[論文レビュー] Explainable AI (XAI) for PHM of Industrial Asset: A State-of-The-Art, PRISMA-Compliant Systematic Review

Ahmad Kamal Bin Mohd Nor, Srinivasa Rao Pedapati+1 more|arXiv (Cornell University)|Jul 8, 2021

Explainable Artificial Intelligence (XAI)参考文献 43被引用数 13

ひとこと要約

このPRISMA準拠の系統的レビューは、2015年から2021年までの産業資産の予後管理と健全性管理（PHM）における説明可能なAI（XAI）分野の最新研究を統合しています。XAIはPHM分野で急速に採用され、モデルの解釈可能性を高める一方で、高い予測性能を維持していることが明らかになりました。特に実際の産業応用において、人的要因、評価指標、不確実性の定量化に関するギャップが顕著です。

ABSTRACT

A state-of-the-art systematic review on XAI applied to Prognostic and Health Management (PHM) of industrial asset is presented. This work provides an overview of the general trend of XAI in PHM, answers the question of accuracy versus explainability, the extent of human involvement, the explanation assessment and uncertainty quantification in PHM-XAI domain. Research articles associated with the subject, from 2015 to 2021 were selected from five known databases following PRISMA guidelines. Data was then extracted from the selected articles and examined. Several findings were synthesized. Firstly, while the discipline is still young, the analysis indicated the growing acceptance of XAI in PHM domain. Secondly, XAI functions as a double edge sword, where it is assimilated as a tool to execute PHM tasks as well as a mean of explanation, particularly in diagnostic and anomaly detection activities, implying a real need for XAI in PHM. Thirdly, the review showed that PHM-XAI papers produce either good or excellent result in general, suggesting that PHM performance is unaffected by XAI. Fourthly, human role, evaluation metrics and uncertainty management are areas requiring further attention by the PHM community. Adequate assessment metrics to cater for PHM need are urgently needed.Finally, most case study featured on the accepted articles are based on real, industrial data, indicating that the available PHM-XAI blends are fit to solve complex,real-world challenges, increasing the confidence in AI adoption in the industry.

研究の動機と目的

• 産業資産の予後管理と健全性管理（PHM）におけるXAI統合の現状を評価すること。
• PHM-XAI応用におけるモデルの精度と説明可能性のトレードオフを評価すること。
• XAI駆動型PHMシステムにおける人的要因の役割を検討すること。
• PHM-XAI研究における説明の評価と不確実性の定量化に関するギャップを特定すること。
• 産業データセットを用いてPHM-XAIソリューションの実世界応用可能性を評価すること。

提案手法

• PRISMA指針に従い、5つの主要な学術データベースを対象に系統的文献レビューを実施した。
• 2015年から2021年までの間に発表された、産業資産のPHMにおけるXAIに焦点を当てた査読付き論文を選定した。
• モデルのパフォーマンス、説明技術、人間による関与、評価指標に関するデータを抽出した。
• トレンド、パフォーマンスの結果、およびメソドロジカルなギャップについて、主題的分析を通じて統合した。
• 実際の産業データセットの使用状況を評価し、実用的関連性とスケーラビリティを検証した。
• 診断、異常検出、予測の各タスクにおける応用に基づいて、XAI技術を分類した。

実験結果

リサーチクエスチョン

• RQ1 2015年から2021年までの間に、産業的PHMにおけるXAIの主なトレンドと応用分野は何か？
• RQ2 XAIの統合がPHMモデルの精度と信頼性にどのように影響するか？
• RQ3 XAI強化型PHMシステムにおいて、人的要因の関与はどの程度必要または有益であるか？
• RQ4 現在、PHM-XAIシステムにおける説明の質を評価するために使用されている評価指標は何か？
• RQ5 既存のPHM-XAI研究では、不確実性はどのように定量化され、管理されているか？

主な発見

• PHMにおけるXAI統合は急速に拡大しており、産業応用における受容性と成熟度が高まっていることを示している。
• PHM-XAIモデルは一貫して良好から優れたパフォーマンスを達成しており、説明可能性が予測精度を損なわないことが示された。
• XAIは診断および異常検出ワークフローにおいて、PHMタスクの実行ツールとして、また説明のメカニズムとして両方で使用されている。
• 多くのケーススタディが実際の産業データに基づいていることから、現在のPHM-XAIソリューションの実用的妥当性と産業的関連性が裏付けられている。
• PHM固有のニーズに特化した標準化された評価指標が著しく不足しており、これが重要な研究ギャップであることが明らかになった。
• 不確実性の定量化と人的要因の評価は依然として未発達であり、今後の研究においてさらなるメソドロジカルな注目が必要である。