Quels sont les problèmes courants dans les expériences de comparaison de redondance à double capteur ?

Le contrôle des variables, les statistiques de données et l'évaluation des résultats sont les trois principaux domaines de préoccupation dans les enquêtes de comparaison de redondance à double capteur. Les huit problèmes les plus courants et leurs solutions sont répertoriés ci-dessous :

I. Problèmes liés au contrôle variable (les plus sujets aux pièges, impactant directement la validité des résultats)

Problème : les variables ne sont pas uniques ; les changements de matériel et d’algorithme se produisent simultanément. Lors d’expériences, de nombreuses personnes modifient à la fois le capteur et l’algorithme. Lorsque les résultats s’améliorent, ils ne savent pas si l’algorithme ou le capteur est à blâmer.

Solution : changez simplement d'algorithme, testez un ensemble de capteurs avant de passer à l'autre et utilisez la même paire de capteurs au même endroit de montage.

Des conditions de test incohérentes et des paramètres de processus modifiés sont à l'origine du problème. Le produit A est utilisé par le groupe témoin et le produit B est utilisé par le groupe expérimental. Étant donné que les processus des deux produits fluctuent différemment, les résultats ne peuvent pas être comparés.

Solution : tout au long du test, maintenez la production du même produit constante et ne modifiez pas les variables du processus telles que la température, la pression ou la vitesse. Si vous devez apporter des modifications, notez-les et effectuez un autre calcul.

Problème : Taille de l'échantillon et durée du test inadéquates. Porter un jugement après seulement trois à cinq jours de tests laisse place à une intervention involontaire, ce qui pourrait entraîner des biais statistiques et des résultats peu fiables.

II. Statistiques de données (facilite les erreurs de calcul)

Problème : Les situations non-défectueuses sont correctement prises en compte dans le calcul du taux de fausses alertes. Un taux de fausses alarmes sous-estimé résulte du fait de ne compter que les fausses alarmes et d’ignorer les problèmes réels mais non détectés.

La réponse est de limiter le nombre de fausses alarmes aux « défauts réels confirmés ». Pour les problèmes connus, comptez directement les cas dans lesquels l'algorithme n'a pas réussi à déclencher une alarme ; n'incluent pas les situations typiques-sans erreur.

Problème : Le dénominateur du calcul du taux de fausses alarmes, qui correspond à l'ensemble du cycle de production, est inexact. Le taux de fausses alarmes est calculé de manière incorrecte en divisant le cycle de production total par le nombre de fausses alarmes. Le véritable calcul est « Nombre de fausses alarmes / Nombre total d'alarmes », ce qui entraîne un taux de fausses alarmes sensiblement sous-estimé.

Solutions : Respectez strictement la formule de calcul conventionnelle. Les statistiques ne doivent inclure que les alarmes déclenchées ; la production typique sans alertes ne doit pas être incluse dans le dénominateur.

Problème : L'algorithme produit directement une classification ; il n'y a pas de marquage manuel de l'authenticité de l'alarme. Parce que l’algorithme considère ses propres alarmes comme vraies, il produit des résultats qui sont falsifiés car le taux de fausses alarmes est bien inférieur au taux réel.

Solution : Pour déterminer si une alarme est un défaut ou une interférence réelle, toutes les alarmes doivent être démontées manuellement, les capteurs doivent être commutés et chaque alarme doit être étiquetée et catégorisée.

III. Catégorie de jugement de résultat (des conclusions inexactes sont faciles à tirer)

Problème : Ignorer la stabilité à long-terme au profit des résultats à court-terme. Après une semaine de tests, l’algorithme est immédiatement considéré comme qualifié si le taux de fausses alarmes se situe dans la fourchette acceptable. Le manque de vérification du vieillissement et de l’adaptation entraîne une augmentation du taux de fausses alertes après trois mois d’utilisation.

Solution : Un test à long terme de 90 -jours doit être ajouté pour la finalisation formelle du produit afin d'examiner statistiquement le taux de variation du taux de fausses alarmes ; en outre, des essais de vieillissement simulé doivent être effectués pour vérifier les modifications.

Problème : Les conclusions sont tirées sans effectuer de test de signification pour les petites variations. Lorsque deux groupes de taux de fausses alarmes diffèrent de quelques points de pourcentage, on suppose que le nouvel algorithme est supérieur, même si cela peut être le résultat de fluctuations aléatoires.

Solution : effectuez un test du chi carré si le taux de fausses alarmes chute de moins de 60 % ; ap-une valeur inférieure à 0,05 est nécessaire pour établir la validité de la différence. Une conclusion directe peut être tirée si la baisse est supérieure à 60 %.