KutupASP Dijital
ENNQ’yu aç

Lab

Her deney tek bir yöntem sorusunu yanıtlar ve yöntemin ne zaman işe yaradığını, ne zaman yanıltabildiğini gösterir. Sentetik verilerle çalışır; hesap bu tarayıcıda, WebAssembly ile yapılır.

Hemen dene ↓Yarım dakikada izleyin0:39

Yarım dakikada Lab

Yedi deneyin nasıl kullanılacağını, bir eşiğin nasıl okunacağını ve nereden başlanacağını kısa bir anlatımla görün.

Metin dökümü

Lab, endüstriyel yapay zekânın arkasındaki yöntemleri deneyerek öğrendiğiniz bir oyun alanıdır. Beş anomali dedektörünü aynı veride yarıştırın; hangisinin sıçramayı, kaymayı ya da seviye değişimini yakaladığını görün. Eşiği kaydırın ve yanlış alarmlar ile kaçan olaylar arasındaki dengeyi izleyin. OEE, proses yeterliliği, PID ayarı, örtüşme ve tahmin tabanlarını sade bir yorumla keşfedin. Hesaplar tarayıcıda C ve WebAssembly ile çalışır. Veriler sentetiktir: yöntem öğretir, saha doğruluğu değil.

Türkçe sürümde altyazılar videoya gömülüdür; “Sesli anlatım” düğmesi, cihazınızın Türkçe sesiyle altyazıları okur.

Üç adımda.

1

Bir deney seçin

Yedi deney aynı sayfada açık. Yukarıdaki gezinmeden birini seçin ya da sırayla kaydırın.

2

Bir denetimi oynatın

Senaryo, eşik, ayar ya da frekans gibi bir denetimi değiştirin; sonuç anında güncellenir.

3

Sonucu okuyun

Özet kart, grafik ve sayılar aynı soruya cevap verir. Her deneyin notunda yöntemin sınırları yazar.

1

Hangi dedektöre güvenmeliyim?

Aynı sentetik seride beş yöntemin dört farklı anomali türünü ne kadar yakaladığını gösterir; gerçek etiketler bilindiği için ölçülebilir.

Senaryo

Hepsi sentetiktir. Test bölümü serinin son yarısıdır.

1
1

1 dengeli ayardır. Artırmak yöntemlerin daha çabuk alarm vermesini sağlar; alarm sayısı artar.

Hesaplanıyor…

Değer serisi ve gerçek anomaliler

Gölgeli alanlar gerçek olaylardır.

Yöntem şeritleri

Kırmızı hücre alarmdır. En üstteki şerit gerçek olayları gösterir.

Yöntemlere göre F1

Yüksek F1, kesinlik ve yakalamanın birlikte iyi olduğunu gösterir.

Yöntem başına kesinlik, yakalama ve F1
Yöntem
  1. 1Ne ölçülüyor? Aynı seri için beş yöntemin alarmları. Kırmızı hücre alarm, en üstteki şerit gerçek olay anlamına gelir.
  2. 2Hangi sayı önemli? F1, kesinlik ve yakalamayı birlikte verir. Yüksek kesinlik az yanlış alarm, yüksek yakalama az kaçırılan olay demektir.
  3. 3Ne zaman kaçırır? Sürüklenme ve düzey kayması gibi değişimlerde tek tek ölçümler normal görünebilir; birikmeyi izleyen yöntemler öne çıkar.
Matematik, isterseniz
Sağlam z puanı = |x − medyan| / (1,4826 × MAD), eğitim bölümünde hesaplanır. Regresyon artığı: eğitim bölümüne en küçük kareler doğrusu uydurulur; artık / artık standart sapması. EWMA ve CUSUM, eğitim bölümüne uydurulan “doğru + bir devir” modelinin artıkları üzerinde çalışır; devir uzunluğu 8–120 örnek arasında eğitimde seçilir. Isolation Forest: 100 ağaç, örnek boyu 128; eşik eğitim puanlarının %99’udur. Hassasiyet, her sınırı nominal değerinin tersiyle ölçekler.

Kesinlik = TP / (TP + FP), yakalama = TP / (TP + FN), F1 = 2TP / (2TP + FP + FN). Sayılar yalnızca test bölümünde sayılır.

2

Daha çok alarm, daha iyi sonuç mu?

Bir yöntemin alarm eşiğini değiştirin ve yanlış alarm ile kaçırılan olay arasındaki dengeyi izleyin.

Seri ve senaryo birinci deneyden gelir; bu deney aynı seriyi kullanır.

—

Eşik, seçili yöntemin puan biriminde. Sağa çekmek alarmı zorlaştırır.

Hesaplanıyor…

–

Sağa ve yukarı iyidir. İşaretli nokta mevcut eşiktir.

F1, eşiğe göre

Tepe, en iyi F1’in olduğu eşiktir.

Bu deneyde eşik aynı test bölümünde seçilir; sonuç bu yüzden iyimserdir. Gerçek bir son test için eşiği ayrı bir bölümde seçin ve son testi tek kez çalıştırın.

  1. 1Eşik ne yapar? Eşik yukarı çekildikçe alarm azalır. Yanlış alarmlar düşer, ama gerçek olaylar da kaçmaya başlar.
  2. 2Tepe nerede? F1 eğrisinin tepesi, kesinlik ve yakalamanın en dengeli olduğu eşiktir. Bu eşiğe her zaman gerçek bir testte bakın.
  3. 3Dört kutu ne söyler? Gerçek olay yakalandı, yanlış alarm, kaçırılan olay ve sessiz-doğru sayıları. Toplamları test satırı sayısına eşittir.
Matematik, isterseniz

Eşik t için alarm: puan > t. Her t için TP, FP, FN, TN sayılır; kesinlik, yakalama ve F1 bu sayılardan hesaplanır. Hiç alarm yoksa kesinlik tanımsızdır ve çizilmez.

3

OEE nereye gitti?

Planlı zamanın ne kadarının iyi üretime dönüştüğünü ve kayıpların hangi sırayla oluştuğunu gösterir.

Varsayılan: 480 dakikalık planlı süre, 420 dakika çalışma, 2 sn ideal çevrim.

Hesaplanıyor…

Kayıp şelalesi

Planlı süreden başlayıp her kaybı sırayla düşer; sonunda OEE kalır.

OEE

İbre OEE değerini gösterir; renkler 60 ve 85 % sınırlarını ayırır.

Grafikteki 85 %, sık anılan bir kıyas değeridir; sizin hedefiniz değil.

  1. 1Kayıp sırası Önce duruşlar, sonra hız kaybı, sonra kalite kaybı düşülür. Her çubuk bir kaybın büyüklüğüdür.
  2. 2En büyük kayıp Hangi kaybın daha büyük olduğu cümlede yazar. Kayıbı azaltmak için önce o kayba bakın.
  3. 385 %’in anlamı Sık anılan bir kıyas değeridir. Sizin proses ve ürününüz için doğru hedef farklı olabilir.
Matematik, isterseniz

A = çalışma / planlı süre · P = (ideal çevrim × toplam adet) / (çalışma süresi × 60) · Q = iyi adet / toplam adet · OEE = A × P × Q.

Performans %100’ü aşarsa ideal çevrim süresi ya da adet yanlış olabilir. Değer kırpılmaz; girdileri kontrol edin.

4

Süreç toleransa uyuyor mu?

Ölçümlerin dağılımını spec sınırlarıyla karşılaştırır ve Cp, Cpk, Pp, Ppk değerlerini hesaplar.

Kendi ölçümlerim

Her satıra bir ölçüm. Ondalık virgül kullanabilirsiniz. En az 20 ölçüm.

Hesaplanıyor…

Dağılım ve spec sınırları

Kırmızı çubuklar spec dışındadır. Kesikli eğri normal dağılımdır.

  1. 1Cp ile Cpk farkı Cp yalnızca genişliğe bakar. Cpk ortalamanın sınırlara yakınlığını da hesaba katar; aralarındaki fark kaymayı gösterir.
  2. 21,33 nedir? Yaygın kullanılan bir hedeftir. Sizin müşteriniz ya da standardınız farklı bir değer isteyebilir.
  3. 3Normallik Dağılım normal değilse Cp ve ppm tahminleri kaba olabilir; Jarque–Bera p değeri bunu işaretler.
Matematik, isterseniz

Cp = (USL − LSL) / (6σw) · Cpk = min(USL − μ, μ − LSL) / (3σw) · Pp ve Ppk aynı formüllerin genel σ ile hâlidir.

σw, ardışık ölçümlerin hareketli açıklığından (MR / 1,128) tahmin edilir. Normallik Jarque–Bera testiyle kontrol edilir; p düşükse Cp ve ppm tahminleri kaba olabilir.

5

Bir kontrol döngüsü nasıl tepki verir?

Basit bir sürecin PID denetleyiciyle nasıl dengeye oturduğunu gösterir; ayarları değiştirin ya da bir öneri isteyin.

Hazır ayarlar

2.2
5 s
0 s

Süreç

1
8 s
1 s

Hesaplanıyor…

Süreç değeri

Kesikli çizgi, öneri uygulanırsa beklenen tepkidir.

Denetleyici çıkışı

Çıkış %0 ile %100 arasında sınırlıdır.

  1. 1Üç ayar Kp tepkiyi hızlandırır, Ti sürekli hatayı giderir, Td salınımı sönümler. Birini artırmak diğerlerinin etkisini değiştirir.
  2. 2Aşım ile salınım Aşım, hedefin üstüne çıkmaktır. Birkaç kez tekrarlanıyorsa salınım vardır; hedefe oturmak için ne kadar sürdüğüne bakın.
  3. 3Yük bozucusu Yarı yolda eklenen yük, denetleyicinin toparlanmasını sınar. Toparlanma süresi bu sınamadır.
Matematik, isterseniz

Süreç: τ·dy/dt = −y + K·u(t − θ), birinci dereceden ve ölü zamanlı. Denetleyici: u = Kp·e + (Kp/Ti)·∫e dt + Kp·Td·de/dt, u %0–100 arasında sınırlı. Hedef %50.

IAE = ∫|hedef − süreç değeri| dt (küçük = iyi). Öneri, Kp × Ti × Td ızgarasında (11 × 5 × 2, en çok 110 simülasyon) IAE’yi en küçükleyen ve aşımı %20’nin altında kalan ayarı arar. Yalnızca bu süreç modeli için geçerlidir.

6

Hızlı titreşim neden yavaş görünür?

Bir sinyali belirli bir hızda örneklediğinizde yanlış bir frekansta görünebileceğini gösterir.

Bir saniyelik kayıt. Örnekleme hızı fs, saniyedeki örnek sayısıdır.

60 Hz
50 Hz

Hesaplanıyor…

Sinyal ve örnekler

Noktalar örneklerdir; çizgi örneklerden geçen doğrudur.

Görünen frekans

Gerçek frekans ile Nyquist sınırının konumu.

  1. 1Nyquist sınırı Örnekleme hızının yarısı. Bu sınırın altındaki frekanslar doğru izlenir; üstündekiler kaydırılmış gibi görünür.
  2. 2Görünen frekans Ölçümde gördüğünüz frekans. Gerçek frekans ile görünen frekans farklıysa örnekleme yetersizdir.
  3. 3Çözüm Örnekleme hızını artırın ya da örneklemeden önce analog süzgeçle yüksek frekansları kesin.
Matematik, isterseniz

Nyquist sınırı = fs / 2. Görünen frekans = |f − round(f / fs) · fs|. f < fs/2 ise görünen frekans f’nin kendisidir.

Örnekler t = k / fs anlarında alınır. Bu deney tek bir kanalın örnekleme etkisini gösterir; anti-alias süzgecini modellemez.

7

Akıllı model basit modeli geçiyor mu?

Mevsimsel bir seriyi üç basit ve iki karmaşık yöntemle tahmin eder ve test bölümündeki hatalarını karşılaştırır.

2
Gösterilecek tahminler

Seri 240 saat: ilk 192 saat eğitim, son 48 saat test.

Hesaplanıyor…

Seri ve tahminler

Dikey çizgi eğitim ile testi ayırır. Grafik dışına çıkan çizgiler kırpılır.

MAE

Kısa çubuk daha iyidir.

Hata tablosu

YöntemMAE
  1. 1Temel model Mevsimsel naif tahmin, bir gün önceki değeri tekrar eder. Bu, geçilmesi gereken çıtadır.
  2. 2MAE ve MASE MAE ortalama mutlak hatadır. MASE, bu hatayı eğitimdeki naif tahminin hatasına böler; 1’in altı naif tahminden iyi demektir.
  3. 3Tek pencere Test 48 saatlik tek bir pencerededir. Bir sonucun genel geçerli olduğunu söylemek için başka dönemlere de bakın.
Matematik, isterseniz

Naif: son eğitim değeri. Mevsimsel naif: 24 saat önceki değer. 24 saatlik ortalama: son 24 eğitim değerinin ortalaması.

Holt: α, β, φ ızgarasında (7 × 4 × 4) bir adım ileri MAE’yi en küçükleyen değerler; tahmin l + b·(φ + … + φh). Kalman: KutupML.trendFit ile en çok olabilirlik; tahmin düzey + eğim × h.

MASE = MAE / (eğitimde naif tahminin ortalama mutlak hatası). Holt ve Kalman mevsimselliği modellemez; Kalman’ın eğimi döngüyü izleyebilir ve bu yüzden sapabilir.

Sonucu nasıl okurum?

  1. 1Ne okuyorum? Her deney kendi sorusunu sorar. Sayfayı baştan sona okumak zorunda değilsiniz; ilgilendiğiniz deneyden başlayın.
  2. 2Eşik ve hassasiyet ne yapar? İkisi de yöntemin ne kadar çabuk alarm vereceğini değiştirir. Bir ayarı artırdığınızda kesinlik ile yakalama birlikte değişir; ikisini birlikte okuyun.
  3. 3Yüksek skor yeterli mi? Yüksek F1, sentetik senaryoda iyi bir uyum demektir. Bu tek bir ölçüm, sahadaki kanıtın yerini tutmaz.
  4. 4Temeli referans alın Naif, mevsimsel naif ve sağlam z puanı gibi basit yöntemler her zaman referanstır. Yeni bir yöntem ancak bu temelleri geçerse öne çıkar.
Lab sentetik verilerle çalışır. Sonuçlar yöntemlerin nasıl davrandığını gösterir; gerçek bir arızayı yakalama doğruluğunu ölçmez ve arıza teşhisi değildir. Gerçek veride kullanmadan önce kendi etiketli test bölümünüzle ayrıca doğrulayın.

Sık sorulanlar

Lab ne işe yarar?

Sık kullanılan mühendislik ve veri yöntemlerini, her birinin ne zaman işe yaradığını ve ne zaman yanıltabildiğini gösteren küçük deneylerle sunar: anomali dedektörleri, alarm eşikleri, OEE, proses yeterliliği, PID, örnekleme ve tahmin.

Deneylerdeki veriler gerçek mi?

Hayır. Tüm seriler matematiksel olarak üretilir ve her ziyarette aynı kalır (sabit tohum). Gerçek bir tesisi temsil etmezler; yalnızca yöntemlerin nasıl davrandığını gösterirler.

Sentetik sıçramalar neden gerçek olaylardan daha kolay bulunur?

Yapay bir sıçrama, tasarlandığı kadar belirgin ve temizdir. Gerçek verilerde sensör gürültüsü, bakım etkileri ve eksik ölçümler işi zorlaştırır. Bu yüzden bir deneydeki başarı, sahadaki başarının bir üst sınırı gibi okunmalıdır.

Lab bir şey yüklüyor mu?

Hayır. Hesaplar, grafikler ve dışa aktarılan dosyalar tarayıcınızda çalışır. Yapıştırdığınız sayılar hiçbir sunucuya gönderilmez ve sayfa kapandığında silinir.

Neden her yöntemi basit bir temel modelle karşılaştırıyoruz?

Karmaşık bir model, basit bir kuralı geçmediği sürece değer katmaz. Mevsimsel naif tahmin ya da sağlam z puanı gibi temel yöntemler ucuzdur ve kolay açıklanır; yeni bir yöntem ancak onları daha düşük hatayla geçerse kullanılmayı hak eder.

Daha derine inin.

Tüm kütüphane

İlgili sorular

Tüm sorular
Alarm eşiği için precision ve recall nasıl hesaplanır?OEE nasıl hesaplanır?Cp ve Cpk nedir, nasıl hesaplanır?Nyquist kuralı nedir, aliasing ne demektir?PID döngüsü neden salınım yapar?
ASP Dijital

Bir üretim problemiyle başlayalım.

Veri kaynağınızı, mevcut sisteminizi ve iyileştirmek istediğiniz kararı birlikte değerlendirelim.

Projenizi konuşalım ↗