סטארט-אפ במאיץ iHLS: מתריעים על תקלות עוד לפני שנוצרו
This post is also available in: 
English (אנגלית)
בעידן הנוכחי, כמעט ולא קיימת בעיה מכנית שהאדם לא יודע למצוא לה פתרון. אולם על מנת להגיע לרמת היעילות הגבוהה ביותר, יש לעצור את התקלות כבר בשלב מוקדם. לצורך כך התפתח התחום שנקרא "אחזקה חזויה" (predictive maintenance). מטרת חברות הסטארט-אפ וחוקרי האקדמיה בתחום היא לחזות את התקלות והבעיות שמערכת מכאנית עלולה להיתקל בהן ברגע היווצרותן, כך ניתן לתקן אותן ולמנוע השבתה או פגיעה בפעילות המכונה.
גישה נפוצה בתחום היא בחינה פיזיקלית של הבעיות והתנהגות המערכת, כלומר ניתוח החתימה (הסטייה מהנתונים הרגילים) של הבעיות כדי להצביע עליהן ברגע שניתן לראות אותן. לגישה הזו בעיות רבות, משום שחישובים שנעשים בתנאי מעבדה מסוימים לא נשארים רלוונטיים תמיד, מה שיוצר ריבוי התראות שווא.
פתרון חדש של חברת Diagsense, אשר משתתפת באקסלרטור הביטחוני של iHLS, פותר את הקשיים הללו, מבטיח דיוק רב יותר מצד אחד והפחתה משמעותית של התראות שווא במערכת.
רועי שטרייכמן, מנהל הפיתוח העסקי ב-Diagsense, הסביר את אופן הפעולה של האלגוריתם: "כל מערכת מכנית כוללת פרמטרים בעלי דפוס התנהגות מסוים. אנחנו מייצגים את הקשר בין הנתונים של המערכת המכנית, וברגע שהקשר הזה נשבר, הדבר מעיד על כך כך שחל שינוי בקורלציה הזו, כך איתרנו שינוי מההתנהגות הנורמלית, שעשוי לגרום בסופו של דבר לכשל במערכת". לדוגמא, מרכיבים שעשויים לאותת על בעיה במקרה של מנוע, יכולים לכלול תפוקה, טמפרטורה וכו'.
החברה התמחתה עד היום במערכות צנרת והובלת נוזלים ושואפת להיכנס לתעשייה הביטחונית.
"החברות בתחום מתמודדות עם ה'מתח' שבין דיוק, כלומר כיסוי והתראה על כל התקלות במערכת, לבין התראת שווא על תקלות, ותת-התראה, כלומר שהאפליקציה לא תתריע גם על מצבים שאינם תקלות בפועל. אנו בוחנים את הבעיה מזווית שונה, בודקים את הנתונים הגולמיים שמגיעים מחיישנים שכבר מותקנים במערכת. אנחנו מחפשים את הקשר בין כל הגורמים המשפיעים על המערכת הנבחנת, והאלגוריתם שלנו די פשוט, הוא מתבסס על רגרסיה לינארית מסדר גבוה ומספר פילטרים סטטיסטיים. באמצעות הפשטות הזו אנחנו מגיעים לתוצאות טובות, וזה אחד המאפיינים שמקנים לנו יתרון מול המתחרים הרבים שלנו," הוסיף שטרייכמן.
חיזוי תקלות מבעוד מועד מאפשר חיסכון בחלקי חילוף ובדיקות תכופות ומעל לכל גם מצמצם את משך הזמן בו המכשור מושבת, שטרייכמן הסביר. "האפליקציה שלנו לא מפריעה לתהליך העבודה השוטף. כשעורכים את הבדיקה האפליקציה מקבלת את הנתונים הגולמיים, מנתחת אותם ומעבירה את הממצאים למערכת הבקרה של המפעל או ישירות בהודעה למנהל שאחראי על פעילות המכונה".
מלבד הפעילות של Diagsense במטרה להשתלב בתחומי פעילות חדשים כמו ביטחון וצבא במסגרת האקסלרטור של iHLS, היא פועלת גם בכיוון הפיתוח של ספציפיקציה מדויקת יותר. כלומר לא רק עצם הזיהוי של העובדה שיש בעיה, אלא גם איתור זהות הבעיה עצמה. "בכל מערכת בה נשתלב נדע להתריע בשלב מוקדם מאוד על תקלה במערכת, אך כדי להבין את מהותה ואיפה היא קורית במדויק נצטרך ללמוד לעומק את אותו התחום ולהבין איך נראות חתימות הבעיות על הנתונים. כך נוכל לאפיין את אותן הבעיות," אמר שטרייכמן. הוא סיכם והוסיף כי ניתן לבצע סימולציה או חקירה של תקלות מהעבר כדי להעמיק את ההבנה.
