Come può il Mixup rendere più intelligente la diagnosi dei guasti nei macchinari?

Nel mondo industriale i macchinari spesso cambiano ambiente: una pompa che lavora in un impianto può comportarsi diversamente in un altro. I metodi tradizionali di diagnosi dei guasti, però, presumono che i dati di addestramento e di test provengano dalla stessa distribuzione. Quando questa ipotesi non vale, le prestazioni crollano, soprattutto se i nuovi dati sono pochi e poco etichettati.

Il nuovo studio propone una soluzione basata su due idee chiave. Prima di tutto usa il “Mixup”, una tecnica che combina linearmente i dati del dominio di origine (dove abbiamo molte etichette) con quelli del dominio di destinazione (dove le etichette sono scarse). Il risultato è un set di dati “ibrido” che aiuta il modello a capire le relazioni tra i due mondi.

Seconda innovazione: un modulo di decoupling basato sull’auto‑attenzione. Questo strato separa le caratteristiche che dipendono dal dominio da quelle che sono universali, riducendo il divario tra le distribuzioni. Il modello viene poi ottimizzato con un apprendimento multi‑task, dove simultaneamente impara a classificare i campioni e a riconoscere a quale dominio appartengono.

I test su diversi dataset di guasti mostrano che, anche con pochi esempi etichettati e grandi differenze tra i domini, il nuovo approccio migliora notevolmente la capacità di riconoscere i guasti. In pratica, le macchine possono “imparare” più velocemente a diagnosticare problemi in ambienti nuovi, riducendo i tempi di fermo e i costi di manutenzione.

Il Mixup, introdotto originariamente per migliorare la robustezza dei modelli di deep learning, genera nuovi esempi sintetici αx + (1-α)y, dove x e y sono campioni di domini diversi e α è un coefficiente estratto da una distribuzione Beta. Questa linearità favorisce la regolarizzazione, riducendo l'overfitting su dati limitati. Nel contesto della diagnosi dei guasti, la combinazione di segnali vibrazionali o acustici provenienti da macchine operative in condizioni diverse crea una rappresentazione più ricca delle caratteristiche di difetto.

Il modulo di feature decoupling sfrutta il meccanismo di self‑attention per calcolare una matrice di similarità tra tutti i token (segmenti temporali del segnale). Attraverso una proiezione lineare, le feature vengono divise in due sottospazi: uno che massimizza la discriminazione tra domini (domain‑specific) e uno che enfatizza le proprietà invarianti (domain‑independent). La perdita di dominio (domain loss) è implementata con un classificatore adversarial che penalizza la capacità del modello di distinguere il dominio di origine, spingendo le feature verso l'invarianza.

L'addestramento multi‑task combina la cross‑entropy per la classificazione dei guasti con la loss di dominio, pesata da un iper‑parametro λ. Un curriculum di λ crescente permette al modello di apprendere prima le caratteristiche di base, poi di affinare l'invarianza di dominio. I risultati sperimentali mostrano un aumento medio del 12% nell'F1‑score rispetto a metodi baseline, con una riduzione della distanza di Wasserstein tra le distribuzioni di feature di origine e destinazione. Questo approccio apre la strada a sistemi di manutenzione predittiva più flessibili, capaci di adattarsi rapidamente a nuove linee di produzione senza richiedere grandi quantità di dati etichettati.