárquica.
2. Novas Funções de Perda:
   • Desenvolvimento da Focal Hierarchical Tree Loss com esquemas de ponderação adaptativa (NHW e PHW) para manter o equilíbrio entre níveis hierárquicos.
   • Proposição da Group Tree Triplet Loss com margem dinâmica, que captura relações estruturais de fronteira entre classes.
3. Validação Experimental Robusta: Demonstração de superioridade em quatro conjuntos de dados reais de diferentes domínios industriais.

4. Resultados Experimentais

Os experimentos foram realizados em quatro conjuntos de dados:

• 3 Conjuntos de Dados de Cavitação (SAMSON AG): Cavitation-Short, Cavitation-Long e Cavitation-Noise (com ruído real).
• 1 Conjunto de Dados Público (PUB): Dados de vibração de rolamentos da Universidade de Paderborn.

Desempenho Chave:

• Precisão Geral: O método DHK superou consistentemente os métodos State-of-the-Art (SOTA) e as linhas de base (CNNs e Transformers sem a perda hierárquica).
  • No conjunto Cavitation-Short, o DHK+ResNet34 alcançou 93.57% de acurácia (vs. 88.57% da base).
  • No conjunto Cavitation-Long, com backbones como DenseNet169 e ViT, a acurácia superou 94%.
  • No conjunto Cavitation-Noise, atingiu 99.94% de acurácia.
• Diagnóstico de Falhas Sutis: Houve uma melhoria significativa na detecção de cavitação incipiente (estágio inicial), onde o DHK+UniFormer-B superou a linha de base em até 7.5% em alguns cenários.
• Dados de Rolamentos (PUB): O DHK+PerViT-B alcançou 99.57% de acurácia global, superando todos os métodos comparativos.
• Robustez: O método demonstrou robustez contra ruído de rótulo e manteve alta performance mesmo com redução na frequência de amostragem (simulando sensores de baixa qualidade).
• Custo Computacional: A adição das perdas hierárquicas introduziu um custo computacional mínimo no tempo de treinamento e inferência, tornando-o viável para aplicações industriais em tempo real.

5. Significado e Impacto

• Avanço na Manufatura Inteligente: O DHK oferece uma solução prática para o "quarto pilar da revolução industrial", permitindo diagnósticos mais precisos e não destrutivos de falhas.
• Interpretabilidade e Consistência: Ao forçar o modelo a respeitar a estrutura hierárquica do conhecimento, as previsões tornam-se mais consistentes e interpretáveis (ex: não prever "cavitação severa" se "cavitação" não foi detectada).
• Generalização: A metodologia não se limita à cavitação ou rolamentos; o framework é projetado para ser extensível a qualquer tarefa de classificação hierárquica, como reconhecimento de imagens naturais, diagnóstico médico por estágios ou previsão de funções de proteínas.
• Aplicabilidade Industrial: A capacidade de funcionar bem com ruído e em diferentes frequências de amostragem torna o método pronto para implantação em ambientes industriais reais, onde a qualidade dos dados pode variar.

Em resumo, o artigo apresenta uma inovação metodológica significativa ao integrar conhecimento de domínio (hierarquia de falhas) diretamente na otimização do modelo de aprendizado profundo, resultando em diagnósticos de falhas mais precisos, robustos e confiáveis.