هل تغيّر صوت المضخة؟ مشروع ضمن مشاريع تخرج الذكاء الاصطناعي

أحياناً تتغير نغمة مروحة أو مضخة قبل أن يظهر عطل واضح، لكن تسجيل صوتها يتأثر بمكان الهاتف وحمل الآلة والضجيج المحيط. هذه فكرة من مشاريع تخرج ذكاء اصطناعي تضع ميكروفوناً قرب جهاز مختبر أو نموذج محرك، وتتعلم وصفاً تقريبياً لصوته الطبيعي. عند وصول مقطع مختلف، يضعه النظام في قائمة مراجعة مع وقت التسجيل ودرجة الشذوذ. لا يحدد سبب العطل ولا يوقف آلة؛ هو أداة فرز لتجربة تعليمية، وتبقى معاينة المشرف ضرورية.

اختر آلة واحدة قبل اختيار الشبكة

حدد جهازاً صغيراً يمكن تشغيله بإشراف آمن، مثل مضخة نموذجية منخفضة القدرة أو مروحة مكتبية، واتفق مع صاحب المختبر على طريقة التسجيل. ضع الميكروفون على حامل ثابت، وسجل مسافة ومكاناً واتجاهاً معروفاً. ابدأ بتمييز اختلاف التشغيل الطبيعي: سرعة منخفضة وعالية، بداية التشغيل، ووجود ضجيج الخلفية. لا تصنع كسراً ميكانيكياً في جهاز لتوليد عينات معطوبة؛ استخدم بيانات متاحة أو تغييرات غير خطرة مع توثيقها.

صف المهمة بوصفها كشفاً عن الخروج عن الصوت المعتاد، لا تصنيف كل أنواع الأعطال. هذا اختيار مفيد عندما يكون لديك تسجيل طبيعي كثير وحالات استثنائية قليلة. لوحة العرض تضع موجة صوتية وطيفاً مختصراً ودرجة شذوذ، ثم تتيح فتح المقطع والاستماع إليه. لا تعرض سبباً ميكانيكياً كأنه معلوم؛ يمكن فقط إظهار قرائن تسجيلية مثل انخفاض مستوى الصوت أو اختلاف السرعة إذا كانت هذه السمات مقاسة فعلاً.

ابدأ ببيانات منشورة وافهم حدودها

تقدم ورقة MIMII مقاطع لأنواع آلات في حالات تشغيل طبيعية وغير طبيعية، وتصف ظروف جمع الصوت. وتعرض ورقة MIMII DUE أثر تغير التشغيل والبيئة على التوزيع الصوتي. هذه نقطة بداية بحثية، لكنها ليست تسجيلات مضختك نفسها: شكل الجهاز والميكروفون والقاعة والسرعة قد تختلف. سجل مجموعة البيانات وإصدارها وشروط استخدامها قبل تنزيلها، ولا تفترض أن كلمة anomalous تعني تشخيصاً ميدانياً موثوقاً.

قسّم المقاطع بحسب الجهاز والجلسة لا بحسب قصاصات الصوت وحدها. إذا قصصت ملفاً إلى أجزاء ثم وضعت بعضها في التدريب وبعضها في الاختبار، قد يتعرف النموذج على ضجيج التسجيل نفسه ويبدو ناجحاً بلا تعميم. اجعل جلسة أو وحدة كاملة خارج التدريب. أضف ملفاً يشرح معدل العينات والقنوات ومدة المقطع وظروفه المعروفة، واحفظ مرجع الملف الأصلي.

أنشئ خط أساس يمكن تفسيره

حوّل المقطع إلى أحادي القناة بمعدل ثابت، واقسمه إلى نوافذ متداخلة قصيرة. استخرج طاقة الإشارة وميزات طيفية مثل Mel spectrogram، ثم قارن متوسطات الحالة الطبيعية. ابدأ بمسافة إلى مركز البيانات أو Isolation Forest على ميزات ملخصة. تصف وثائق scikit-learn عائلة خوارزميات الشذوذ؛ لكنها لا تجعل الدرجة احتمال عطل ولا تعني أن عتبة واحدة تناسب آلات مختلفة.

لا تبدأ بشبكة عميقة إذا كانت لديك عشرات التسجيلات فقط. قارن طاقة الصوت وحدها بميزات طيفية ثم بكاشف الشذوذ. احفظ إعدادات تحويل الإشارة وإصدار المكتبات وعتبة الامتناع. اعرض للمستخدم ثلاثة مقاطع مرجعية قريبة في الميزات إلى جانب المقطع المختلف؛ هذا يساعده على مراجعة التحذير بدلاً من قبول رقم وحيد غامض. إذا كانت العينة أقصر من الحد الأدنى، ارفض تحليلها برسالة واضحة.

مثال تسجيل ونقطة فشل

تخيل عشرين جلسة طبيعية للمضخة عند سرعتين، ثم تسجيلاً جديداً بعد تغيير موضع الحامل. قد يعتبره النموذج مختلفاً مع أن الآلة لم تتغير؛ لذلك يسجل التطبيق إحداثية الميكروفون أو حالة الحامل ضمن البيانات، ويمنع مقارنة جلسة مجهولة الإعدادات بمرجع مختلف من دون تنبيه. المثال سيناريو مقترح وليس نتيجة قياس. إذا تغير حمل الآلة، صنفه شرطاً جديداً بدلاً من وضعه خطأ في قائمة الأعطال.

سجل صمتاً قبل الجلسة وبعدها، وراقب clipping وانقطاع الصوت وتغير ضجيج الخلفية. عالج ملفاً فارغاً أو معدل عينات غير مدعوم برسالة مفهومة ولا تنتج درجة. ضع صلاحيات التسجيل وسياسة الحذف؛ فقد يلتقط الصوت محادثات أشخاص في المختبر. الأفضل تسجيل الجهاز في مساحة خالية من المتحدثين وقص الملفات إلى القدر الضروري، لا تخزين أيام كاملة من الصوت المحيط.

كيف تقيس إنذاراً نادراً؟

لا تستخدم الدقة الكلية وحدها؛ إذا كانت كل المقاطع طبيعية فسيحصل نظام يقول «كلها طبيعية» على رقم مضلل. اكتب مجموعة حالات مرجعية يراجعها شخصان، واحسب نسبة الإنذارات الكاذبة لكل ساعة تشغيل ومعدل التقاط المقاطع المطلوبة ومقياس precision-recall. اختبر أجهزة وجلسات غير مرئية للتدريب، ثم أعد التجربة في قاعة مختلفة. اختر العتبة على مجموعة الضبط فقط، واحتفظ بالاختبار لتقييم نهائي لا يستخدم أثناء التطوير.

قارن نموذجك بخط أساس ثابت من متوسط الطاقة وبمراجع بشري يستمع للمقاطع في ترتيب عشوائي. سجل مدة الفحص وزمن الإجراء، لا نتيجة النموذج فقط. عند غياب وسم موثوق للحالات غير الطبيعية، اكتب ذلك بوضوح ولا تستنتج أن الإنذار يطابق عطلاً حقيقياً. يستطيع مشروع التخرج أن ينجح كدراسة كشف تغير صوتي حتى إن لم يقدم تشخيص صيانة أو توقعاً لزمن الفشل.

تسليم مفيد دون مبالغة

يتضمن التسليم تسجيلات مرخصة أو مصرحاً بها، وخط معالجة يعاد تشغيله، وتقريراً عن اختلاف الجلسات، وواجهة تعرض المقاطع التي تحتاج استماعاً. أرفق قائمة الحدود: لا اختبار على خط إنتاج، ولا علاقة مثبتة بين الدرجة ونوع العطل، ولا تنبؤ بموعد الفشل. راجع دليل تقييم النماذج ومنع تسرب البيانات عند اختيار التقسيم، وصف معايير مشروع التخرج على أنها تجربة بحثية لا أداة تشغيل.

توسع لاحقاً إلى مروحة ثانية أو جهاز مختلف، لكن احتفظ باختبار خارج الجهاز. إذا اختلف الصوت بسبب الميكروفون، ينبغي للنظام أن يعرف أنه خارج نطاق التدريب ويطلب مراجعة. تشغيله على طرف الجهاز أو رفع التسجيلات إلى خادم قرار مستقل يتطلب دراسة اتصال وخصوصية؛ لا تضف السحابة لمجرد أنها متاحة. أهم مخرج هو سجل تجربة يمكن لطالب آخر تكراره ومقارنة نتائجه به.