ইনডাকশন ফার্নেসে ত্রুটি সনাক্তকরণে কৃত্রিম বুদ্ধিমত্তার উন্নতি

স্টিল ফাউন্ড্রিগুলির কেন্দ্রবিন্দুতে, ইন্ডাকশন ফার্নেসগুলি উল্লেখযোগ্য দক্ষতার সাথে ধাতু গলে। কিন্তু যখন এই সিস্টেমগুলি ব্যর্থ হয়, তখন উৎপাদন বন্ধ হয়ে যায়।ব্যাখ্যাযোগ্য কৃত্রিম বুদ্ধিমত্তার (এক্সএআই) একটি অগ্রগতি এখন এই সমালোচনামূলক শিল্প ব্যবস্থায় ত্রুটি সনাক্তকরণ এবং নির্ণয়ের জন্য একটি সমাধান সরবরাহ করে.

তাদের দক্ষতা, গতি, নিয়ন্ত্রণযোগ্যতা এবং পরিষ্কার অপারেশনের কারণে ইন্ডাকশন ফার্নেস (আইএফ) শিল্প গরম, গলন, ওয়েল্ডিং এবং ধাতব শক্ত করার জন্য অপরিহার্য হয়ে উঠেছে।এই জটিল সিস্টেম চারটি প্রধান উপাদান নিয়ে গঠিত:

• সংশোধকযা সিলিকন-নিয়ন্ত্রিত সংশোধনকারী (এসসিআর) ব্যবহার করে এসিকে ডিসিতে রূপান্তর করে
• ডিসি লিঙ্কপ্রবাহ সীমাবদ্ধ রিঅ্যাক্টর এবং ফিল্টারিং ক্যাপাসিটর সহ
• ইনভার্টারযা সুইচিং ফ্রিকোয়েন্সি সামঞ্জস্য করে শক্তি নিয়ন্ত্রন করে
• রেজোনেন্ট সার্কিটচুলা কয়েল এবং এসি ক্যাপাসিটর সমেত

পাওয়ার সেমিকন্ডাক্টর, বাসবার, ক্যাপাসিটর এবং ইন্ডাকশন কয়েল থেকে তাপ ছড়িয়ে দেওয়ার জন্য সিস্টেমগুলির সুনির্দিষ্ট শীতল প্রয়োজন।এই উপাদানগুলির যেকোনো ত্রুটি বিপর্যয়কর উৎপাদন ব্যাহত হতে পারে.

একটি উদ্ভাবনী গবেষণা উদ্যোগে আইএফ ত্রুটি নির্ণয়ের জন্য একটি গভীর শিক্ষার কাঠামো তৈরি করা হয়েছে, যা জটিল মডেল সিদ্ধান্তগুলি ব্যাখ্যা করে পোস্ট-হক এক্সএআই মডিউলগুলির দ্বারা উন্নত।এই দ্বৈত পদ্ধতি সঠিক ভবিষ্যদ্বাণী এবং বোধগম্য ব্যাখ্যা উভয়ই প্রদান করেএআই-র সুপারিশের ওপর অপারেটরদের আস্থা বাড়ানো।

এই সিস্টেমটি ছয়টি প্রধান অপারেশনাল সুবিধা প্রদান করেঃ

• পাওয়ার সেমিকন্ডাক্টরগুলির মতো গুরুত্বপূর্ণ উপাদানগুলির দ্বিতীয় ক্ষতি রোধ করে
• সঠিক ত্রুটি স্থানীয়করণের মাধ্যমে মেরামতের সময় এবং সামগ্রিকভাবে ডাউনটাইম হ্রাস করে
• ক্যাসকেড ব্যর্থতা প্রতিরোধ করে রক্ষণাবেক্ষণ খরচ হ্রাস করে
• সামগ্রিক সিস্টেম স্বাস্থ্য এবং কর্মক্ষমতা উন্নত করে
• অপ্রত্যাশিত বন্ধকে কমিয়ে আনার মাধ্যমে উৎপাদনশীলতা বৃদ্ধি করে
• ঝুঁকি প্রাথমিক সনাক্তকরণের মাধ্যমে নিরাপত্তা ঝুঁকি হ্রাস করে

গবেষণা দলটি ১৫ টন ও ৫ মেগাওয়াট ক্ষমতাসম্পন্ন ইন্ডাকশন ফার্ম থেকে বিস্তৃত বৈদ্যুতিক পরামিতি তথ্য সংগ্রহ করেছে, যার মধ্যে রয়েছেঃ

• ভোল্টেজ, বর্তমান এবং পাওয়ার পরিমাপ
• ২২ তম আদেশ পর্যন্ত হারমোনিক বিকৃতি পরিমাপ
• THD, OHD, এবং EHD এর মতো শক্তি গুণমানের সূচক
• সিস্টেম ভারসাম্যহীনতা অনুপাত এবং কে-ফ্যাক্টর

পাওয়ার কোয়ালিটি বিশ্লেষক থেকে সংগ্রহ করা ২১৮টি প্যারামিটার প্রিপ্রসেসিং করার পর, গবেষকরা আধা-নিরীক্ষিত অ্যানোমালির সনাক্তকরণের জন্য একটি স্থানীয় আউটলিয়ার ফ্যাক্টর অ্যালগরিদম ব্যবহার করেন।তারপর লেবেলযুক্ত ডেটা রিয়েল-টাইম পারফরম্যান্সের জন্য অপ্টিমাইজড একটি সহজলভ্য গভীর নিউরাল নেটওয়ার্ক (ডিএনএন) আর্কিটেকচারকে প্রশিক্ষণ দেয়.

ডিএনএন পূর্বাভাস ব্যাখ্যা করার জন্য LIME এবং SHAP অ্যালগরিদমের সংহতকরণে সিস্টেমের আসল উদ্ভাবন রয়েছে। যখন মডেলটি সম্ভাব্য ত্রুটিগুলি সনাক্ত করে যেমনঃ

• ক্যাপাসিটরের অবনতি
• কন্ট্রোল সার্কিট ব্যর্থতা
• স্যুইচিং যোগাযোগ ক্ষয়
• মাটির ফাঁসের ঘটনা
• সেমিকন্ডাক্টর ত্রুটি

এক্সএআই মডিউল প্রতিটি নির্ণয়ের জন্য সবচেয়ে প্রভাবশালী পরামিতিগুলি সনাক্ত করে। উদাহরণস্বরূপ, গ্রাউন্ড ফল্টের দৃশ্যকল্পগুলিতে,সিস্টেমটি ধারাবাহিকভাবে তৃতীয় পর্যায়ে (V3H13) 13 তম হারমোনিক ভোল্টেজের গুরুত্বকে তুলে ধরেছে, মোট পাওয়ার ফ্যাক্টর (CosPhiT) এবং নির্দিষ্ট বর্তমান হারমোনিকের সাথে।

তুলনামূলক পরীক্ষায় প্রমাণিত হয়েছে যে DNN এর ঐতিহ্যবাহী মেশিন লার্নিং পদ্ধতির তুলনায় উচ্চতরঃ

• গড় F-মাপ 09187, গ্রেডিয়েন্ট বুস্টিং (0.8998) এবং এলোমেলো বন পদ্ধতির চেয়ে ভাল
• 15.22% বেজ শ্রেণীবিভাগকারীদের তুলনায় উচ্চতর নির্ভুলতা
• সমস্ত মূল্যায়ন মেট্রিক (নির্ভুলতা, প্রত্যাহার, নির্ভুলতা) জুড়ে ধারাবাহিক পারফরম্যান্স

গবেষণাটি নিশ্চিত করে যে অদ্ভুত-ক্রম হারমোনিকস (বিশেষত 3 য়, 11 তম, 13 তম এবং 17 তম) আনয়ন চুল্লি সিস্টেমের বিভিন্ন ত্রুটির অবস্থার জন্য নির্ভরযোগ্য সূচক হিসাবে কাজ করে।এই ফলাফলটি শিল্প শক্তি সিস্টেমের মধ্যে rectifier-প্ররোচিত harmonics সংক্রান্ত বৈদ্যুতিক প্রকৌশল নীতির সাথে সামঞ্জস্যপূর্ণ.

যদিও বর্তমান বাস্তবায়ন উল্লেখযোগ্য প্রতিশ্রুতি দেখায়, গবেষকরা প্রশিক্ষণের তথ্যে শ্রেণীর ভারসাম্যহীনতা এবং কিছু এক্সএআই আউটপুট ব্যাখ্যা করার প্রযুক্তিগত জটিলতা সহ সীমাবদ্ধতা লক্ষ্য করে।উচ্চ ঝুঁকিপূর্ণ শিল্প পরিবেশে সিস্টেমের নির্ভরযোগ্যতা এবং ব্যবহারযোগ্যতা আরও বাড়ানোর জন্য ভবিষ্যতের কাজগুলি এই দিকগুলিকে পরিমার্জন করার উপর দৃষ্টি নিবদ্ধ করবে.