Diffusionsmodell erzeugt realistische Fehlersignale mit wenigen Beispielen
In der industriellen Anlagenüberwachung ist die Fehlerdiagnose entscheidend für die Zuverlässigkeit von Systemen und die Umsetzung vorausschauender Wartung. Ein großes Problem ist jedoch die Knappheit an Fehlervorgängen, weil Fehler selten auftreten und die Anmerkung von Daten sehr kostenintensiv ist. Traditionelle Zeitreihen‑Generierungsmodelle, die auf reichlich vorhandenen Normaldaten trainiert werden, können die Verteilung von Fehlerdaten in wenigen Beispielen nicht adäquat erfassen. Das Ergebnis sind synthetische Signale, die weder authentisch noch vielfältig sind, weil die Domänenlücke zwischen Normal- und Fehlermustern groß ist und die Fehler selbst sehr unterschiedlich auftreten.
