MétaCan
Menu
Retour à la cohorte
Enregistrement W2527718235 · doi:10.36001/phmconf.2015.v7i1.2724

A New Generic Approach to Convert FMEA in Causal Trees for the Purpose of Hydro-Generator Rotor Failure Mechanisms Identification

2015· article· en· W2527718235 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueAnnual Conference of the PHM Society · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Diagnostics and Reliability
Établissements canadiensHydro-QuébecÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)Generator (circuit theory)Failure mode and effects analysisStatorComputer scienceReliability engineeringFault tree analysisRoot causeRotor (electric)Component (thermodynamics)Root cause analysisData miningArtificial intelligenceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex


 
 
 At Hydro-Québec (HQ), an integrated diagnostic system (MIDA) is currently used to assess hydro-generators health index. This system gives the global health index but does not propose any understanding of active failure mechanisms. At this point, this work needs to be done by experts after analysis of the diagnostic data in MIDA.
 To relieve the expert from part of this work, a prognostic tool, that uses a Failure Mechanisms and Symptoms Analysis (FMSA), is under development. The approach is based on the understanding of the evolution of degradation processes for each failure mechanism. Failure mechanisms are structured as causal trees and defined as a sequence of physical states starting from a root cause and ending with a failure mode. A physical state corresponds to characteristic degradation condition of a component of the generator. Each physical state being defined by a unique combination of symptoms as measured with diagnostic tools. After consigning all possible mechanisms occurring in both the rotor and the stator, the symptoms logged into a database can be read to automatically identify all active physical state and active failure mechanisms. This approach has been under development in HQ for the stator for a number of years and is now extended to the rotors of hydro-generators.The purpose of this paper is to present the structured method used to build the failure mechanisms from bits and pieces of information (sub-mechanisms) found in the literature and from discussions with experts. This new methodology is based on a two steps process. First, sub-mechanisms were extracted from FMEA in the literature. Then, an algorithm was used to generate a set of causal trees from these sub- mechanisms. The generated results then had to be validated by experts to make sure that automatically generated mechanisms were logical and plausible. The resulting extended failure mechanisms trees built can then be used for the purpose of Root Cause Analysis (RCA), model-based diagnostics and prognosis. This method was developed to be as generic as possible so it could be applied to any complex system.
 
 

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,663
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,224
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle