Addressing Heterogeneous Time-Frequency Causality: Source Consistency Exploring for Industrial Root Cause Alignment and Diagnosis
Notice bibliographique
Résumé
Process variables may exhibit both temporal trends and periodic responses, with their fault propagation pathways manifesting in time-domain and frequency-domain causalities, respectively. However, the differing causal perspectives of time-domain and frequency-domain methods can lead to distinct causalities, posing the causal heterogeneity challenge for root cause diagnosis (RCD). Thereupon, we reveal the mechanism of source consistency in Granger causality (GC), that is, the root cause variable provides the most significant predictive information in both time and frequency domains. Accordingly, we propose a causal source consistency analytics (CSCA) framework that achieves time-frequency synergy. First, we design a nonlinear enhancement module to extract temporal features for causal inference. Second, to extract time-domain and frequency-domain GC, we develop a parallel causality learning module, where a differentiable frequency-domain expansion operator is designed along with a temporal prediction submodule. Meanwhile, a time-frequency entropy constraint is constructed to ensure causal significance by inducing sparsity. Finally, a root cause alignment module is proposed to ensure source consistency. A predictive information quantification algorithm, formulated as an eigenvalue decomposition problem, is designed to locate the root cause. We develop an approximate exponential transformation to convert the eigenvalue decomposition into a differentiable source alignment loss. Thus, source consistency can be ensured during end-to-end inference. The validity of CSCA is illustrated through the Tennessee Eastman process and a gas turbine application. CSCA identified the root causes in both examples correctly. Furthermore, ablation studies validate that CSCA enables the time-domain and frequency-domain models to identify consistent root causes, thereby overcoming causal heterogeneity.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».