Den spesifikke statistiske analysen av eksperimentelle data følger en fire--trinns prosess: "Fullstendig registrering av rådata → Manuell merking og klassifisering → Beregning av kjerneindikatorer → Verifisering av betydning." Hvert trinn er praktisk og sikrer strenge og pålitelige statistiske resultater:
Trinn 1: Fullfør registrering av rådata (ingen informasjon tapt)
Etter at eksperimentet starter, registreres hvert datapunkt i følgende format. Det anbefales å eksportere den som en CSV/Excel-tabell:
Tabell Registreringstid ProsessstadiesensorA RåverdisensorB Råverdialgoritme Utgangsavvik Alarm utløst Merknader (manuell merking)
2026-xx-xx xx:xx Injeksjon 12.352 12.358 0.006 Ja ekte feil/falsk alarm
Regler for opptak:
Hver gang algoritmen utløser en alarm, må den registreres 100 % uten utelatelse;
Under normal produksjon uten alarmer er det kun nødvendig å registrere avviksdataene én gang hver time (for påfølgende 3σ-statistikk, trenger ikke å lagre hele dataene);
Under feilsimuleringstesting bør feilinjeksjonstiden registreres separat for å beregne responsforsinkelse.
Trinn 2: Manuell klassifisering (Skille sann fra falske alarmer)
Etter at alle alarmregistreringer er fullført, klassifiser dem manuelt én etter én:
|
Alarmtype |
Vurderingskriterier |
|
Ekte alarm (TP) |
Det eksisterer en reell sensorfeil/installasjonsavvik/drift som overskrider toleransen (bekreftet etter bytte og verifisering), eller en reell feil injiseres manuelt. |
|
Falsk alarm (FP) |
En alarm utløst utelukkende på grunn av forstyrrelser/svingninger, selv om sensor og installasjon er normalt. |
|
Tapt alarm (FN) |
En reell feil eksisterer (manuelt injisert eller faktisk bekreftet), men algoritmen utløste ikke en alarm. |
Merk: For ubesvarte alarmer er det bare "kjente ekte feil" som skal telles; tilfeller uten feil trenger ikke telles. Bare tell "antall ganger en kjent feil ikke utløste en alarm."
Trinn 3: Kvantitativ beregning av kjerneindikatorer
Beregn de fire kjerneindikatorene ved å bruke følgende formler og sammenlign resultatene direkte:
1. Falsk alarmfrekvens (mest kjerne)
Falske alarmfrekvens=Totalt antall alarmer (TP + FP) / Falske alarmer (FP) × 100 %
Eksempel: totalt 20 alarmer, hvorav 3 var falske alarmer, falsk alarmfrekvens=3/20=15 %
2. Falsk alarmfrekvens
Antall falske alarmer=Totalt faktiske feil (TP + FN) / Falske alarmer (FN) × 100 %
Eksempel: 10 faktiske feil ble injisert, 0 var falske alarmer, falsk alarmfrekvens=0 %
3. Gjennomsnittlig responsforsinkelse
For hver faktisk alarm, kalkuler alarmtiden - feilforekomsttid for å få forsinkelsen for enkelt-forsøk. Ta deretter gjennomsnittet av alle enkeltforsøksforsinkelser- for å få den gjennomsnittlige svarforsinkelsen.
4. Langsiktig-stabilitet (frekvensendringer for falsk alarm)
Frekvensendringer for falske alarmer=|Rate for falsk alarm etter 3 måneder - Innledende falsk alarmfrekvens|
Eksempel: Innledende falsk alarmfrekvens 2 %, falsk alarmfrekvens etter 3 måneder 2,8 %, endringsrate=0.8 %, oppfyller den utmerkede standarden
Trinn 4: Verifisering av resultatbetydning (unngå tilfeldige feil)
Hvis forskjellen mellom de to gruppene med falske alarmfrekvenser ikke er signifikant, bruk chi-kvadrattesten for å bekrefte om forskjellen er tilfeldig:
Beregn chi-kvadratverdien. Hvis p < 0,05, betyr det at reduksjonen i falsk alarmfrekvens for den optimaliserte algoritmen er reell og effektiv, ikke en tilfeldig fluktuasjon; hvis p > 0,05 betyr det at forskjellen ikke er signifikant, og testperioden må forlenges før videre statistikk.
Hvis du ikke er kjent med chi-kvadrattesten, kan du direkte se på "reduksjonsprosenten for falsk alarmfrekvens": Hvis den falske alarmfrekvensen til den optimaliserte algoritmen reduseres med mer enn eller lik 60 % sammenlignet med den opprinnelige algoritmen, kan det fastslås at ytelsen er bedre og tilstrekkelig for tekniske scenarier.
