Seeq Add-ons

La nostra offerta comprende packages personalizzati sviluppati su Seeq per eseguire analisi specializzate.

Questi strumenti hanno lo scopo di aiutare l’utente ad eseguire analisi complesse e a comprenderne i risultati. L’utilizzo di tecniche di Analisi e di visualizzazione consentono a questi strumenti di aiutare l’utente ad eseguire e comprendere analisi complesse all’interno della piattaforma dati di Seeq.

PRINCIPAL COMPONENT ANALYSIS

Introduzione

L’analisi delle componenti principali (PCA) è una potente tecnica statistica ampiamente applicata in ambito industriale e operativo per il rilevamento delle anomalie e l’analisi delle cause. Riducendo la dimensionalità di insiemi di dati complessi, la PCA identifica modelli e relazioni che potrebbero non essere immediatamente evidenti, consentendo di rilevare deviazioni o anomalie nel comportamento del sistema. Queste anomalie spesso indicano potenziali guasti, inefficienze o condizioni operative anomale. Inoltre, la capacità della PCA di evidenziare le variabili più significative contribuisce a individuare le cause principali, facilitando interventi mirati. La sua applicazione è particolarmente preziosa in ambienti con insiemi di dati ad alta dimensionalità, come la produzione, i sistemi energetici e il controllo dei processi, dove l’affidabilità e l’efficienza operativa sono fondamentali.

Installazione

Di seguito sono riportati i requisiti e la procedura di installazione.

Prerequisiti
Se si desidera installare com.ematica.pca come strumento aggiuntivo di Seeq, è necessario disporre di:

Seeq Data Lab (>= R52.1.5, >=R53.0.2, o >=R54);
modulo seeq la cui versione corrisponda alla versione del server Seeq;
accesso come amministratore di Seeq;
Abilitare gli strumenti aggiuntivi nel server Seeq.

Installazione

Creare un nuovo progetto Seeq Data Lab e aprire la finestra del terminale.
Eseguire pip install BUILDER_ADDON_PCA

Utilizzo e prestazioni

Questo componente aggiuntivo di SEEQ si collega automaticamente al worksheet da cui è stato lanciato. Il principio è quello di applicare le formule PCA per effettuare un’analisi comparativa delle influenze dei diversi parametri all’interno di un sistema chiuso. I contributi principali saranno quelli delle variabili che influenzano maggiormente la deviazione dal comportamento che la PCA intende come ‘normale’.

Per addestrare il modello al comportamento corretto si utilizzerà una condizione di train . Si prevede che questo periodo abbia una percentuale minima di anomalie.
Una condizione di test sarà utilizzata come periodo in cui la PCA deve calcolare le diverse influenze dei parametri all’interno dell’intervallo di tempo. È possibile assegnare all’add-on una condizione con più capsule temporali. In questo caso, la PCA verrà applicata a ciascuna capsula temporale.
Una condizione di fase (opzionale) consente di configurare l’add-on su un’impostazione diversa:
- La condizione Test definisce le macro-capsule temporali in cui deve essere calcolato la PCA;
- La condizione di fase definisce i periodi di tempo in cui i segnali devono essere utilizzati per l’analisi delle componenti principali.

(ad esempio, se si desidera calcolare le Componenti Principali per tutti i periodi di avvio dell’ultimo mese, la condizione di test sarà l’ultimo mese e la condizione di fase i periodi di avvio).

Segue una breve descrizione di tutti i parametri utilizzati nel calcolo.

Parametro	Descrizione
Time Interpolation	Definisce la frequenza di campionamento dei dati dal Worbench
Data Reduction	Definisce la quantità di riduzione delle variabili (0% nessuna riduzione)
Save Output	Se abilitato, tutti gli output vengono scritti su un nuovo Seeq Workbench

Esempi

Abbiamo utilizzato i dati interni per memorizzare le variabili relative a un asset specifico. All’interno abbiamo definito una condizione di train e una condizione di prova da utilizzare nell’analisi delle componenti principali.

Dal componente aggiuntivo è necessario compilare ogni campo, quindi inviare i parametri. È possibile selezionare tutte le condizioni disponibili sul worksheet all’interno della casella di selezione delle condizioni di train e della casella di selezione delle condizioni di test.

Durante il calcolo, il modello utilizzerà i dati del periodo di train per apprendere le impostazioni della condizione normale per il sistema di variabili definito nel workbench. Una volta eseguita l’analisi, l’add-on mostrerà come ogni variabile influisce sulla deviazione del sistema dalla condizione normale. Questo modello è particolarmente utile per rilevare anomalie in scenari stazionari.

Il grafico illustra il modo in cui ciascuna variabile influisce sulla deviazione del sistema rispetto al valore per una specifica capsula temporale. Il titolo fornisce il riferimento alla capsula temporale, compresa l’ora di inizio del periodo corrispondente. Facendo clic sull’icona “Anomaly Detection” nell’angolo in basso a destra è possibile visualizzare la deviazione del sistema dalla condizione normale per ogni osservazione.

Utilizzando la barra Pick Event sotto il grafico è possibile scorrere tutte le capsule temporali caricate nell’add-on per la condizione di prova.

Contatti

Per ulteriori informazioni, non esitate a contattarci all’indirizzo software@e-matica.it .