DyEdgeGAT: حافة ديناميكية عبر الانتباه الرسومي للكشف المبكر عن الأعطال في أنظمة IIoT

في إنترنت الأشياء الصناعي (IIoT)، تُظهر إشارات مستشعرات مراقبة الحالة من الأنظمة المعقدة ديناميات فضائية-زمنية غير خطية وعشوائية تحت ظروف متغيرة، مما يجعل كشف العيوب تحديًا كبيرًا. وعلى الرغم من أن الطرق السابقة نجحت في نمذجة هذه الديناميات المعقدة، إلا أنها غالبًا ما تتجاهل تطور العلاقات بين إشارات المستشعرات. وقد يؤدي عدم اكتشاف التغيرات في هذه العلاقات إلى أعطال جسيمة في النظام. علاوةً على ذلك، تُخطئ هذه الطرق أحيانًا في تصنيف الظروف التشغيلية الجديدة على أنها أعطال. ولمعالجة هذه القيود، نقترح طريقة جديدة تُسمى DyEdgeGAT (حافة ديناميكية عبر الانتباه الرسومي)، وهي منهجية مبتكرة لكشف العيوب في المراحل المبكرة في أنظمة IIoT. تكمن الابتكار الرئيسي في DyEdgeGAT في خطة استنتاج رسومية جديدة للسلاسل الزمنية متعددة المتغيرات، والتي تراقب تطور العلاقات بين السلاسل الزمنية، وذلك بفضل بناء حواف ديناميكية. كما يُعد الابتكار الآخر في DyEdgeGAT قدرتها على دمج سياقات الظروف التشغيلية في نمذجة ديناميات العقد، مما يعزز دقة الأداء وثباته. وقد تم تقييم DyEdgeGAT بشكل دقيق باستخدام مجموعة بيانات مُصَنَّعة تُحاكي مستويات مختلفة من شدة العطل، بالإضافة إلى معيار ميداني حقيقي على مقياس صناعي واسع يشمل تدفقات متعددة المراحل، يضم أنواعًا متنوعة من العيوب تحت ظروف تشغيلية متغيرة وصعوبات كشف مختلفة. وأظهرت النتائج أن DyEdgeGAT تتفوق بشكل ملحوظ على الطرق الأساسية الأخرى في كشف العيوب، خصوصًا في المراحل المبكرة ذات الشدة المنخفضة، كما تُظهر أداءً قويًا وثابتًا حتى في ظل ظروف تشغيلية جديدة.