Feiloppdagelse

Feiloppdagelse er prosessen med å identifisere og varsle om feil, avvik eller unormal oppførsel i et system, slik at tiltak kan settes i verk før feilen fører til kritisk svikt. Begrepet brukes innenfor ingeniørfag, automasjon, produksjon og teknologi, og kan inkludere både deteksjon av at en feil eksisterer og etterfølgende feildiagnose.

Det finnes to hovedtilnærminger til feiloppdagelse: modellbasert og datadrevet. Modelbasert feiloppdagelse bruker en forventet oppførsel av systemet beregnet fra fysikk- eller matematiske modeller. Avvik mellom den observerte og den forventede oppførselen genererer restsignaler som analyseres for å avsløre feil. Datadrevet feiloppdagelse er basert på historiske data og mønstergjenkjenning, statistikk eller maskinlæring for å gjenkjenne avvik uten eksplisitte fysiske modeller.

Vanlige metoder inkluderer terskelbasert overvåkning av restsignaler, parsity-residual metoder, observere-baserte metoder som Kalman-filtre eller parity-space teknikker, og ulike statistiske tester eller maskinlæringsmodeller. I praksis kombineres ofte flere teknikker for å oppnå rask oppdagelse, redusere falske alarmer og gi riktig isolasjon av feilen.

Bruksområder for feiloppdagelse er brede og omfatter luftfart og romfart, bilindustri og kjøretøy, prosessindustri, kraftnett og medisinske enheter. Store fordeler inkluderer forbedret sikkerhet, redusert nedetid og mer effektivt vedlikehold. Utfordringer omfatter modell- og datakvalitet, sensorstøy, falske alarmer og behovet for sanntidsytelse i komplekse systemer.