Skip to main content

Components Wear

mlumina.components_wear

Симуляция износа и отказов графа взаимозависимых компонентов (по докстрингам и примерам — модель ориентирована на автомобильные узлы, но структура графа предметно-независима). Два класса: ComponentsGraph (описание графа и симуляции для многих объектов) и ComponentsObject (один конкретный экземпляр системы и его текущий износ).

⚠️ Известный баг: ComponentsObject.update_wear() и ComponentsObject.predict_fix() не работают — см. известные проблемы ниже. get_probabilities(), а также все методы ComponentsGraph (simulate_objects*) — рабочие.

Граф компонентов

Граф описывается словарём: узлы (nodes) — группы взаимозаменяемых компонентов, каждый со своей функцией вероятности отказа; рёбра (edges) — зависимость износа одного узла от состояния другого.

{
  "A": {
    "edges": { "B": { "bend": 0.4, "koef": 2.3 } },
    "nodes": {
      "A1": {"func": "weibull_failure_prob", "a": 1.0, "maximum": 100000},
      "A2": {"func": "weibull_failure_prob", "a": 1.5, "maximum": 100000}
    }
  },
  "B": {
    "edges": {},
    "nodes": {
      "B1": {"func": "weibull_failure_prob", "a": 1.0, "maximum": 100000}
    }
  }
}
  • "func" — ключ в mlumina.components_wear.functions.utils_functions_mapping (сейчас единственная зарегистрированная функция — "weibull_failure_prob", вычисляет CDF распределения Вейбулла по параметрам a (форма) и maximum (износ, при котором вероятность отказа ≈ 0.999)).
  • edges[parent] = {"bend": ..., "koef": ...} — до достижения родителем износа bend * maximum дочерний узел изнашивается с обычной скоростью (коэффициент 1); после достижения родителем своего maximum — со скоростью koef; между этими точками — линейная интерполяция.
import json
from mlumina.components_wear import ComponentsGraph

with open("examples/components_wear/data/graph.json", encoding="utf-8") as f:
    graph_dict = json.load(f)

graph = ComponentsGraph(graph_dict)

Симуляция парка объектов

df = graph.simulate_objects(n_objects=100, total_wearout=100_000, step=1000, seed=42, fix_coeff=1.0)

Для каждого из n_objects объектов случайно выбирается по одному компоненту из каждого узла (начальный износ — усечённое экспоненциальное распределение), затем пошагово (step) наращивается износ с учётом зависимостей, на каждом шаге проверяется отказ (по вероятности из func) и «тихий» ремонт (та же вероятность, умноженная на fix_coeff). Возвращает pandas.DataFrame с колонками failed_node, wear, all_parts — по одной строке на каждый зафиксированный отказ.

simulate_objects_ray(...) — та же логика, но каждый объект симулируется в отдельной Ray-задаче (@ray.remote). Требует ray.init() заранее, иначе RuntimeError.

simulate_objects_bn(...) — экспериментальный вариант: вероятность отказа считается как 0.6 * P_weibull + 0.4 * P_bn, где P_bn — упрощённая байесовская оценка на основе дискретизации износа в 5 бинов (b0…b4) для узла и его непосредственного родителя. Возвращает те же колонки плюс prob_weibull, prob_bn, prob_combined.

create_random_object() -> ComponentsObject — генерирует один случайный объект (без симуляции износа во времени).

Объект системы (ComponentsObject)

from mlumina.components_wear import ComponentsObject

obj = ComponentsObject([["A1", 0], ["B1", 0]])  # [[имя_компонента, начальный_износ], ...]

probs = obj.get_probabilities(graph)  # {component_name: вероятность_отказа_в_%}

get_probabilities(graph) — рабочий метод: по каждому компоненту находит его функцию отказа в графе и считает вероятность (в процентах) от текущего износа.

Известная поломка update_wear и predict_fix

ComponentsObject.update_wear(graph, step=1000) (src/mlumina/components_wear/components_object.py:163) и ComponentsObject.predict_fix(...) (там же, строка 272) вызывают self._get_wear_dict(). В классе определён метод _get__dict() (строка 74, с двойным подчёркиванием — похоже на опечатку), а не _get_wear_dict(). Метода _get_wear_dict в классе нет — оба вызова гарантированно падают с AttributeError: 'ComponentsObject' object has no attribute '_get_wear_dict'.

Это воспроизводится и в штатном примере examples/components_wear/example.py:33 (component_object.update_wear(graph, 10000)), т.е. пример из репозитория в текущем виде не отрабатывает до конца.

Если нужно пользоваться этими методами — до исправления в коде их можно обойти монки-патчем:

from mlumina.components_wear.components_object import ComponentsObject
ComponentsObject._get_wear_dict = ComponentsObject._get__dict

Функции отказа (functions.py)

from mlumina.components_wear.functions import weibull, utils_functions_mapping

weibull(wear, a, maximum) -> float — CDF Вейбулла, масштаб подобран так, что weibull(maximum, a, maximum) ≈ 0.999. utils_functions_mapping = {"weibull_failure_prob": weibull} — реестр функций, на который ссылаются графы по строковому ключу "func". Чтобы добавить свою функцию отказа, нужно дополнить этот словарь (единой точки регистрации "снаружи" пакета сейчас нет — граф всегда резолвит "func" через этот фиксированный маппинг).

No comments to display

Back to top