Predictive Maintenance-Konnektor

Übersicht

Der Predictive-Konnektor reichert eine eingehende Meddle-Payload mit Predictive-Maintenance-Metriken für eines oder mehrere konfigurierte Signale an. Für jedes Signal berechnet er einen Trend (Änderungsrate), eine Schätzung der verbleibenden Nutzungsdauer (RUL) in Zyklen und einen Gesundheitsscore zwischen 0 und 100. Er löst außerdem ein optionales Warn-Flag aus, wenn die RUL unter einen benutzerdefinierten Schwellenwert fällt.

Konnektor-Typen:

• Predictive - Zustandsbehafteter Prozessor, der einen rollenden Buffer pro Signal verwaltet und angereicherte Payloads ausgibt

Obwohl es sich um einen Prozessor handelt, ist der Konnektor unter industrial/ kategorisiert, da sein primärer Anwendungsfall die Zustandsüberwachung von Maschinen, Motoren, Pumpen und anderen industriellen Anlagen ist.

Funktionen

• ✅ Drei Trend-Berechnungsmethoden: lineare Regression, gleitender Durchschnitt, EWMA
• ✅ Obere und untere Grenzen pro Signal
• ✅ RUL-Schätzung in Zyklen bis zu den konfigurierten Grenzen
• ✅ Gesundheitsscore abgeleitet aus dem Abstand zu konfigurierten Grenzen (0-100)
• ✅ Optionales RUL-Warn-Flag unterhalb eines Schwellenwerts
• ✅ Tolerante numerische Konvertierung (verarbeitet Ints, Floats, Strings)
• ✅ Ursprüngliche Payload bleibt erhalten — prädiktive Felder werden hinzugefügt

Grundkonfiguration

Lineare Regression-Trend mit RUL-Alarm

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "vibration_rms",
        "upperLimit": 0.8,
        "degradationRate": 0.001
      }
    ],
    "windowSize": 30,
    "method": "linear_regression",
    "alertOnRul": 168
  }
}

EWMA-Glättung für verrauschte Signale

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "bearing_temperature",
        "upperLimit": 95.0,
        "lowerLimit": 20.0
      }
    ],
    "windowSize": 50,
    "method": "ewma"
  }
}

Mehrere Signale

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "motor_current",
        "upperLimit": 25.0
      },
      {
        "key": "vibration_rms",
        "upperLimit": 0.8
      },
      {
        "key": "oil_pressure",
        "lowerLimit": 2.0
      }
    ],
    "windowSize": 30,
    "method": "linear_regression",
    "alertOnRul": 48
  }
}

Konfigurationsparameter

Signals

Erforderliche, nicht-leere Liste der zu überwachenden Signale.

{
  "signals": [
    {
      "key": "vibration_rms",
      "upperLimit": 0.8,
      "lowerLimit": 0.0,
      "degradationRate": 0.001
    }
  ]
}

Signal: Key

Der Payload-Schlüssel, der bei jedem Zyklus gelesen wird. Muss exakt mit der eingehenden Payload übereinstimmen.

{ "key": "vibration_rms" }

Signal: UpperLimit / LowerLimit

Die konfigurierten Betriebsgrenzen für dieses Signal.

{
  "upperLimit": 0.8,
  "lowerLimit": 0.0
}

• upperLimit - Der “Alarm-Hoch”-Wert. Wenn der Trend positiv ist, wird die RUL als Abstand zu dieser Grenze geteilt durch den Trend berechnet
• lowerLimit - Der “Alarm-Niedrig”-Wert. Wenn der Trend negativ ist, wird die RUL als Abstand unter dem aktuellen Wert geteilt durch |trend| berechnet

Mindestens eine der beiden sollte für eine sinnvolle RUL gesetzt werden; andernfalls wird RUL als +Inf gemeldet.

Signal: DegradationRate

Reserviert für zukünftige Verwendung (erwartete Degradationssteigung pro Signal). Optional.

{ "degradationRate": 0.001 }

Window Size

Erforderlich. Die Anzahl der aktuellen Samples, die im Ring-Buffer pro Signal aufbewahrt werden.

{ "windowSize": 30 }

Empfohlene Werte:

• Schnelle/saubere Signale: 10-30
• Verrauschte industrielle Sensoren: 50-200
• Langsame Degradationssignale: 500+

Die Fenstergröße steuert auch den EWMA-Glättungsfaktor: alpha = 2 / (windowSize + 1).

Method

Erforderlich. Einer der folgenden:

• linear_regression - Kleinste-Quadrate-Steigung über das gesamte Fenster (benötigt ≥ 3 Samples)
• moving_average - Differenz zwischen aufeinanderfolgenden gleitenden Durchschnitten (benötigt ≥ 1 Sample)
• ewma - Exponentiell gewichteter gleitender Durchschnitt; Trend ist Delta zwischen aufeinanderfolgenden EWMA-Werten (benötigt ≥ 1 Sample)

{ "method": "linear_regression" }

Auswahl einer Methode:

• Lineare Regression: am besten, wenn Sie der jüngsten Vergangenheit als Prädiktor für die Degradationssteigung vertrauen (Motorlager, allmählicher Verschleiß)
• Gleitender Durchschnitt: am besten, wenn Sie Rauschunterdrückung mit minimaler Verzögerung wünschen
• EWMA: am besten, wenn aktuelle Samples mehr Gewicht haben sollen als alte (sich schnell ändernde Systeme)

Alert On RUL

Optional. Wenn die RUL unter diesen Schwellenwert (in Zyklen) fällt, wird die Ausgabe-Payload mit <key>_rul_alert: true markiert.

{ "alertOnRul": 168 }

Die Einheit ist “Zyklen” — also die Anzahl der Samples bis zur projizierten Erreichung des Limits. Um in Echtzeit umzurechnen, multiplizieren Sie mit dem vorgelagerten Sampling-Intervall.

Ausgabe-Payload

Jedes Signal produziert drei neue Schlüssel (und optional einen vierten):

{
  "vibration_rms": 0.62,
  "vibration_rms_trend": 0.005,
  "vibration_rms_rul": 36,
  "vibration_rms_health_score": 22.5,
  "vibration_rms_rul_alert": true
}

Schlüssel	Bedeutung
<key>_trend	Änderungsrate pro Zyklus
<key>_rul	Verbleibende Nutzungsdauer in Zyklen (oder +Inf, wenn nicht vorhersagbar)
<key>_health_score	0-100-Score (100 = gesund, 0 = an/jenseits einer Grenze)
<key>_rul_alert	Auf true gesetzt, nur wenn alertOnRul konfiguriert ist und RUL darunter liegt

Die ursprünglichen Schlüssel aus der eingehenden Payload werden unverändert durchgereicht.

Berechnungsreferenz

Trend

• linear_regression: Steigung m = (n·Σxy − Σx·Σy) / (n·Σx² − (Σx)²) über das Fenster
• moving_average: mean(window_t) − mean(window_{t−1})
• ewma: EWMA_t − EWMA_{t−1}, mit alpha = 2 / (windowSize + 1)

RUL

• Wenn trend > 0 und upperLimit gesetzt: RUL = (upperLimit − currentVal) / trend
• Wenn trend < 0 und lowerLimit gesetzt: RUL = (currentVal − lowerLimit) / |trend|
• Andernfalls: RUL = +Inf (keine sinnvolle Schätzung)

Wenn der aktuelle Wert die relevante Grenze bereits überschritten hat, ist RUL = 0.

Health Score

• Wenn beide Grenzen gesetzt sind: 100 bedeutet am Mittelpunkt; 0 an einer der Grenzen (linear)
• Wenn nur obere: 100 bei 0, 0 bei upperLimit (linear)
• Wenn nur untere: 100 bei hohen Werten, 0 bei lowerLimit
• Wenn weder: 100 (keine Einschränkungen, Signal nur informativ)

Alle Scores werden auf [0, 100] begrenzt.

Datenfluss

DataPayload → Predictive → DataPayload + (<key>_trend, _rul, _health_score, _rul_alert?)

Beispiel (linear_regression, windowSize=10, upperLimit=0.8):

Letzte 10 Samples von vibration_rms:

[0.42, 0.45, 0.47, 0.51, 0.55, 0.58, 0.60, 0.63, 0.65, 0.68]

• Trend (Steigung): ≈ +0,029 pro Zyklus
• Aktueller Wert: 0,68
• RUL: (0,8 − 0,68) / 0,029 ≈ 4,1 Zyklen
• Health-Score: ((0,8 − 0,68) / 0,8) × 100 = 15,0
• Falls alertOnRul: 10 gesetzt → _rul_alert: true

Häufige Anwendungsfälle

1. Verfolgung der Lagerdegradation

Vibrations-RMS überwachen und Ausfall 7 Tage im Voraus vorhersagen (unter der Annahme von 1-Minuten-Sampling, 168 Zyklen/Woche × 60 ≈ 10080 Zyklen/Woche):

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "vibration_rms",
        "upperLimit": 0.8
      }
    ],
    "windowSize": 60,
    "method": "linear_regression",
    "alertOnRul": 10080
  }
}

2. Schmiersystem-Druckwacht

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "oil_pressure_bar",
        "lowerLimit": 2.0
      }
    ],
    "windowSize": 30,
    "method": "ewma",
    "alertOnRul": 240
  }
}

3. Multi-Signal-Pumpen-Gesundheitsbewertung

{
  "type": "Predictive",
  "config": {
    "signals": [
      { "key": "motor_current", "upperLimit": 25 },
      { "key": "discharge_pressure", "lowerLimit": 5, "upperLimit": 12 },
      { "key": "vibration_rms", "upperLimit": 0.7 },
      { "key": "bearing_temp", "upperLimit": 90 }
    ],
    "windowSize": 50,
    "method": "moving_average"
  }
}

Die nachgelagerte Pipeline kann einen Gesamt-Pumpen-Gesundheitsscore berechnen, indem <signal>_health_score-Schlüssel aggregiert werden.

Fehlerbehebung

insufficient data points

Problem: Fehler bei den ersten Samples gemeldet

Lösungen:

1. Erwartetes Verhalten — linear_regression benötigt mindestens 3 Samples, bevor ein Trend ausgegeben werden kann
2. EWMA und gleitender Durchschnitt benötigen mindestens 1 Sample
3. Verwenden Sie einen nachgelagerten Filter-Konnektor, um die Warnung bei Bedarf zu unterdrücken

cannot convert <type> to float64

Problem: Ein Signalwert kann nicht in eine Zahl konvertiert werden

Lösungen:

1. Bestätigen, dass der vorgelagerte Konnektor numerische Werte für den konfigurierten key liefert
2. Booleans, Structs und Arrays können nicht verarbeitet werden — verwenden Sie einen vorgelagerten Transform, um einen Skalar zu extrahieren
3. Strings werden von vorgelagerten Konnektoren akzeptiert, die OEE-artiges numerisches Parsing durchführen, aber Predictive erfordert mit connector.ToFloat64-kompatible Typen

RUL ist immer +Inf

Problem: Trend scheint 0 zu sein oder keine Grenze ist gesetzt

Lösungen:

1. Das Signal muss einen Trend ungleich Null UND eine mit der Trendrichtung ausgerichtete Grenze haben
2. Wenn sich das Signal nicht ändert, ist die RUL nicht sinnvoll definiert — dies ist korrektes Verhalten
3. Für ein flaches, aber degradiertes Signal bevorzugen Sie den Gesundheitsscore gegenüber der RUL

RUL-Alarme feuern ständig

Problem: Falsche _rul_alert: true über viele Zyklen

Lösungen:

1. windowSize erhöhen, um die Trendschätzung zu glätten
2. Von linear_regression zu ewma für weniger jittrige Trends wechseln
3. Den alertOnRul-Schwellenwert anheben, um ihn an Ihre echte Vorlaufzeit anzupassen

Health-Score ist 0 ohne erkennbaren Grund

Problem: Score bleibt bei 0

Lösungen:

1. Überprüfen, dass der aktuelle Wert die konfigurierte Grenze nicht bereits überschritten hat — wenn ja, ist der Score korrekt 0
2. Wenn nur lowerLimit gesetzt ist und der Wert gleich 0 ist, ist die Formel value / lowerLimit ebenfalls 0
3. Sowohl upperLimit als auch lowerLimit für einen mittelpunktbasierten Score konfigurieren

Best Practices

1. Grenzen anhand echter Betriebsdaten kalibrieren

Übernehmen Sie upperLimit nicht aus einem Hersteller-Datenblatt. Profilieren Sie die Anlage für einige Wochen und wählen Sie eine Grenze, die 10-20% innerhalb des katastrophalen Schwellenwerts liegt.

2. Fenstergröße an die Sampling-Kadenz anpassen

Für 1Hz-Daten und wöchentliche Degradation kann ein Fenster von ~1 Stunde (3600 Samples) überdimensioniert sein — die meisten Degradationssignale benötigen nicht so viel Historie. Beginnen Sie mit ~30 Samples und stimmen Sie ab.

3. Lineare Regression für diagnostisches Trending verwenden

Die Steigung der linearen Regression ist die am besten interpretierbare Trend-Ausgabe und der richtige Standard für langsame industrielle Degradation.

4. Alarmierung beim ersten Sample vermeiden

Die ersten ≤ 3 Samples produzieren Trends von Null oder RUL von +Inf. Verwenden Sie einen nachgelagerten Trigger oder Filter, damit Alarme beim Start nicht fälschlicherweise auslösen.

5. Mit einer Alarm-Zustandsmaschine verketten

Den _rul_alert-Flag in einen Isa182-Block einspeisen, um einen standardisierten Bestätigungs-Workflow zusätzlich zur reinen Vorhersage anzuwenden.

Beispiel-Workflows

Predictive → Alarm → Benachrichtigung

ModbusReader → Predictive → Isa182 → Alert (E-Mail)

1. ModbusReader: Holt vibration_rms und bearing_temp von einem Vibrationssensor
2. Predictive: Berechnet Trend, RUL und Gesundheitsscore für beide Signale
3. Isa182: Triggert einen Alarm, wenn vibration_rms_rul_alert == true oder bearing_temp_health_score < 30
4. Alert: E-Mailt das Wartungsteam

Multi-Signal-Anlagen-Gesundheits-Dashboard

OpcuaReader → Predictive → Reshape → Chart (Anzeige pro Signal)
                                  └→ InfluxDb2Writer

1. OpcuaReader: Liest alle relevanten Signale vom OPC UA-Server der Anlage
2. Predictive: Reichert jedes Signal mit _trend, _rul, _health_score an
3. Reshape: Strukturiert die Payload für den Chart-Verbrauch um
4. Chart: Rendert eine Anzeige pro Signal-Gesundheitsscore
5. InfluxDb2Writer: Persistiert für langfristige Trendanalysen

Verwandte Konnektoren

• ISA-18.2 - RUL-Alarme in eine Zustandsmaschine einhüllen
• Anomaly Detection - Statistische Ausreißer erkennen
• Aggregation - Signale vor der Einspeisung in Predictive mitteln
• Trigger - Bedingte Ausgabe bei RUL-Alarmen
• InfluxDB - Prädiktive Metriken zur Analyse persistieren

Zusätzliche Ressourcen

• ISO 17359 - Zustandsüberwachung und Diagnose von Maschinen (allgemeine Richtlinien)
• ISO 13374 - Zustandsüberwachung und Diagnose von Maschinensystemen (Datenverarbeitung, Kommunikation und Präsentation)
• NASA Prognostics Center of Excellence - RUL-Methodikforschung
• Exponentially Weighted Moving Average (EWMA) Referenz