[论文解读] Computational Reproducibility Within Prognostics and Health Management

Tim von Hahn, Chris K. Mechefske|arXiv (Cornell University)|May 31, 2022

Scientific Computing and Data Management被引用 7

一句话总结

本文通过引入开源 Python 工具 PyPHM，倡导在故障预测与健康管理（Prognostics and Health Management, PHM）领域实现计算可复现性。该工具使研究人员能够轻松访问、下载和预处理公开的 PHM 数据集。通过标准化工作流程，该工具解决了关键障碍——专业知识缺乏、额外工作负担以及数据分散问题，显著提升了研究的可复现性，并加速了 PHM 领域的研究进程。

ABSTRACT

Scientific research frequently involves the use of computational tools and methods. Providing thorough documentation, open-source code, and data -- the creation of reproducible computational research -- helps others understand a researcher's work. Here, we explore computational reproducibility, broadly, and from within the field of prognostics and health management (PHM). The adoption of reproducible computational research practices remains low across scientific disciplines and within PHM. Our text mining of more than 300 articles, from publications engaged in PHM research, showed that fewer than 1% of researchers made their code and data available to others. Although challenges remain, there are also clear opportunities, and benefits, for engaging in reproducible computational research. Highlighting an opportunity, we introduce an open-source software tool, called PyPHM, to assist PHM researchers in accessing and preprocessing common industrial datasets.

研究动机与目标

• 解决 PHM 领域计算可复现性采纳率低的问题，目前仅有不到 1% 的研究人员同时共享代码与数据。
• 识别并缓解可复现研究的关键障碍：专业知识鸿沟、动机不足以及缺乏领域特定资源。
• 开发 PyPHM 作为集中化、开源的软件工具，以简化对常见 PHM 数据集的访问与预处理。
• 通过提供标准化、文档化且版本控制的数据工作流程，促进 PHM 研究人员的可复现性。
• 鼓励更广泛的社区参与，以改善 PHM 研究中的数据共享与计算透明度。

提出的方法

• 对 300 余篇 PHM 相关论文进行文本挖掘，以评估代码与数据共享实践。
• 设计 PyPHM 为基于 Python 的软件包，采用类层次结构以支持多种数据集（如 UC-Berkeley Milling、IMS Bearing、Airbus Helicopter 等）。
• 实现针对特定数据集的类，用于下载、解压与预处理数据，工作流程标准化且文档齐全。
• 集成常用开源库（如 NumPy、SciPy），以确保兼容性与易用性。
• 构建模块化预处理组件（如分窗处理），可在不同数据集与工作流程中复用。
• 在 GitHub 上托管 PyPHM，以支持社区贡献、版本控制与长期可持续性。

实验结果

研究问题

• RQ1 在 PHM 领域，特别是在数据驱动方法中，计算可复现的研究应呈现何种形态？
• RQ2 PHM 领域当前的计算可复现性状况如何？与更广泛的科学实践相比有何差异？
• RQ3 对 PHM 研究人员而言，开展可复现的计算研究在个人与职业层面有哪些具体益处？
• RQ4 阻碍 PHM 领域可复现性的主要挑战是什么？包括专业知识、动机与资源等方面。
• RQ5 像 PyPHM 这类领域专用软件工具，如何帮助克服上述挑战并促进 PHM 领域的可复现性？

主要发现

• 对 300 余篇 PHM 论文的文本挖掘结果显示，仅有不到 1% 的研究人员同时共享其代码与数据，表明该领域存在严重的计算可复现性缺失问题。
• 可复现的计算研究为研究人员带来切实的个人益处，包括提升研究曝光度、增强职业发展机会以及获得更高的个人满足感。
• PyPHM 是一个功能完整的开源软件包，支持三大主流 PHM 数据集：UC-Berkeley Milling、IMS Bearing 以及 Airbus Helicopter 加速度计数据。
• PyPHM 通过将复杂的数据处理抽象为简单、可复用的代码，显著降低了 PHM 研究的入门门槛，实现了标准化且可复现的数据工作流程。
• 该工具通过作为集中化、文档化且版本控制的数据访问点，解决了数据分散的问题，为公开的 PHM 数据提供了统一接口。
• PyPHM 具备良好的可扩展性，其模块化架构允许通过社区贡献，集成更多数据集与预处理方法。