RESUMO Apresentamos uma estrutura geral e adaptável para detectar mudanças de regime em dados complexos e não estacionários em experimentos multi‐teste. Enquanto os métodos tradicionais de detecção de pontos de mudança se concentram em identificar mudanças abruptas dentro de uma única série temporal (um único teste), nossa abordagem identifica mudanças que ocorrem entre os testes, acomodando variações devido a inconsistências experimentais, como diferentes momentos ou durações de eventos. Ao utilizar métricas diversificadas, incluindo análise topológica de características de tempo‐frequência no espectro e nos espectrogramas, nosso método fornece uma estrutura robusta para detectar mudanças entre os testes. Essa flexibilidade permite que ele aborde uma variedade de cenários com diferentes suposições estatísticas, incluindo diferentes níveis de estacionaridade dentro e entre os testes. Validamos nossa abordagem por meio de simulações utilizando processos autorregressivos variáveis no tempo exibindo várias mudanças de regime. Nossos resultados destacam a eficácia do método em detectar mudanças entre os testes sob condições variadas. Além disso, mostramos seu potencial para aplicações práticas analisando sinais de vibração do conjunto de dados de mancais da NASA. Por meio da análise de tempo‐frequência, nossa estrutura identifica com precisão falhas em mancais, demonstrando sua forte capacidade para detecção precoce de falhas na manutenção preditiva de sistemas mecânicos.
Yaagoubi et al. (Quarta-feira,) estudaram essa questão.