Question 1

Os dados utilizados para este estudo (slide 33) são do NREL?

Accepted Answer

Sim. O dataset da NREL (National Renewable Energy Laboratory) disponibiliza dados rotulados de ensaios do gearbox de um aerogerador.

Question 2

Os datasets utilizados estão disponíveis online?

Accepted Answer

Em parte. O dataset da NREL do primeiro exemplo está disponível online. Mas é preciso entrar em contato com o laboratório para ter autorização de download. Os dados dos outros exemplos não internos e não estão disponíveis publicamente.

Question 3

Foi utilizada uma estratégia supervisionada para o caso dos orbitais? O algoritmo foi treinado apenas para desbalanceamento neste caso (#2)? Ou desalinhamento também?

Accepted Answer

Sim, a estratégia foi supervisionada. Nós tínhamos dados de vibração de ensaios que executamos com a máquina da bancada saudável e também com defeitos inseridos (diferentes pesos colocados para desbalancear a máquina). E sim, neste exemplo o foco do diagnóstico foi o desbalanceamento. Porém a abordagem tem potencial para outros modos de falha tal como desalinhamento, embora não tenha sido foco do estudo mostrado.

Question 4

Gostaria de saber quantos modelos de ANN geralmente são treinados antes de seguir com uma nova abordagem por ex. KNN, ​já que os parâmetros iniciais de uma ANN tem um grande impacto na sua exatidão e overfitting. Além disso, utilizaram outras abordagens como redes recorrentes, convolucionais, Boltzmann Machine, etc."

Accepted Answer

No exemplo citado algumas redes neurais foram treinadas, mas os resultados não foram melhores do que o KNN. Considerando o tempo limitado para otimizar e vendo estes resultados melhores em outro algoritmo, não houve necessidade de ser exaustivo no treinamento das ANN. Já outras abordagens aplicando redes neurais recorrentes ou convolucionais e Boltzmann Machine nós ainda não temos casos que possam ser publicados.

Question 5

Qual ferramental (matlab, python, R, scikit-learn:, etc ..) vocês costumam utilizar?"

Accepted Answer

Linguagem R para tratamento de dados e inferência estatística. Python para modelos e algoritmos de Machine Learning, usando principalmente o pacote scikit-learn.

Question 6

Existe alguma aplicação com descargas parciais também?

Accepted Answer

A AQTech tem foco principalmente em vibração, entreferro e fluxo magnético, então nós ainda não aplicamos para descargas parciais. Porém é de nosso conhecimento que existem aplicações acadêmicas publicadas na literatura. Então a abordagem é aplicável, algoritmos de Machine Learning podem ser treinados com dados brutos de descargas parciais de maneira similar ao que foi mostrado nos exemplos para dados de vibração e SCADA.

Question 7

Estudo (#4): Foi mencionado que o objetivo era diagnóstico. Não seria detecção de falha? Como o diagnóstico é realizado se 5 variáveis apenas foram utilizadas (temperatura ambiente, velocidade, potência, direção e outra que não recordo)? Exemplo: se o dado saiu das bandas de limite vocês conseguem acusar a causa atualmente?"

Accepted Answer

No exemplo a principal função é a detecção de falhas, que é parte do diagnóstico. A indicação da causa raiz não é realizada automaticamente. Como foi mostrado, a detecção é realizada comparando os dados monitorados (máquina real) com os dados equivalentes simulados (gêmeo digital) para indicar, por exemplo, componentes aquecendo mais do que o normal. A partir destes outliers nos resíduos (real vs virtual) e cruzando os eventos com históricos de manutenção se estabelece uma correlação bem útil para a equipe de manutenção encontrar as causas da anomalia.

Machine Learning para o diagnóstico e prognóstico no setor elétrico

Ficou com alguma dúvida? Fale conosco!

Entre em contato conosco para conhecer as soluções da AQTech e tirar as suas principais dúvidas!