A Framework to Rank Prognostics Health Indicators with Application to Brake Rotors
Notice bibliographique
Résumé
This study presents a framework to assess the effectiveness of various health indicators (HIs) used to monitor the state of health (SOH) of a brake rotor health monitoring system. The following criteria were used to rank various health indicators: (i) Identifiability: Correlation of the HI with the Ground Truth (GT); (ii) Compactness: Mean of the standard deviation of the estimated SOHs; (iii) Robustness to Noise Factors: An HI is considered robust when it meets all functional and customer requirements under all operating conditions and its performance is not affected by the variations in the environment, operating conditions or other factors impacting the performance in an undesired way (noise factors); (iv) Monotonicity: To quantify the monotonic trend in HIs as the fault level increases from healthy baseline to the most severe faults. Monotone HIs are preferred as they will likely generalize better to data not used in development; and (v) Estimation Error: The average relative error between the GT and the prediction obtained from the regression analysis. Results showed that this framework can be applied to several HIs derived from performing time and frequency analysis on various sensor signals used to monitor the health of brake rotors. Top HIs selected based on this framework provided the best performance in detecting degraded brake rotors as evidenced by higher classification score.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».