Wavelet transform and instance-based methods for non-stationary time series analysis
Francesco Cannarile · 2019
Nell'era dell'Industria 4.0, una quantita crescente di serie temporali viene raccolta in varie applicazioni tra cui, ad esempio, assistenza sanitaria, finanza, metereologia, astronomia, produzione industriale e ingegneria dell'affidabilita. Questa tesi di dottorato e motivata dalla Prognostics and Health Management (PHM) che e un campo interdisciplinare di ricerca e applicazione volto a rilevare l’insorgenza di un processo di degrado di componenti industriali, diagnosticare le sue cause, prevedere la sua vita utile rimanente (RUL) e gestirne la manutenzione in modo proattivo per migliorare la sicurezza, la disponibilita e affidabilita del sistema. La PHM richiede il monitoraggio di un gran numero di parametri del componente in esame per valutarne lo stato di salute. I parametri monitorati di interesse pratico sono, di solito, serie temporali non stazionarie, cioe tali che le loro proprieta statistiche e in frequenza cambiano nel tempo. La non stazionarita di queste serie temporali e dovuta al fatto che i parametri monitorati sono influenzati dall'ambiente in cui opera il componente, che di solito si evolve col passare del tempo, e al degrado del componente che e un processo irreversibile che tipicamente causa drift monotoni sui parametri osservati. Un'altra difficolta della PHM e che le informazioni sul reale livello di degrado del componente non sono disponibili in molte applicazioni a causa dei costi elevati per ottenerne una loro stima. Di conseguenza, i dati disponibili sono, tipicamente, serie temporali incomplete, caratterizzate da censura a destra. Queste difficolta nella PHM hanno motivato lo sviluppo di metodi di analisi per serie temporali con i seguenti obiettivi di ricerca: I) sviluppo di un metodo di rilevamento delle anomalie per serie temporali non stazionarie; II) sviluppo di uno schema di classificazione per curve non stazionarie e III) sviluppo di un metodo di regressione basato sulla similarita per la previsione di serie temporali in presenza di dati incompleti. Da un punto di vista della PHM i tre obiettivi di ricerca corrispondono rispettivamente al problema del rilevamento di guasti o anomalie, alla diagnostica di guasto e alla prognostica di guasto. Per raggiungere questi obiettivi, sono stati considerati metodi basati sulla trasformata wavelet e basati su istanze (noti anche come metodi basati sulla similarita). Per quanto riguarda l'obiettivo di ricerca I), e stato sviluppato un nuovo metodo per la validazione di dati raccolti da sensori che si basa sull'analisi delle proprieta di regolarita dei dati attraverso l'uso congiunto di Trasformata Wavelet Continua (TWC) e analisi delle immagini. Il rilevamento di possibili anomalie viene eseguito confrontando la similarita tra lo scalogramma ottenuto dal segnale di test e quelli di training ottenuti da dati storici in condizioni nominali con una soglia. Il metodo sviluppato e stato applicato con successo ai segnali di temperatura di una pompa di raffreddamento di un reattore nucleare. A differenza dei metodi di validazione tipici che rilevano malfunzionamenti del sensore osservando le variazioni nelle relazioni tra le misurazioni fornite dai diversi sensori, la soluzione proposta puo essere applicata sistematicamente a una flotta di impianti, senza richiedere il raggruppamento dei sensori. Per quanto riguarda l'obiettivo di ricerca II), e stato sviluppato un nuovo sistema di classificazione per dati funzionali per diagnosticare il livello di degrado di componenti industriali. Il sistema di classificazione diagnostico sviluppato combina, trasformata wavelet discreta, registrazione elastica e regressione logistica multinomiale con penalita di tipo Least Absolute Shrinkage and Selection Operator (LASSO). Il metodo proposto e stato applicato con successo a due casi studio riguardanti la diagnosi del livello di degrado di valvole solenoidali installate sul sistema di frenatura di treni e di coltelli utilizzati nell'industria dell'imballaggio. La soluzione proposta che, per quanto a nostra conoscenza, e un nuovo approccio per la diagnosi del livello di degrado di componenti industriali ha mostrato avere migliori performance di classificazione rispetto ad approcci tradizionali usati nel campo PHM. Infine, rispetto all'obiettivo di ricerca III), e stato sviluppato un nuovo algoritmo per la predizione della vita utile rimanente di componenti industriali in grado di sfruttare anche le informazioni fornite da traiettorie di degrado incomplete. Il nuovo metodo sviluppato combina l’uso della nozione di similarita tra traiettorie di degrado con la teoria di Dempster-Shafer. L’applicazione a due casi studio riguardante motori a turbina e utensili da taglio utilizzati nell’industria dell’imballaggio, ha dimostrato che il metodo sviluppato fornisce previsioni della vita utile rimanente piu accurate rispetto a un metodo classico di regressione basato sulla nozione di similarita tra traiettorie di degrado. Inoltre, il tale metodo consente di quantificare accuratamente l'incertezza delle previsioni della vita utile rimanente dei componenti. I risultati ottenuti mostrano che i metodi di serie temporali sviluppati possono essere efficaci nelle applicazioni industriali di PHM e possono supportare lo sviluppo di strategie di manutenzione predittiva.