Timestral predpovedá údaje zo senzorov a zohľadní aj plán výroby

Mistral 15. októbra predstavil Timestral, rodinu modelov určených na časové rady. Ponúka veľkosti 5, 28, 123 a 209 miliónov parametrov spolu s verejným repozitárom. Vstupom sú namerané hodnoty v čase a doplnkové premenné; výsledkom má byť predpoveď ďalšieho vývoja. Nejde o chatovací model, ktorý by číselnú analýzu nahrádzal slovným odhadom.

Takéto dáta vznikajú pri meraní spotreby, monitorovaní serverov či sledovaní strojov. Predtrénovaný model môže poslúžiť ako východisko aj tam, kde tím nechce pre každú novú sériu pripravovať samostatnú neurónovú sieť od začiatku.

Timestral vie pracovať s viacerými radmi naraz. Teplota, tlak a vibrácie čerpadla tak nemusia byť izolované úlohy. Podporuje tiež premenné známe z minulosti aj tie, ktoré poznáme vopred, napríklad plánovanú odstávku alebo výrobný rozvrh. Zmena zaťaženia potom nemusí vyzerať ako nevysvetliteľná odchýlka.

Namiesto jediného čísla model poskytuje kvantily, teda rôzne hranice predpokladaného rozdelenia. Prevádzka môže odlišovať bežné kolísanie od situácie, ktorá si zaslúži kontrolu. Príklad priemyselného podniku v oznámení je však ilustráciou použitia, nie zdokumentovaným nasadením u menovaného zákazníka.

Mistral uvádza, že pri ôsmich CPU vláknach trvá predpoveď jedného dňa z troch týždňov pätnásťminútových meraní približne 10 milisekúnd s najmenším a 140 milisekúnd s najväčším modelom. Sú to konkrétne podmienky merania; tisíce senzorov a iné dĺžky histórie môžu mať odlišné nároky.

Pri pilote je potrebné oddeliť tréningové a testovacie obdobie, porovnať model s jednoduchou základnou predpoveďou a skontrolovať chýbajúce či nepravidelné merania. Dôležité je aj to, či deklarované pásmo neistoty zodpovedá skutočným chybám. Predpoveď môže pomôcť plánovať údržbu, ale sama nedokazuje príčinu poruchy ani nenahrádza diagnostiku zariadenia.

Rozvrh výroby musí byť do modelu vložený tak, ako bol známy v čase predpovede. Ak by test použil neskôr opravený plán alebo budúce namerané hodnoty, výsledok by pôsobil presnejšie, než môže byť v prevádzke. Zmysluplné porovnanie preto postupuje chronologicky a priebežne obnovuje predpoveď. Tak možno zistiť, či pridané premenné pomáhajú aj mimo obdobia, na ktorom sa nastavoval pilot.