Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3 Entwicklung eines autonomen Überwachungskonzepts 55<br />
diagnostizieren und der Gewichtung von statistischen Ausreißern. Außerdem spielt die<br />
Messfrequenz eine nicht unerhebliche Rolle. Für den Fall, dass das Zeitintervall zwischen<br />
zwei Messungen relativ klein ist, kann die Länge des gleitenden Mittelwertes vergleichsweise<br />
höher gewählt werden, als wenn mehr Zeit zwischen den Messungen liegt. Der Grund hierfür<br />
ist, dass bei der gleichen Überwachungsdauer mehr Daten zur Verfügung stehen.<br />
Für die Detektion werden nun die geglätteten Daten mit dem entsprechenden statistischen<br />
Schwellwert aus den ursprünglichen, fluktuierenden Daten verglichen. Im Grenzwert, wenn<br />
die Varianz in den Daten gegen Null strebt, nähern sich die ursprünglichen Daten den mit<br />
dem gleitenden Mittelwert gewichteten Daten an. Um die beschriebene Systematik zu<br />
verdeutlichen, werden in Abbildung 3.6a 100 positive Zufallszahlen betrachtet, welche die<br />
Schädigungsindikatoren ξ S in der zweiten Trainingsphase des vorgestellten<br />
Überwachungskonzepts darstellen. Abbildung 3.6b zeigt die dazugehörige inverse kumulative<br />
Verteilungsfunktion. Das 99%-Quantil definiert hierbei einen statistischen Schwellwert, der<br />
auch bereits in Abbildung 3.6a eingezeichnet ist. Damit wird in diesem Beispiel einem<br />
Datenpunkt erlaubt, den statistischen Schwellwert zu überschreiten, siehe Messung 36.<br />
Abbildung 3.6: (a) Trainingsdaten mit 100 positiven Zufallszahlen. Die Kurve des gleitenden<br />
Mittelwerts (MA) überschreitet den Schwellwert nicht. (b) Inverse kumulative Verteilungsfunktion,<br />
bei der das 99%-Quantil die Detektionsgrenze markiert. (c) Monitoringphase mit 100 weiteren<br />
positiven Zufallszahlen. Die Kurven des gleitenden Mittelwerts (MA) folgen dem Trend<br />
der Sequenz und steigen ab dem simulierten Schadenseintritt beim Datenpunkt 160 an.