Fejldetektion

Fejldetektion är samlingen av metoder för att identifiera fel eller onormala tillstånd i ett dynamiskt system baserat på mätdata, observerade avvikelser eller överensstämmelse med en modell. Huvudsyftet är att tidigt upptäcka fel för att förhindra avbrott, reducera kostnader och öka säkerheten.

Användningsområden inkluderar processindustri, elkraftsystem, fordons- och flygindustrin, tillverknings- och mekaniska system samt mjukvaru- och nätverkstjänster. Tillvägagångssätt består av modellbaserade metoder (exempelvis observerare, Kalman-filter och residualanalys), data-drivna metoder (statistisk processkontroll, maskininlärning och anomali-detektion) samt hybridmetoder som kombinerar båda.

Vanliga mått på prestanda inkluderar detekteringsfrekvens (detection rate), falskvaransfrekvens, detekteringens fördröjning samt precision och recall. En typisk arbetsprocess omfattar datainsamling, konstruktion av avvikelse- eller residualmått, felklassificering och rotorsaksanalyser när så är möjligt.

Utmaningar innefattar icke-stationaritet i drift, varierande belastning och omgivning, sensorbrus och modellosäkerhet. Robusthet och anpassningsförmåga är viktiga. Lösningar inkluderar adaptiva eller robusta modeller, principer som online-lärande och tvärsnittsvalidering. I säkerhetskritiska applikationer krävs ofta omfattande validering, dokumentation och spårbarhet.

Relationer till närliggande områden inkluderar tillförlitlighetsteknik, underhållsplanering, felanalys och fault-tolerance i datasystem. Fejldetektion utgör ofta första steget i diagnostik och underhållsbeslut.