phm-algo-ias 1.4.3

Example algo package with Cython-compiled submodules

應用場域

	機台種類	特徵採用
	固定式轉動機械	時域、頻域、fail mode
	非固定式轉動機械	時域、頻域

參數列表

	演算法功能	建模參數	客戶、用途
0.1	DEMO_1 (每分鐘訓練以及推論)	"0, 0, 1, 1, 2, 1, 1, 1"	DEMO (Segmentation)
0.2	DEMO_2 (時窗=60s, step=30s做訓練以及推論 )	"0, 0, 0, 1, 2, 1, 1, 4"	DEMO (Rolling)
1-1	Segmentation 一般建模 (頻域)	"1, 0, 1, 3, 3, 1, 1, 1"	南科TSMC
1-2	Segmentation 一般建模 (時域、頻域、fail mode)	"1, 0, 1, 1, 2, 1, 1, 1"	SDP、雲界、景碩
2-1	快速建模-暫態 (頻域)	"1, 0, 1, 3, 3, 1, 1, 2"	南科TSMC
2-2	快速建模-穩態 (頻域)	"1, 0, 1, 3, 3, 1, 1, 3"	南科TSMC
3-1	Rolling 一般建模 (時域、頻域、fail mode)	"1, 0, 1, 1, 2, 1, 1, 3"	未來更版用
3-2	Rolling 一般建模 (時域、頻域)	"1, 0, 1, 2, 2, 1, 1, 3"	未來更版用 SDP(KDY、USUN)

參數意義

	0	1	2	3	4
1. 時間長度設定	min	hour
2. 測試資料群值處理	close	open
3. 低解析度特徵篩選	close	open
4. 特徵選擇		Time, Frequency, fail mode	Time, Frequency	Frequency
5. Scale		df_scaled = df	Standardize()	minmax()
6. 模型		PCA + T²
7. rul_deadline		T² + 12 * σ(T²) → Score	Warning: T² + 24 * σ(T²) → Score rul_deadline = 0
8. feature_extraction_setting		每小時取特徵 小時不足1800筆則刪除	依資料進行rolling計算 Window = 120s Step = 60s (暫態)	Rolling計算 Window = 3600s Step = 1800s (穩態)	Rolling計算 Window = 60s ,Step = 30s

error_stage列表

Training	error_stage	程式步驟
	Error_01	df 轉換成每秒一筆資料
	Error_02	出廠設定參數
	Error_03	前處理
	Error_04	特徵分類/挑選
	Error_05	低解析度特徵篩選
	Error_06	特徵萃取
	Error_07	資料正規化
	Error_08	建模
	Error_09	RUL 計算

Inference	error_stage	程式步驟
	Error_01	df 轉換成每秒一筆資料
	Error_02	檢查資料筆數 (是否<301)
	Error_03	出廠設定參數
	Error_04	前處理
	Error_05	特徵萃取
	Error_06	資料正規化
	Error_07	計算 HI & T2 & 嫌疑度變量