LoRM：自己教師ありによる状態監視のための回転機械の言語の学習

要旨: 本稿では、回転機械信号のマルチモーダル理解とリアルタイムな状態監視のための自己教師ありフレームワークであるLoRM（Language of Rotating Machinery）を提案する。LoRMは、回転機械の信号は機械語として捉えられるという考えに基づいている。すなわち、局所的な信号は離散的な記号単位へとトークン化でき、観測されたマルチセンサ文脈からそれらの将来の推移を予測できる。手作りの変換や特徴に依存する従来の信号処理手法とは異なり、LoRMはマルチモーダルなセンサデータをトークンベースの系列予測問題として再定式化する。各データウィンドウにおいて、観測された文脈区間は連続的な形式で保持し、各センシングチャネルの将来のターゲット区間を離散トークンへと量子化する。さらに、一般用途の事前学習済み言語モデルを工業信号に対して部分的に微調整することで、巨大なモデルを最初から学習する必要なしに、効率的な知識転移を実現する。最後に、状態監視は、健康指標としてトークン予測誤差を追跡することで行い、誤差の増加は劣化を示す。現場での工具状態監視（TCM）実験により、安定したリアルタイム追跡と強力な工具間の汎化が示され、LoRMが言語モデリングと工業信号解析の間に実用的な橋を提供することが明らかになった。ソースコードは https://github.com/Q159753258/LormPHM で公開されている。