Problem ene nepojasnjene ocene

Tehnična programska oprema pogosto stisne kompleksen proces v eno številko: zdravje 82, učinkovitost 71, anomalija 0,84, tveganje visoko. Povzetek je lahko uporaben, vendar brez konteksta ne vemo, ali rezultat temelji na enem senzorju, desetih signalih, hevristiki ali AI modelu.

1. Ohrani izvorne podatke

Kjer je mogoče, ohrani originalno meritev, sliko, protokolni odgovor, časovno vrsto ali konfiguracijo. Izpeljane metrike morajo biti ponovno izračunljive iz vira.

2. Zapiši verzijo in konfiguracijo

Rezultat algoritma v1.4 s kalibracijo A ni nujno neposredno primerljiv z rezultatom v2.0. Zato so pomembni verzija programa, algoritma, nastavitve in čas.

3. Loči meritev od interpretacije

BACnet Present_Value je podatek; trditev »ventil je verjetno zataknjen« je diagnostični sklep. Morfološka značilnost GDV slike je meritev; sektorska razlaga je interpretacija. Korelacija v World State Explorerju je izračun; vzročnost je hipoteza.

4. Pokaži negotovost

Kakovost slike je lahko slaba, senzor zastarel, vzorec majhen ali AI negotov. Zaupanje izboljšamo, če pokažemo confidence, velikost vzorca, kakovost, ponovljivost, starost podatka in ali je ugotovitev neposredna ali sklepana.

5. Ponavljajoči dokazi so močnejši od ene anomalije

Posamezna anomalija je lahko šum. Pri avtomatizaciji opazujemo odziv ventila skozi več ciklov; pri GDV ponovimo zajem; pri časovnih vrstah discovery ugotovitev preverimo na podatkih, ki jih model prej ni videl.

6. AI naj pomaga razlagati, ne briše sledi

AI je uporaben pri povzemanju logov, primerjavi meritev in razlagi kompleksnih rezultatov. Tveganje nastane, ko tekoč jezik prekrije dejstvo, da podatkovna sled ni več vidna.

7. Ponovljivost je funkcija izdelka

Ponovljivost ni samo akademska zahteva. Commissioning inženir želi vedeti, kateri format registra je ustvaril vrednost. Raziskovalec potrebuje verzijo algoritma. Serviser želi ponoviti stanje uporabnika.

Primeri v PICALLW projektih

NODVIA: identiteta naprave, naslov, protokolni kontekst, write permission in trendi pred diagnostiko.

GDV Studio: originalni zajem, kakovost, morfologija, ponovljivost in baseline pred interpretacijo.

World State Explorer: ločen discovery/validation, FDR in zavrnitev hipotez, ki ne preživijo novih podatkov.

Digital Radionics: eksperimentalni simbolni proces z ohranjenimi nastavitvami, brez predstavljanja subjektivne interpretacije kot fizikalne meritve.

Praktičen seznam

  • Ali lahko uporabnik vidi izvorne podatke?
  • Ali se rezultat lahko ponovi z isto verzijo in nastavitvami?
  • So meritve ločene od interpretacije?
  • So kakovost in negotovost vidne?
  • Ali lahko kasnejši pregledovalec razume razlog zaključka?
  • Ali AI ohranja dokazno sled?

Viri in okviri

Povezano branje