نهج الترميز التغيري لتقييم قابل للتفسير لتقدير العمر المتبقي المفيد

تم اقتراح طريقة جديدة لتقييم بيانات مراقبة محركات الطائرات. عادةً، تستخدم أنظمة التنبؤ والصيانة الصحية (Prognostics and Health Management) معرفة بعمليات التدهور الخاصة بمكونات معينة في المحركات إلى جانب آراء الخبراء المهنيين للتنبؤ بالعمر الباقي المستخدم (Remaining Useful Life - RUL). ظهرت مؤخرًا مناهج قائمة على البيانات لتوفير تشخيصات دقيقة دون الاعتماد على هذه العمليات المكلفة. ومع ذلك، تفتقر معظم هذه المناهج إلى عنصر تفسيري يُمكّن من فهم عملية تعلّم النموذج أو طبيعة البيانات. لسد هذه الفجوة، نقترح منهجًا جديدًا يعتمد على الترميز التبايني (variational encoding). يتكون النموذج من مشفر تكراري (recurrent encoder) ونموذج انحدار: حيث يتعلم المشفر تقليل حجم البيانات المدخلة إلى فضاء خفي (latent space)، والذي يُستخدم كأساس لبناء خريطة ذات تفسير ذاتي يمكن من خلالها تقييم معدل التدهور البصري لمحركات الطائرات. يتم تنظيم الحصول على هذا الفضاء الخفي من خلال دالة تكلفة جديدة تُوجه بواسطة الاستدلال التبايني (variational inference) وحدة تُعاقب أخطاء التنبؤ. ونتيجة لذلك، لا يتم تحقيق تقييم قابل للتفسير فحسب، بل أيضًا دقة تنبؤية متميزة، تفوق معظم الطرق الرائدة في مجالها على مجموعة البيانات المحاكاة الشهيرة C-MAPSS من وكالة ناسا. بالإضافة إلى ذلك، نُظهر تطبيق منهجنا في سيناريو واقعي باستخدام بيانات من محركات توربينية حقيقية.