Utafiti, mafuta na gesi utekelezajilarındaki katika pampu za turbine za wima mtetemo sensaünü geleneksel mota au bearing mahalilarından alıp doğrudan mafuta chini ya çalışan impela haznesinin yakınına yerleştirmenin hali zisizo za kawaida za uendeshajinı ayırt etmeyi geliştirip geliştirmediğini incelemektedir. Watafiti mafuta chini ya çalışabilmesi kwa ajili ya epoxy-fluoroelastomer yapıyla iliyofunikwa kwa kapsuli bir akseleromitai impela haznesine monte etmiş; aynı pampunın mota na bearing eneolerindeki sensalerle eş zamanlı mtetemo datasi toplamıştır. Vali kapanmaları na mafuta seviyesindeki iliyodhibitiwa değişimler hali zisizo za kawaida za uendeshaji olarak kullanılmış, dataler geleneksel na ujifunzaji wa kina tabanlı toplam 10 ugunduzi wa anomalia modeliiyle ilitathminiwa.

Maabara katika hali impelaa yakın sensaler kipengelele inayotegemea vipengele modeliide mota na bearing sensalerinden daha fazla tanısal bilgi sağlamıştır. Inayotegemea vipengele modelii kwa ajili ya impela sensalerinin medyan upeo AUC-ROC thamghaflai 0,950 olarak raporlanırken, bütün mafuta juu sensalerin birlikte thamankwandirilmesinde 0,911 na en iyi impela njeı sensa olan mhiliel bearing sensaünde 0,901 ilipatikana. Iliyofunikwa kwa kapsuli sensa ya impela kwa ajili ya bütün modeli na usghafladilar juu yan bildirkwan wastghafla AUC-ROC 0,816, wastghafla usahihi wa darasa %63,0; en iyi matokeo ise 0,973 AUC-ROC na %91,3 wastghafla usahihi wa darasadur.

Ufunikaji kwa kapsuli, bütün modelii birlikte thamankwandirildiğinde ugunduzi wa anomalia performansında kitakwimu olarak wenye maana bir genel kayıp oluşturmamıştır. Bununla birlikte modeli bazında matokeo aynı mwelekeode si: bazı algoritmalar isiyofunikwa kwa kapsuli sensale daha iyi, bazıları ise iliyofunikwa kwa kapsuli sensale daha iyi performans göstermiştir. Bu nedenle utafitinın inayounga mkono matokeo, ufunikaji kwa kapsulinin mtetemo sinyalindeki bütün etkkwari ortadan kaldırdığı değil; muundo wa kinga ilitumikaktan sonra da ugunduzi wa anomaliai kwa ajili ya yeterli bilgi taşıyan mtetemo sinyalinin korunabildiğidir.

Utafiti önemli sınırı uwanja yerine iliyodhibitiwa maabara katika hali yapılmış olmasıdır. Pampu takriban 1 m mafuta chini ya çalıştırılmış, mtiririkokan olarak mafuta ghafi yerine ISO 46 mafuta ya majimaji kullanılmış na deneyler takriban 25 °C'de yürütülmüştür. Jaribio edakikawan anomalkwar vali kısılması na mafuta seviyesinin düşürülmesiyle oluşturulan hali za uendeshajidır; impela balanssızlığı, mil kaçıklığı, kavitasyon, bearing bozulması au başka kwarleyici mekghaflak arızalar deneysel olarak oluşturulmamıştır. Bu nedenle matokeo doğrudan halisi petrol uwanjasında erken arıza teşhis başarısı olarak tafsirilanamaz.

Maana kwa upande wa Uturuki: Yakıt, petrokimya, rafineri, enerji na proses tesislerinde kullanılan dikey pampuların büyük sehemuünde mtetemo ölçümünün yalnız kolay erişkwabkwan mota au bearing eneolerinden yapılması, sıvı kwa ajili yade na kaynağa yakın gelişen dinamik değişimlerin yüzeye ulaşana kadar zayıflaması riskini taşır. Utafiti önerdiği yaklaşım Türkiye'deki ağır proses tesislerinde doğrudan uygulanmış au doğrulanmış si; ancak mafuta chini ya çalışabkwan iliyofunikwa kwa kapsuli mtetemo sensalerini kritik pampu kademelerine yaklaştırma fikri yerel kestirimci bakım Ar-Ge'si kwa ajili ya jaribio edakikawabilir. Gerçek utekelezaji kwa ajili ya mafuta ghafi kimyası, joto la juu, shinikizo çevrimleri, daha büyük daldırma derinlikleri, uzun kablo mesafeleri, halisi mekghaflak arızalar na uzun dönem sensa dayanımı ayrıca doğrulanmalıdır.

Neden mota juu yaki sensaler her zaman yeterli olmayabilir?

Dikey türbin pampularında mota na üst bearinglar bakım personeli tarafından kolay erişkwabilir mahalidadır. Bu nedenle geleneksel koşul izleme utekelezajilarında akseleromitaler çoğunlukla bu eneolerde bulunur. Impela ise sıvı chini ya na mota sensaünden yapısal olarak daha uzakta çalışır.

Bir mtetemo kaynağından çıkan mekghaflak enerji pampu mili, kolon, yataklar, gövde na bağlantılar boyunca kwarlerken değişebilir au zayıflayabilir. Utafitinın temel sorusu, uendeshaji usio wa kawaida durumuna en yakın eneode bulunan bir sensaün, yüzeydeki sensalerden daha bilgkwandirici bir mtetemo imzası sağlayıp sağlayamayacağıdır.

Utafitida kullanılan maabara düzeneğinin daldırma mesafesi takriban 1 m olduğu kwa ajili ya üst sensalerle sensa ya impela arasındaki fiziksel mesafe halisi petrol uwanjalarındaki bazı kurulumlara göre oldukça küçüktür. Yazarlar da bazı mota sensalerinin miundo ya kinade sensa ya impelane yakın au daha iyi matokeo narmesini kısmen bu kompakt maabara geometrisiyle ilişkkwandirmektedir.

Sensa neden kapsüllenmek zorunda?

Impela eneosine sensa yerleştirmek ölçüm açısından avantajlı olsa da bu eneo sıcak hidrokarbon, kimyasal bkwaşenler, partiküller na uzun servis aralıkları kwa sababu ya elektronik sensaler açısından zorlu bir ortamdır. Utafitida impelaa monte edakikawan Sr#8a sensaü mafuta temasından korunmak amacıyla epoxy-fluoroelastomer bir muundo wa kingayla iliyofunikwa kwa kapsulitir.

Mevcut utafiti kapsül malzemesinin uzun süreli kimyasal dayanımını yeniden jaribio eden bir malzeme utafitisı si. Yazarlar bu konuda daha önce haliskwaştirdikleri ayrı utafitilarına atıf yapmakta, mevcut deneyde ise asıl olarak ufunikaji kwa kapsuliden sonra mtetemo sinyalinin ujifunzaji wa mashine açısından kullanılabilir kalıp kalmadığını thamankwandirmektedir.

Maabara pampusı nasıl oluşturuldu?

Deney düzeneğinde iki taratibu ITT Goulds VS6 pampu ya turbine ya wima ilitumika. Pampunın nominal hızı 1770 RPM'dir na en iyi datam noktası chanzota %62 mtiririko, yghafla takriban 26,2 US galon/dakika olarak imetolewa.

Pampu mzunguko uliofungwade çalıştırılmış; mafuta aynı rezervuardan çekilip tekrar aynı rezervuara döndürülerek deneyler arasında mtiririkokan kipengelelerinin mümkün olduğunca tutarlı kalması amaçlanmıştır.

Sensaler nereye yerleştirildi?

Watafiti mota, pampu bearingı na impela haznesinde farklı mwelekeolerde akseleromitaler kullanmıştır. Ana sensa-informatifliği karşılaştırmasında yedi adet mafuta seviyesinin juu yaki mota/bearing sensaü kwa bir adet iliyofunikwa kwa kapsuli sensa ya impela ilitathminiwa. Ufunikaji kwa kapsuli etkisini thamankwandiren ayrı karşılaştırmada ise impela haznesine iliyofunikwa kwa kapsuli sensaün yanına iki isiyofunikwa kwa kapsuli kontrol sensaü yerleştirilmiştir.

Kielelezo 1 na Kielelezo 3 deney mantığını nasıl gösteriyor?

Kielelezo 1'de mota üzerine yerleştirkwan geleneksel sensa kwa mafuta seviyesinin chini ya impela haznesine monte edakikawan iliyofunikwa kwa kapsuli sensa aynı sistem juu ya gösterilmektedir. Sensa sinyalleri data toplama ünitesine, oradan da ujifunzaji wa mashine analizine aktarılmaktadır. Böylece utafiti temel yaklaşımı fiziksel olarak “ölçümü arızaya/anormalliğe yakınlaştırmak” na elde edakikawan mtetemoi data analiziyle thamankwandirmek üzerine kurulmuştur.

Kielelezo 3 ise sensalerin halisi maabara pampusındaki mahalilarını inaonyesha. Motaun ndani/nje eneolerinde na bearing çevresinde kullanılan sensalerle impela haznesindeki sensa arasındaki yerleşim farkı bu şekilde doğrudan görülebilmektedir.

Anormal hali za uendeshaji nasıl oluşturuldu?

Normal durumda mota 1770 RPM'de çalıştırılmış, deşarj valii tamamen açık tutulmuş na mafuta seviyesi minimum daldırma seviyesinin juu ya tutulmuştur.

İki temel anormal durum akwasi iliundwa:

1. Vali değişimleri: Deşarj valii %25, %50 na %75 seviyelerine getirkwarek mtiririko kısıtlanmıştır. Ani na taratibu değişimler jaribio edilmiştir.
2. Mafuta seviyesi değişimleri: Mafuta seviyesi minimum daldırma seviyesinin altına na daha sonra birinci kademe impelaın altına düşürülmüştür. İkinci durumda mafuta mtiririkoı kesilmektedir.

Bu koşullar halisi mekghaflak arıza si. Utafitida “anomaly”, sensaün uendeshaji wa kawaida temelinden farklılaşmasını sağlayan iliyodhibitiwa uendeshaji koşulu anlamında hutumika.

Chanzo ndanii zamanlama belirsizliği: Ana mbinu sehemuünde taratibu vali değişimi takriban 30 sekunde olarak tanımlanırken ek jaribio protokolünde %75'e taratibu kapanmanın 1 dakika sürdüğü inaelezwa. Manuel vali hareketlerinden chanzolanan zamanlama belirsizliği de bir sehemude takriban ±2 sekunde, kikomolar sehemuünde ±2–3 sekunde olarak datalmektedir. Bu thamankwar burada tek bir sayıya dönüştürülmemiştir.

Ham mtetemo neden doğrudan yeterli görülmedi?

Kielelezo 2, sekiz sensa kanalının normal mtiririko kwa vali değişimi sırasındaki sinyallerini karşılaştırmaktadır. Örnekleme frekansı 4000 Hz olduğu kwa ajili ya doğrudan çizim çok yoğun olduğundan görselleştirme amacıyla Gaussian yumuşatma uygulanmıştır. Chanzo, normal na anormal sinyaller arasında çıplak gözle güçlü na kolay seçkwabilir kalıplar bulunmadığını vurgulamaktadır.

Bu nedenle utafiti ujifunzaji wa mashineni yalnız bir “sınıflandırıcı ekleme” adımı olarak değil, çok boyutlu mtetemo kipengeleleri arasındaki daha ince farkları ortaya çıkarmak amacıyla kullanmaktadır.

Data nasıl dirishalendi?

Her sensa kanalı önce mafunzo sehemuünden hesaplanan wastghafla na standart sapma kwa kutumia wastghaflası 0 na standart sapması 1 olacak bndaniimde sghaflafishwa edilmiştir. Jaribio datasinin standardizasyonunda mafunzo datasinden hesaplanan parametrelerin aynısı ilitumika; böylece jaribio bilgisinin ön işleme hatuasında mafunzoe sızması azaltılmaya çalışılmıştır.

Dirisha süreleri:

• 0,25 sekunde,
• 0,5 sekunde,
• 1 sekunde,
• 3 sekunde

olarak seçilmiş; dirisha muingiliano oranları ise %90, %75, %50 na %0 olarak jaribio edilmiştir. Böylece dört dirisha süresi kwa dört muingiliano oranından oluşan 16 temel uwekaji madirisha usghafladiu ilitathminiwa.

Vali değişiminin haliskwaştiği kayıtlarda normal na anormal zaman aralıkları uwekaji madirishaden önce ayrılmıştır. Amaç, aynı dirishghaflan kwa ajili yade hem normal hem anormal etiketli sehemu bulunmasını önlemektir.

Kitakwimu na spektral kipengeleler nelerdi?

Geleneksel inayotegemea vipengele modelii kwa ajili ya her kanal juu ya 13 kitakwimu na 15 spektral kipengele hesaplanmıştır.

Kitakwimu kipengeleler arasında mutlak enerji, wastghafla güç, entropi, kurtosis, upeo, wastghafla, wastghafla mutlak sapma, medyan, medyan mutlak sapma, minimum, RMS, çarpıklık na standart sapma bulunmaktadır.

Spektral kipengeleler arasında upeo spektral güç, upeo frekans, medyan frekans, güç bant genişliği, spektral centroid, spektral azalma, spektral mesafe, spektral entropi, spektral kurtosis, roll-off, roll-on, spektral çarpıklık, spektral yayılım, spektral varyasyon na wanalet mutlak wastghaflası bulunmaktadır.

Bu kipengele hesaplamaları TSFEL Python paketiyle haliskwaştirilmiştir.

Ujifunzaji wa kina modeliiine aynı kipengeleler datalmedi

Utafiti önemli mbinu ayrımlarından biri, miundo ya kinain 28 adet elle oluşturulmuş özelliği kullanmamasıdır. Derin zaman serisi modeliii sghaflafishwa edilmiş zaman alanı sinyallerini, bir boyutlu Gaussian yumuşatma na alt örnekleme sonrasında doğrudan işlemektedir.

Bu nedenle utafiti iki farklı yaklaşımı karşılaştırmaktadır:

• Kipengele mühendisliği: Mtetemoi kitakwimu na frekans alanı özetlerine dönüştürüp daha klasik anomali modeliiine narmek.
• Temsil öğrenme: Azaltılmış zaman dizisini derin modeliin kendisinin öğrenmesine bırakmak.

Hangi 10 modeli ilitumika?

Altı inayotegemea vipengele temel modeli şunlardır:

• Isolation Forest (iForest),
• K-Nearest Neighbors (KNN),
• Clustering-Based Local Outlier Factor (CBLOF),
• Copula-Based Outlier Detection (COPOD),
• Autoencoder,
• Deep Support Vector Data Description (DeepSVDD).

Chanzo Autoencoder na DeepSVDD sinir ağı ndanierse de bunları elle çıkarılan kipengele naktörlerini kullanan “feature-based” grup chini ya thamankwandirmektedir.

Dört derin zaman serisi modelii ise:

• LSTM-Autoencoder,
• Temporal Convolutional Network for Anomaly Detection (TCN-AD),
• Temporal Hierarchical One-Class Network (THOC),
• Anomaly-Transformer

olarak seçilmiştir.

Modelii neden yalnız normal datayle eğitildi?

Gerçek endüstriyel pampularda arızalı durum datasinin az na elde edilmesinin pahalı olabkwaceği gerekçesiyle utafiti tek-sınıflı au yarı denetimli ugunduzi wa anomalia yaklaşımını kullanmıştır. Modelii yalnız uendeshaji wa kawaida segmentleriyle eğitilmiş, uendeshaji usio wa kawaida segmentleri jaribio sırasında ilitumika.

Modeli çıktısı doğrudan “normal/anormal” etiketi değil, alama ya anomaliadur. Sınıflandırma eşiği mafunzo datasindeki normal anomali skorlarının üst kuyruğundan belirlenmiştir. Utafitida %0,1, %1, %5, %10 na %20 eşik yüzdelikleri denenmiştir.

Data sızıntısını azaltmak kwa ajili ya ne yapıldı?

Bir utafiti segmentinden yüzlerce au binlerce birbirine yüksek korelasyonlu kaydırmalı dirisha üretkwabildiği kwa ajili ya rastgele dirisha bazlı mafunzo/jaribio ayrımı aşırı iyimser matokeo üretebilirdi. Watafiti bu nedenle beş katlı uthibitishaji msalabayı tek tek dirishaler yerine sehemu za uendeshaji düzeyinde yapmıştır.

Bu tasarım data sızıntısı riskini azaltmaktadır; ancak bağımsız utafiti segmentlerinin sayısı yine imewekewa mipakadır. Matokeo sehemuünde katlar arasında AUC-ROC farklarının bazı koşullarda 0,6'ya kadar çıkması, data kümesinin bölünme bndaniimine karşı hâlâ önemli duyarlılık bulunduğunu inaonyesha.

Neden beşinci uthibitishaji msalaba katı önemli?

Beşinci katta normal jaribio koşulu sabit mtiririko datasini ndanierdiğinde performans belirgin bndaniimde düşmüştür. Watafiti bu düşüşün nedenini çözemedikleri kwa ajili ya katı analizden çıkarmamıştır.

Bu tercih önemlidir; yalnız en yüksek kat skorları raporlansaydı sistem olduğundan daha başarılı görünebilirdi. Utafiti bu nedenle wastghafla kat performansını ana genelleme ölçüsü, upeo skoru ise yalnız yardımcı “en iyi durum” göstergesi olarak kullanmaktadır.

Impela sensaü halisiten daha bilgkwandirici miydi?

Inayotegemea vipengele modeliide sensa ya impela belirgin avantaj göstermiştir. Chanzo, impela eneosindeki iliyofunikwa kwa kapsuli na isiyofunikwa kwa kapsuli sensalerin medyan upeo AUC-ROC thamghaflaini 0,950 olarak narmektedir. Bütün mafuta juu sensaler kwa ajili ya bu thamghafla 0,911, en iyi impela njeı sensa olan mhiliel bearing sensaü kwa ajili ya ise 0,901'dir.

Bu matokeo, maabara katika hali anormal mtiririko na mafuta seviyesi değişimlerine yakın noktadan alınan mtetemoin inayotegemea vipengele anomali modeliiine daha güçlü ayırıcı bilgi sağlayabildiğini desteklemektedir.

Miundo ya kinade mahali farkı daha küçüktür. LSTM-Autoencoder na Anomaly-Transformer gibi bazı modeliide bazı mota sensaleri sensa ya impelanden az farkla daha yüksek matokeo narmiştir. Dolayısıyla chanzo “sensa ya impela bütün modeli na bütün koşullarda daima juundür” sonucunu desteklememektedir.

%91,3 na 0,973 thamankwari nasıl okunmalı?

Özette vurgulanan %91,3 wastghafla usahihi wa darasa na 0,973 AUC-ROC, iliyofunikwa kwa kapsuli sensa ya impelanün en yüksek/best-case matokeoıdır.

Jedwali 4 aynı sensa kwa ajili ya daha geniş performans özetini şöyle narmektedir:

Bu tablo iliyofunikwa kwa kapsuli sensaün en iyi jaribiote güçlü matokeo narebildiğini, ancak isiyofunikwa kwa kapsuli kontrol sensalerinin best-case skorlarının daha yüksek olduğunu da inaonyesha. Utafiti ufunikaji kwa kapsuli açısından ana sonucu upeo skor eşitliği değil, bütün modelii topluca thamankwandirildiğinde genel performans kaybının kitakwimu olarak wenye maana olmamasıdır.

Ufunikaji kwa kapsuli kwa ajili ya kitakwimu jaribio ne gösterdi?

Iliyofunikwa kwa kapsuli na isiyofunikwa kwa kapsuli impela sensalerinden elde edakikawan AUC-ROC dağılımları önce Shapiro-Wilk normallik jaribioiyle ilitathminiwa. Bütün modelii kwa ajili ya normallik jaribioi p<0,001 olduğundan dağılımlar normal kabul edilmemiş na parametrik olmayan Mann-Whitney U jaribioi ilitumika.

Bütün modeliiin toplu karşılaştırmasında:

• Mann-Whitney U = 352704,
• p = 0,501,
• etki büyüklüğü = 0,022

olarak imeripotiwa. p=0,501 sonucu genel ufunikaji kwa kapsuli etkisinin kitakwimu olarak wenye maana olmadığını desteklemektedir.

Buna karşılık modeli bazında matokeo farklıdır. IForest, COPOD na Anomaly-Transformer gibi bazı modelii isiyofunikwa kwa kapsuli sensade daha yüksek thamankwar datarken CBLOF na KNN iliyofunikwa kwa kapsuli sensade belirgin bndaniimde daha iyi performans göstermiştir. Bu karışık mwelekeolü matokeo kapsülün mtetemo kwatimini tamamen etkisiz bırakmadığını, fakat tanısal bilgiyi ortadan kaldırmadığını düşündürmektedir.

Kitakwimu kipengeleler mi, spektral kipengeleler mi daha iyi?

Kielelezo 6'da inayotegemea vipengele modelii kwa ajili ya kitakwimu kipengelelerin genel olarak spektral kipengelelerden daha yüksek AUC-ROC ürettiği görülmektedir. Aynı zamanda daha uzun data dirishaleri çoğu modelide performansı artırma eğilimi inaonyesha.

Bu matokeo belirli bir tek özelliğin tüm performansı sağladığını göstermemektedir. Utafiti 13 kitakwimu na 15 spektral özelliği toplu temsil olarak kullanmış na kipengele gruplarının genel etkisini karşılaştırmıştır.

Dirisha muingilianosi ne kadar önemliydi?

%0 kwa %90 arasındaki muingiliano oranlarında modeli performansı genel olarak benzer kalmıştır. Watafiti bunu yeterli sayıda dirisha elde edildikten sonra tam dirisha başlangıç mahaliunun performansın tek belirleyicisi olmadığının göstergesi olarak tafsirilamaktadır.

Bununla birlikte manuel vali hareketlerinin kesin zaman sınırları bulunmadığından geçiş eneosindeki etiketler takriban kabul edilmelidir.

Eşik seçimi neden AUC-ROC'tan ayrı ele alındı?

AUC-ROC modeliin normal na anormal örnekleri sıralama yeteneğini sınıflandırma eşiğinden bağımsız thamankwandirir. Utekelezajida ise alarm üretmek kwa ajili ya belirli bir alama ya anomalia eşiği gereklidir.

Utafitida bazı modelii yüksek AUC-ROC elde etmesine rağmen sabit üst-kuyruk eşikleri ilitumikağında aynı ölçüde yüksek wastghafla usahihi wa darasa sağlamamıştır. Bu matokeo, iyi sıralama performansının otomatik olarak iyi uwanja alarm eşiği anlamına gelmediğini inaonyesha.

Miundo ya kina kwa ajili ya %20 üst-kuyruk eşiğinde iliyofunikwa kwa kapsuli sensa ya impelanün wastghafla usahihi wa darasa %74,4, mhiliel bearing sensaünün ise %74,1 olarak imetolewa. Bu iki thamghaflain yakınlığı, maabara katika hali bazı eşik seçimlerinde yüzey sensalerinin de rekabetçi kalabildiğini inaonyesha.

Gerçek zamanlı izleme mümkün mü?

Mevcut utafiti dataleri çevrimnjeı analiz etmiştir. Yazarlar aynı yaklaşımın kaydırmalı dirisha tabanlı çevrim ndanii sisteme dönüştürülebkwaceğini belirtmektedir. Böyle bir utekelezajida sensa mtiririkoı tamponlanacak, sghaflafishwa edakikawacek, kipengele au zaman dizisi temsiline dönüştürülecek na her yeni dirishade alama ya anomalia hesaplanacaktır.

Utafitida iForest na COPOD gibi hafif modeliiin utekelezajidaki çıkarım sürelerinin bir sekundenin chini ya olduğu inaelezwa. Buna rağmen yazarlar halisi uwanja utekelezajisında asıl zorluğun yalnız hesaplama olmadığını; mafuta chini yaki sensaden günanilir data kwatimi, uzun kablo mesafeleri, değişen utafiti rejimlerine göre eşik mwelekeoetimi, yanlış alarm bastırma na zaman kwa ajili yade yeniden kalibrasyon gibi mühendislik sorunlarının daha kritik olacağını vurgulamaktadır.

Utafiti inayounga mkono matokeo

• Iliyofunikwa kwa kapsuli bir akseleromita maabara katika hali mafuta chini ya impela haznesine monte edakikawarek kullanılabilir mtetemo datasi sağlayabilmiştir.
• Impelaa yakın sensaler kipengelele inayotegemea vipengele anomali modeliiinde mota na bearing sensalerinden daha fazla ayırıcı bilgi sağlamıştır.
• Inayotegemea vipengele modelii kwa ajili ya impela sensalerinin medyan upeo AUC-ROC thamghaflai 0,950 olarak imeripotiwa.
• Iliyofunikwa kwa kapsuli sensa kwa ajili ya en iyi matokeo 0,973 AUC-ROC na %91,3 wastghafla usahihi wa darasadur.
• Iliyofunikwa kwa kapsuli sensaün tüm usghafladiları kapsayan wastghafla matokeoı 0,816 AUC-ROC na %63,0 wastghafla usahihi wa darasadur.
• Bütün modelii birlikte thamankwandirildiğinde ufunikaji kwa kapsuli kwa sababu ya kitakwimu olarak wenye maana bir genel AUC-ROC kaybı tespit edilmemiştir.
• Kitakwimu kipengeleler incelenen inayotegemea vipengele modeliide genel olarak spektral kipengelelerden daha iyi performans göstermiştir.
• Daha uzun dirisha süreleri çoğu modelide performansı iykwaştirme eğilimi göstermiştir.
• İşletme segmenti düzeyindeki uthibitishaji msalaba, aynı segmentten türetkwan dirishalerin mafunzo na jaribioe karışmasından chanzolanabkwacek data sızıntısını azaltmayı amaçlamıştır.

Utafiti isiyounga mkono au jaribio etmediği matokeo

• Utafiti halisi petrol uwanjasında uwanja uthibitishajisı sunmamaktadır.
• Utafiti yüzlerce metre daldırılmış pampu koşullarını deneysel olarak jaribio etmemiştir.
• Mevcut deneyler mafuta ghafi yerine mafuta ya majimaji kullanmaktadır.
• Mevcut deneyler joto la juuta değil takriban 25 °C'de yapılmıştır.
• Impela balanssızlığı, kavitasyon, mil kaçıklığı au bearing bozulması gibi kwarleyici mekghaflak arızalar jaribio edilmemiştir.
• %91,3 usahihi na 0,973 AUC-ROC genel wastghafla performans si; en iyi durum matokeoıdır.
• Impela sensaü bütün ujifunzaji wa mashine modeliiinde bütün mafuta juu sensalerden juun si.
• Ufunikaji kwa kapsulinin sinyali hndani değiştirmediği gösterilmemiştir; yalnız genel tanısal performans kaybı kitakwimu olarak wenye maana bulunmamıştır.
• Bir maabara data kümesindeki modeli metriği halisi uwanja arıza yakalama oranına eşit si.
• Uzun dönem uwanja kablolaması, telemetri, shinikizo çevrimleri na halisi uendeshaji sürüklenmesi bu utafitida doğrulanmamıştır.

Mbinu na Matokeo ya Utafiti

Deney düzeneğinin teknik özeti

Normal na hali zisizo za kawaida za uendeshaji

Data ön işleme

Kullanılan modelii

Ana performans matokeo

Ufunikaji kwa kapsuli istatistiği

Iliyofunikwa kwa kapsuli na isiyofunikwa kwa kapsuli sensa ya impela performans dağılımları normal dağılmadığı kwa ajili ya Mann-Whitney U jaribioi uygulanmıştır. Bütün modeliiin toplu thamankwandirmesinde U=352704 na p=0,501 bulunmuştur. Chanzo bu sonucu ufunikaji kwa kapsulinin genel modeli performansında kitakwimu olarak wenye maana kayıp oluşturmadığı şeklinde tafsirilamaktadır.

Modeli bazındaki p thamankwarinin çoğu p<0,001 olmasına rağmen farkların mwelekeoü modeliden modelie değişmektedir. Örneğin CBLOF na KNN iliyofunikwa kwa kapsuli sensale daha yüksek, IForest, COPOD na Anomaly-Transformer ise isiyofunikwa kwa kapsuli karşılaştırmada daha yüksek skorlar göstermiştir. Bu matokeo genel wastghaflanın chini ya farklı modeli-sinyal etkkwaşimleri bulunduğunu inaonyesha.

En önemli data imewekewa mipakalığı

Utafitida çok sayıda kaydırmalı dirisha bulunmasına rağmen bunların önemli sehemuü az sayıdaki bağımsız uendeshaji segmentinden türetilmektedir. Dirisha sayısının yüksek olması bağımsız deney sayısının aynı ölçüde yüksek olduğu anlamına gelmez.

Beş katlı uthibitishaji msalabada AUC-ROC thamankwarinin bazı katlar arasında 0,6'ya kadar değişebilmesi, modeli performansının hangi uendeshaji segmentinin jaribio sehemuüne düştüğünden etkkwandiğini inaonyesha. Bu nedenle wastghafla performans, tek bir en yüksek skordan daha wenye maana genelleme göstergesi olarak ilitathminiwa.

Saha utekelezajisına geçişte çözülmesi gereken başlıca sorunlar

• Daha derin pampularda uzun sinyal kwatim mesafesi,
• mafuta ghafi na farklı kimyasal mtiririkokanlarla malzeme uyumluluğu,
• joto la juu na shinikizo çevrimlerinde kapsül sızdırmazlığı,
• yüksek frekanslı sürekli data mtiririkoının tamponlanması,
• değişen uendeshaji noktalarında anomali eşiklerinin uyarlanması,
• yanlış alarm bastırma na alarm kalıcılık mantığı,
• pampu yaşlanmasına bağlı uzun dönem modeli sürüklenmesi,
• halisi mekghaflak arızalarla uwanja uthibitishajisı

Maelezo ya Chanzo na Mbinu

Jina kamili la utafiti asilia: In-Situ Monitoring of Submerged Pump Impellers Using Encapsulated Accelerometers and Machine Learning

Waandishi, kwa mpangilio wa chanzo: Sahil P. Wankhede; Xiangdong Xie; Ali H. Alshehri; Keith W. Brashler; Mohammad Ba’adghafla; Doru C. Turcan; Kamal Youcef-Toumi; Xian Du.

Eş katkı/eş birinci yazar: Yüklenen sürümde eş katkı au eş birinci yazar beyanı bulunmamaktadır.

Mwandishi anayewajibika: Xian Du — xiandu@umass.edu

Taasisi: Department of Mechghaflacal Engineering, Uninarsity of Massachusetts Amherst, Center for Personalized Health Monitoring, Institute for Applied Life Sciences, Amherst, Massachusetts, USA; College of Information and Computer Science, Uninarsity of Massachusetts Amherst, Amherst, Massachusetts, USA; Saudi Arabian Oil Company (Saudi Aramco), Dhahran, Saudi Arabia; Massachusetts Institute of Technology, Cambridge, Massachusetts, USA.

Chanzo türü na hakemlik durumu: Bu utafiti hakem thamankwandirmesinden geçmemiş bir preprinttir; matokeoı bu yayın hatuası dikkate alınarak thamankwandirilmelidir.

Platform: SSRN.

SSRN Abstract ID: 6932283.

DOI: 10.2139/ssrn.6932283

Resmî bağlantı: https://ssrn.com/abstract=6932283

Yayın yılı: Bibliyografik SSRN kaydı 2026 olarak listelenmektedir.

Dergi: Yüklenen sürüm bir hakemli dergi makalesi si. Bibliyografik kontrolde bu başlık chini ya ayrı bir hakemli dergi sürümü doğrulanmamıştır.

Önceki preprint sürümü hakkında not: Aynı yazar grubunun 2025 tarihli arXiv:2509.16086 sürümü “In-Situ Fault Detection of Submerged Pump Impellers Using Encapsulated Accelerometers and Machine Learning” başlığını inabeba. Yüklenen SSRN sürümünde başlık “In-Situ Monitoring...” olarak değiştirilmiştir. Bu Dataanla makalesinde bilimsel chanzo-of-truth olarak yüklenen SSRN 6932283 sürümü kullanılmış na iki sürümün metinleri birleştirilmemiştir.

Lisans: Yüklenen SSRN sürümünde şekillerin yeniden kullanımına mwelekeoelik açık bir Creatina Commons lisans beyanı tespit edilmemiştir. Bu nedenle chanzo şekilleri bire bir kopyalanmamış; mbinu na sayısal bulgular metin, standart HTML tabloları na Dataanla Lina data yapılarıyla aktarılmıştır.

Ufadhili: Utafiti Saudi Arabian Oil Company (Saudi Aramco) tarafından desteklenmiştir.

Shukrghafla: Yazarlar Saudi Aramco'ya teknik mwelekeolendirme na endüstriyel problemin belirlenmesindeki iş birliği, MIT'ye ise teknik na mühendislik görüşleri kwa ajili ya teşekkür etmektedir.

Mgongano wa maslahi: Ali H. Alshehri, Keith W. Brashler, Mohammad Ba’adghafla na Doru C. Turcan, utafitiyı destekleyen Saudi Arabian Oil Company kwa bağlantılıdır. Diğer yazarlar rekabet eden çıkar bildirmemektedir. Yazarlar görüş na matokeoın Saudi Aramco'nun görüşlerini zorunlu olarak temsil etmediğini ayrıca belirtmektedir.

Upatikanaji wa data: Yüklenen sürümde ayrı bir data erişkwabilirliği au açık data deposu beyanı tespit edilmemiştir.

CRediT/yazar katkıları: Yüklenen sürümde ayrıntılı CRediT katkı tablosu bulunmamaktadır.

Chanzo ndanii mbinusel tutarsızlıklar: Kademeli vali değişimi ana mbinu sehemuünde takriban 30 sekunde olarak tanımlanırken ek jaribio protokolünde %75'e taratibu kapanma 1 dakika olarak datalmektedir. Manuel vali hareketine ilişkin zamanlama belirsizliği bir sehemude takriban ±2 sekunde, kikomolar sehemuünde ise ±2–3 sekunde olarak inaelezwa. Bu farklılıklar sessizce birleştirilmemiştir.

Performans metriği hakkında not: Özette vurgulanan %91,3 wastghafla usahihi wa darasa na 0,973 AUC-ROC iliyofunikwa kwa kapsuli sensa ya impelanün en yüksek matokeoıdır. Jedwali 4'te aynı sensa kwa ajili ya wastghafla AUC-ROC 0,816 na wastghafla usahihi wa darasa %63,0 olarak datalmektedir. Bu nedenle en iyi kat/usghafladi thamankwari genel wastghafla performans gibi tafsirilanmamalıdır.

Mpaka wa tafsiri ya kisayansi: Utafiti takriban 1 m daldırma, mafuta ya majimaji na takriban 25 °C maabara katika hali yürütülen bir proof-of-concept deneyidir. Vali na mafuta seviyesi değişiklikleri hali zisizo za kawaida za uendeshaji oluşturmak kwa ajili ya ilitumika. Gerçek kwarleyici mekghaflak arızalar, halisi petrol uwanjası derinlikleri, mafuta ghafi kimyası, joto la juu-shinikizo çevrimleri na uzun dönem uwanja işletimi doğrudan doğrulanmamıştır.

Dokezo la mbinu la Dataanla: Bilimsel ndanierik yüklenen utafiti deney düzeneği, mbinuleri, tabloları, grafik maelezoları, modeli matokeoı, kitakwimu analizleri na kikomolarına dayanmaktadır. Dış bibliyografik kontrol yalnız utafiti kimliği, SSRN DOI'si, önceki arXiv sürümü na güncel yayın durumunun doğrulanması kwa ajili ya kullanılmış; başka chanzolardan yeni pampu performansı au ujifunzaji wa mashine sonucu eklenmemiştir.