Resumo Técnico: Evidência Fisicamente Verificável e Relatórios Baseados em LLM para Diagnóstico de Falhas de Rolamentos

1. Definição do Problema

A implementação de diagnóstico de falhas baseado em IA em sistemas mecânicos críticos para a segurança enfrenta um gargalo crítico: a falta de verificabilidade nos outputs do modelo. Os diagnosticadores inteligentes atuais tipicamente produzem um rótulo de classe com um escore de confiança softmax. Esse escore de confiança é uma estatística interna do classificador, não oferecendo um meio independente para verificar se uma previsão se alinha com a realidade física antes que ações de manutenção sejam tomadas. Além disso, o uso crescente de Grandes Modelos de Linguagem (LLMs) generativos para automatizar relatórios de manutenção introduz um segundo risco: o potencial de conteúdo "alucinado" entrar nos relatórios, onde as afirmações não podem ser rastreadas a uma fonte verificável.

Pesquisas existentes tentam abordar isso através de arquiteturas de codificação melhoradas, interpretabilidade post-hoc (ex: Grad-CAM), treinamento informado por física, quantificação de incerteza ou integração de LLM. No entanto, os autores argumentam que esses métodos falham em fornecer uma quantidade que possa ser checada contra uma referência física conhecida independentemente no momento da inferência. Mapas de atribuição carecem de valores de referência teóricos; o treinamento informado por física consome o conhecimento físico internamente sem devolvê-lo ao usuário; e detectores baseados em confiança são cegos quando o modelo está confiantemente errado.

2. Metodologia

O artigo propõe a Rede de Evidência Diagnóstica (DENet), um framework multitarefa agnóstico ao encoder, projetado para estender o output diagnóstico de um simples par rótulo–confiança para um registro de evidência estruturado e fisicamente verificável. O framework consiste em três componentes principais:

A. Encoder BiMS-Mamba

O backbone padrão é um encoder Bidirectional Multi-scale Mamba (BiMS-Mamba). Ele utiliza Modelos de Espaço de Estado Seletivos (S6) para capturar tanto padrões transientes locais (impulsos) quanto dependências temporais globais (assinaturas periódicas) com complexidade computacional linear $O(T)$. Principais características de design incluem:

• Varredura Bidirecional: Dois ramos Mamba independentes varrem o sinal para frente e para trás para capturar o contexto completo.
• Processamento Multi-escala: O sinal de entrada é processado em múltiplas resoluções (escalas 1, 2, 4) para capturar tanto impulsos de alta frequência quanto padrões de repetição de baixa frequência, fundindo-os via atenção de canal.

B. Rede de Evidência Diagnóstica (DENet)

A DENet aumenta o encoder com duas tarefas auxiliares restritas pela física, ao lado da classificação de falha primária:

1. Regressão de Frequência Característica: A rede prevê a frequência característica (ex: BPFO, BPFI) com base na geometria do rolamento e velocidade do eixo.
   • Estratégia de Rotulagem: Para amostras de falha, o alvo é a frequência característica teórica; para amostras normais, o alvo é a frequência de rotação do eixo ($f_r$).
   • Aumento de Treinamento: Um aumento de estiramento temporal (redimensionando o tempo por $r \in [0.8, 1.25]$) é aplicado para evitar que a rede memorize uma tabela de consulta classe-para-frequência, forçando-a a extrair informações de frequência do conteúdo do sinal.
   • Output: Um valor de frequência previsto que pode ser comparado contra o valor teórico derivado da geometria específica do rolamento.
2. Localização de Impulso Transiente: Um head de nível de sequência produz um mapa de probabilidade de eventos de impulso transiente.
   • Geração de Ground Truth: Os rótulos são gerados via um pipeline automatizado (transformada de Hilbert, suavização, detecção de picos) para identificar regiões de energia transiente elevada, independentemente de originarem de falhas ou de excitações mecânicas benignas.

C. Geração de Relatório Baseada em LLM

Um LLM adaptado via QLoRA (baseado no Qwen2.5-7B-Instruct) é empregado para traduzir o registro de evidência estruturada em relatórios de linguagem natural.

• Divisão Estrita de Trabalho: O LLM atua estritamente como um tradutor, não como um diagnosticador. Ele recebe as decisões (classificação, frequência, estatísticas de impulso) tomadas pela DENet e as renderiza em prosa.
• Restrição: O LLM é ajustado (fine-tuned) para garantir que cada afirmação no relatório seja rastreável a um campo de evidência específico, evitando a geração de alegações não suportadas ou quantidades fabricadas.

3. Principais Contribuições

1. Framework DENet: Um framework agnóstico ao encoder que estende o output diagnóstico para incluir evidência física por amostra (previsão de frequência característica e localização de impulso transiente) sem custo de acurácia estatisticamente significativo. O head de frequência alcança um Erro Médio Absoluto (MAE) de aproximadamente 6 Hz em segmentos de 1.024 pontos, um regime onde a estimativa espectral tradicional (FFT) é estruturalmente inaplicável devido à insuficiência do comprimento do sinal.
2. Sinal de Confiabilidade Independente: O desvio entre a frequência prevista e a teórica ($|\Delta f|$) serve como um sinal de validação de tempo de inferência livre de rótulos. Ele detecta classificações errôneas com alto AUROC (0.970 no Paderborn, 0.871 no JNU) e permanece discriminativo no regime de alta confiança, onde os detectores baseados em softmax são cegos.
3. Integração de IA Generativa Responsável: Um framework para relatórios de manutenção onde um LLM ajustado traduz as decisões da DENet. O estudo demonstra que, enquanto proibições ao nível de prompt deixam 10–12% dos relatórios com alegações não suportadas, o ajuste fino leve via QLoRA reduz essa taxa para 2% e elimina completamente quantidades fabricadas.

4. Resultados Experimentais

O framework foi avaliado em três conjuntos de dados públicos: CWRU (10 classes), Paderborn (3 classes) e JNU (4 classes, velocidade mista).

• Desempenho de Classificação: O encoder BiMS-Mamba com DENet alcançou acurácia de estado da arte ou competitiva (ex: 99.81% na CWRU, 98.68% na Paderborn, 99.47% na JNU) sem sacrificar o desempenho em comparação com baselines de apenas classificação. Estudos de ablação confirmaram que as tarefas auxiliares não impõem penalidade mensurável de acurácia.
• Previsão de Frequência: No conjunto de dados Paderborn, o MAE de frequência foi de 6.17 Hz. Crucialmente, no conjunto JNU de velocidade mista, o modelo alcançou um MAE de 6.10 Hz, superando significativamente um preditor constante por classe (9.37 Hz), provando que o modelo aprende estimativa de frequência fundamentada no sinal em vez de uma tabela de consulta.
• Sinal de Confiabilidade ($|\Delta f|$):
  • A métrica de desvio de frequência detectou classificações errôneas com um AUROC de 0.970 (Paderborn) e 0.871 (JNU), comparável aos escores de confiança calibrados.
  • Ponto Cego de Alta Confiança: No subconjunto de amostras com confiança softmax > 0.99, o check de frequência identificou erros que os detectores baseados em confiança perderam. Por exemplo, na Paderborn, diagnósticos com $|\Delta f| > 10$ Hz foram classificados incorretamente cerca de 19 vezes mais frequentemente do que aqueles consistentes com a frequência, mesmo quando o classificador estava altamente confiante.
• Qualidade do Relatório:
  • Fidelidade: O ajuste fino reduziu a "taxa de alegação não suportada" de 18% (zero-shot short prompt) para 2%, e a "taxa de quantidade fabricada" de 10% para 0%.
  • Avaliação de Especialistas: Avaliações cegas por especialistas do domínio mostraram que o modelo ajustado superou significativamente os baselines zero-shot em precisão técnica (4.50 vs. 3.54), legibilidade e capacidade de ação.

5. Significância e Alegações

O artigo afirma deslocar o gargalo do diagnóstico de falhas inteligente da acurácia para a verificabilidade. Sua principal significância reside em fornecer um mecanismo para checar uma previsão contra a realidade física (geometria do rolamento e velocidade do eixo) antes de agir sobre ela.

• Checagem de Consistência Física: O desvio de frequência proposto atua como um subproduto de "custo zero" do diagnóstico que permite a validação cruzada automatizada. Ele possibilita uma regra de escalonamento simples (ex: se $|\Delta f| > 10$ Hz, sinalizar para revisão de especialista) mesmo quando o classificador reporta alta confiança.
• IA Generativa Confiável: O trabalho fornece evidência quantitativa de que para relatórios críticos para a segurança, o ajuste fino é necessário sobre a engenharia de prompt isolada. Demonstra que LLMs podem ser restringidos para atuar como tradutores fiéis de outputs determinísticos de modelos, eliminando alucinações e garantindo que cada afirmação seja rastreável a um campo de evidência específico.
• Limitações: Os autores notam modestamente que o check de desvio de frequência atualmente aplica-se apenas a previsões de classe de falha (não para previsões "Normais", que são uma grande fonte de detecções perdidas na prática). Eles também esclarecem que nenhuma alegação causal é feita sobre o mecanismo de desvio (um grande desvio pode resultar de sinais ambíguos afetando ambos os heads simultaneamente), e a validação é atualmente limitada a datasets de laboratório com danos artificiais.