Jul, 2024

预测与健康管理大模型概述：概念、范式和挑战

HTML
PDF
TL;DR基于对PHM的挑战和瓶颈，以及大型模型的研究现状和优势的系统分析，我们提出了Prognosis and Health Management Large Model (PHM-LM)的新概念和三个渐进的范式，并在这三个范式的框架内为PHM-LM提供了可行的技术方法，同时讨论了PHM-LM在建设和应用过程中所面临的核心问题和技术挑战，从而提供了一个全面的PHM-LM技术框架，为新的PHM技术、方法、工具、平台和应用打开了新的途径，同时也潜在地创新了PHM的设计、研究与开发、验证和应用模式，实现了AI驱动的新一代PHM的全面能力发展。
发现论文，激发创造
  • 基于深度学习预测的对抗样本制作（扩展版）

    通过对 Prognostics and Health Management (PHM) 系统进行敌对样本攻击测试，本论文发现 IoT 传感器和 DL 算法都容易受到攻击，这可能导致 PHM 系统出现严重缺陷，从而减少设备的使用寿命。

    Sep, 2020

  • 关于 PHM 中 XAI 的准确性

    本文提出一种应用于时间序列回归模型的XAI方法的关键性和比较式修订，以探索这些方法的有效性，并比较它们之间的性能差异，结果表明GRAD-CAM是最强大的方法。

    Mar, 2023

  • ChatGPT-类大规模基础模型在预测性维护和健康管理方面的应用：综述与路线图

    文章系统阐述了大规模基础模型（LSF-Models）的关键组成部分和最新发展, 回答了如何构建适用于PHM任务的LSF-Model以及这一研究范式的挑战和未来发展路线图。

    May, 2023

  • 大型过程模型：生成式人工智能时代的业务流程管理

    通过将LLMs的相关性和知识系统以及自动推理方法的分析精度和可靠性相结合，提出了大型过程模型（LPM），该模型将大大减少业务转型所需的时间和工作量，并能提供比以前更深入、更有影响力和更具操作性的见解。

    Sep, 2023

  • 大型语言模型阐明人工医疗助理的进展路径：综述

    通过综述大型语言模型在医学领域中的应用和意义，揭示了它们在知识检索、研究支持、临床工作流自动化和诊断辅助等方面的效用，并探索了多模态语言模型以及自动化代理在医疗保健中的发展潜力。然而，为了有效地将这些模型整合到临床实践中，需要不断优化和进行伦理监管。

    Nov, 2023

  • 工业网络物理系统中预测与健康管理基础模型综述

    综述了工业领域中大规模建模在预测与健康管理(HM)方面的最新进展，为决策者与研究人员提供宝贵参考，同时促进工业领域中ICPS的可靠性、可用性和安全性的进一步提升。

    Dec, 2023

  • 利用本地知识库赋能ChatGPT类大规模语言模型，用于工业预测与健康管理

    ChatGPT-Like LLM empowered by the local knowledge base in industrial PHM combining domain-specific expertise significantly improves its performance, promoting efficiency and quality.

    Dec, 2023

  • 工业系统的诊断和预测的机器学习方法综述：基于工业开源数据

    在预测健康管理领域，本文提供了关于利用PHM数据挑战竞赛的开源数据集进行工业系统诊断和预测的机器学习方法的综述，并总结了一个统一的机器学习框架，强调了传统机器学习和深度学习在解决复杂工业任务方面的作用和挑战。

    Dec, 2023

  • DeepFMEA：融合过程专业知识和数据驱动 PHM 的可扩展框架

    基于机器学习的预测性诊断和健康监测工具为制造商提供了新的机会，以风险优化的方式运营和维护设备，并在其生命周期内更可持续地利用。然而，在大多数工业环境中，数据往往数量有限，质量也可能不一致，这对开发和运行可靠的机器学习模型至关重要。为了弥补这一实践中的差距，成功工业化的预测性诊断和健康监测工具依赖于引入领域专业知识作为先验，以实现足够准确的预测，并提高其可解释性。因此，发展数据驱动的预测性诊断和健康监测工具的关键挑战之一在于将维护人员、开发人员和服务工程师的经验和过程知识转化为数据结构，该结构不仅必须捕捉到专业知识的多样性和变异性，还必须使这些知识能够让各种数据驱动算法访问。这导致数据模型严重依赖于特定应用程序和开发团队旨在检测或预测的故障模式，缺乏标准化方法限制了开发的可扩展性和可转移性，并阻碍了标准数据管理和MLOps工具的利用，增加了开发团队的负担。DeepFMEA从故障模式与影响分析（FMEA）中汲取灵感，以其结构化的方法分析任何技术系统和由此产生的标准化数据模型，同时考虑到捕捉过程和维护专业知识的关键方面，以对领域专家直观，并使得所得信息可以作为先验引入机器学习算法。

    May, 2024

  • 卫生技术评估的生成式人工智能：机遇、挑战与政策考虑

    人工智能对卫生技术评估具有转变潜力，包括大型语言模型在内的基础模型可以在证据综述、证据生成、临床试验和经济模型等四个关键领域中发挥作用。尽管这些技术有很大的前景，但仍需要持续评估其在卫生技术评估中的应用，并熟悉其当前的限制和科学有效性、偏见风险以及公平和伦理问题。建议HTA机构负责负责地将生成式人工智能集成到工作流程中，并强调人类监督和这些工具的快速演变性质的重要性。

    Jul, 2024