ما المشكلات الشائعة في تجارب مقارنة تكرار أجهزة الاستشعار المزدوجة{{0}؟

يعد التحكم المتغير، وإحصائيات البيانات، وتقييم النتائج هي المجالات الثلاثة الرئيسية المثيرة للاهتمام في تحقيقات مقارنة تكرار أجهزة الاستشعار المزدوجة. فيما يلي المشكلات الثمانية الأكثر شيوعًا وإصلاحاتها:

I. مشاكل التحكم المتغير (الأكثر عرضة للافخاخ، مما يؤثر بشكل مباشر على صحة النتائج)

المشكلة: المتغيرات ليست فريدة من نوعها؛ تحدث تغييرات الأجهزة والخوارزمية في وقت واحد. عند إجراء التجارب، يقوم العديد من الأشخاص بتغيير كل من المستشعر والخوارزمية في نفس الوقت. وعندما تتحسن النتائج، لا يكونون متأكدين مما إذا كان اللوم يقع على الخوارزمية أم على جهاز الاستشعار.

الحل: ما عليك سوى تبديل الخوارزمية، واختبار مجموعة واحدة من أجهزة الاستشعار قبل الانتقال إلى المجموعة الأخرى، واستخدام نفس زوج أجهزة الاستشعار في نفس مكان التثبيت.

تعتبر ظروف الاختبار غير المتناسقة ومعلمات العملية المعدلة هي المشكلة. يتم استخدام المنتج (أ) من قبل المجموعة الضابطة، ويتم استخدام المنتج (ب) من قبل المجموعة التجريبية. ونظرًا لأن عمليات المنتجين تتقلب بشكل مختلف، فلا يمكن مقارنة النتائج.

الحل: طوال فترة الاختبار، حافظ على إنتاج نفس المنتج ثابتًا ولا تغير متغيرات العملية مثل درجة الحرارة أو الضغط أو السرعة. إذا كنت بحاجة إلى إجراء أي تعديلات، لاحظها وقم بإجراء عملية حسابية أخرى.

المشكلة: حجم العينة ومدة الاختبار غير كافية. إن إصدار الأحكام بعد ثلاثة إلى خمسة أيام فقط من الاختبار يترك مجالًا للتدخل غير المقصود، مما قد يؤدي إلى تحيز إحصائي ونتائج غير جديرة بالثقة.

ثانيا. إحصائيات البيانات (تجعل أخطاء الحساب سهلة)

المشكلة:-يتم حساب المواقف غير الخاطئة بشكل صحيح في حساب معدل التنبيه الخاطئ. ينتج معدل الإنذارات الكاذبة الذي تم التقليل من شأنه عن حساب الإنذارات الكاذبة فقط وتجاهل المشكلات الحقيقية ولكن التي لم يتم اكتشافها.

الجواب هو قصر عدد الإنذارات الكاذبة على "الأخطاء الفعلية المؤكدة". بالنسبة للمشكلات المعروفة، قم مباشرة بإحصاء الحالات التي فشلت فيها الخوارزمية في إصدار إنذار؛ لا تقم بتضمين المواقف النموذجية الخالية من الأخطاء-.

المشكلة: مقام حساب معدل الإنذار الخاطئ، وهو دورة الإنتاج بأكملها، غير دقيق. يتم حساب معدل الإنذارات الكاذبة بشكل غير صحيح عن طريق قسمة إجمالي دورة الإنتاج على عدد الإنذارات الكاذبة. الحساب الحقيقي هو "عدد الإنذارات الكاذبة / العدد الإجمالي للإنذارات"، مما يؤدي إلى معدل إنذارات كاذبة أقل من الواقع بشكل ملحوظ.

الحلول: الالتزام الصارم بصيغة الحساب التقليدية. يجب أن تتضمن الإحصائيات فقط الإنذارات المثارة؛ لا ينبغي تضمين الإنتاج النموذجي بدون تنبيهات في القاسم.

المشكلة: تنتج الخوارزمية التصنيف مباشرة؛ لا توجد علامة يدوية على صحة الإنذار. نظرًا لأن الخوارزمية تعتبر إنذاراتها صحيحة، فإنها تنتج نتائج مزيفة لأن معدل الإنذارات الكاذبة أقل بكثير من المعدل الفعلي.

الحل: لتحديد ما إذا كان الإنذار عيبًا أو تداخلًا حقيقيًا، يجب تفكيك جميع الإنذارات يدويًا، ويجب تبديل أجهزة الاستشعار، ويجب تسمية كل إنذار وتصنيفه.

ثالثا. النتيجة فئة الحكم (يتم استخلاص استنتاجات غير دقيقة بسهولة)

المشكلة: تجاهل الاستقرار-على المدى الطويل لصالح النتائج على المدى القصير-. بعد أسبوع من الاختبار، تعتبر الخوارزمية مؤهلة على الفور إذا كان معدل الإنذار الكاذب ضمن النطاق المقبول. يؤدي عدم التحقق من الشيخوخة والتكيف إلى ارتفاع معدل التنبيه الكاذب بعد ثلاثة أشهر من الاستخدام.

الحل: يجب إضافة اختبار طويل الأمد مدته 90-يومًا للانتهاء الرسمي من المنتج من أجل إجراء فحص إحصائي لمعدل تغير معدل الإنذارات الكاذبة؛ بالإضافة إلى ذلك، يجب إجراء اختبارات الشيخوخة المحاكاة للتحقق من التعديلات.

المشكلة: يتم التوصل إلى الاستنتاجات دون إجراء اختبار الأهمية للاختلافات الصغيرة. عندما تختلف مجموعتان من معدلات الإنذارات الكاذبة ببضع نقاط مئوية، فمن المفترض أن الخوارزمية الجديدة متفوقة، حتى لو كان ذلك نتيجة لتقلبات عشوائية.

الحل: قم بإجراء اختبار مربع كاي- إذا انخفض معدل الإنذار الخاطئ بنسبة أقل من 60%؛ قيمة ap-أقل من 0.05 ضرورية لإثبات صحة الفرق. يمكن التوصل إلى نتيجة مباشرة إذا كان الانخفاض أكثر من 60٪.