دراسة بحثية حول خوارزميات التعلم الآلي غير المراقب للاكتشاف المبكر للأعطال في الصيانة التنبؤية

أصبح مجال الصيانة التنبؤية ذو أهمية كبيرة في السنوات القليلة الماضية لأسباب متنوعة. ومع نمو خوارزميات ومنهجيات جديدة عبر طرق التعلم المختلفة، لا يزال من التحديات بالنسبة للصناعات اعتماد الطريقة المناسبة والقوية التي توفر أكثر اكتشاف دقيق. يعد اكتشاف الأعطال أحد المكونات الحرجة للصيانة التنبؤية؛ حيث تحتاج الصناعات بشدة إلى الكشف عن الأعطال مبكرًا وبدقة. في بيئة الإنتاج، لتقليل تكلفة الصيانة، يتطلب أحيانًا بناء نموذج ببيانات تاريخية قليلة أو معدومة. في مثل هذه الحالات، سيكون التعلم غير المراقب خيارًا أفضل لبناء النموذج. في هذه الورقة، اخترنا بيانات اهتزاز بسيطة تم جمعها من مروحة عادم، وقمنا بتطبيق خوارزميات تعلم غير مراقب مختلفة مثل إحصاء PCA T 2، والتجميع الهرمي، وتجميع K-Means، وتجميع Fuzzy C-Means، والتجميع المعتمد على النموذج لاختبار دقتها وأدائها وقوتها. في النهاية، اقترحنا منهجية لمعايرة خوارزميات مختلفة واختيار النموذج النهائي.