Chất lượng dữ liệu quyết định AI trong xử lý nước thải có thể hỗ trợ được công việc nào. Dữ liệu nhiều chưa chắc đã đủ: nhà máy cần biết giá trị đo có đúng đơn vị, đúng thời gian, đúng vị trí và đúng bối cảnh vận hành hay không. Việc kiểm tra nên thực hiện trước khi chọn mô hình hoặc hứa hẹn một mức độ dự báo.
Kiểm tra dữ liệu theo sáu nhóm
| Nhóm kiểm tra | Dấu hiệu cần xem | Cách chuẩn bị |
|---|---|---|
| Định danh | Một thiết bị có nhiều tên, vị trí đo không rõ | Danh mục mã thiết bị và mã tín hiệu thống nhất |
| Thời gian | Lệch đồng hồ, nhầm thời gian lấy mẫu và nhập liệu | Quy tắc thời gian và múi giờ cho từng nguồn |
| Đơn vị | Cùng tên thông số nhưng khác đơn vị hoặc cách tính | Lưu đơn vị và quy tắc chuyển đổi có kiểm tra |
| Tính liên tục | Khoảng trống, tín hiệu đứng yên bất thường | Gắn cờ thiếu dữ liệu, theo dõi kết nối |
| Độ tin cậy | Giá trị ngoài khả năng đo, đầu dò vừa bảo trì | Hồ sơ kiểm tra, hiệu chuẩn và chất lượng tín hiệu |
| Bối cảnh | Không có nhật ký sự cố hoặc thay đổi chế độ | Ghi sự kiện vận hành kèm người xác nhận |
Không âm thầm sửa dữ liệu gốc
Khi phát hiện khoảng trống, không nên mặc định điền bằng giá trị cuối cùng rồi coi đó là dữ liệu đo. Dữ liệu gốc, dữ liệu đã xử lý và cờ chất lượng cần được phân biệt. Mọi thao tác loại bỏ, nội suy hoặc chuyển đổi phải có quy tắc và có thể kiểm tra lại.
Ví dụ, một cảm biến giữ nguyên giá trị trong thời gian mất kết nối có thể trông rất “ổn định” trên biểu đồ. Nếu mô hình không nhận được cờ mất dữ liệu, nó sẽ đánh giá sai độ tin cậy của dự báo. Vì vậy dashboard nên hiển thị cả thời gian cập nhật và tỷ lệ dữ liệu hợp lệ.
Tình huống minh họa: thay đầu dò làm thay đổi phân bố dữ liệu
Giả sử sau một đợt bảo trì, đầu dò được thay mới và giá trị đo có đặc điểm khác giai đoạn trước. Đây là ví dụ giả định để minh họa công việc quản lý dữ liệu. Đội kỹ thuật cần đối chiếu biên bản kiểm tra, xác nhận đơn vị và ghi ngày thay thiết bị trước khi kết luận quá trình xử lý đã thay đổi.
Dữ liệu sau thay đổi cũng cần được dùng để đánh giá lại mô hình. Nếu không lưu hồ sơ thiết bị, hệ thống có thể nhầm thay đổi phương pháp đo với dấu hiệu sự cố công nghệ.
Cần bao nhiêu dữ liệu lịch sử?
Không có một số tháng dùng chung cho mọi bài toán. Dữ liệu phải thể hiện được những chế độ vận hành và tình huống mà mô hình sẽ gặp. Một tập dữ liệu dài nhưng chỉ có giai đoạn ổn định có thể chưa đủ để kiểm chứng khả năng cảnh báo sự cố hiếm.
Trước triển khai, cần thống kê tần suất đo, khoảng trống, số sự kiện đã xác nhận và các thay đổi thiết bị. Nếu chưa có đủ sự kiện, có thể bắt đầu bằng giám sát và cảnh báo theo quy tắc, đồng thời thu thập dữ liệu để đánh giá AI ở bước sau.
Bảng kiểm giao dữ liệu cho đợt khảo sát
- Xuất một phần dữ liệu có mô tả mã tín hiệu, đơn vị và nguồn.
- Kèm nhật ký sự cố, bảo trì, thay đổi thiết bị và chế độ vận hành.
- Ghi rõ thời gian lấy mẫu và thời gian có kết quả phân tích.
- Chỉ ra khoảng mất dữ liệu và cách xử lý đã thực hiện.
- Xác định người kiểm tra chất lượng dữ liệu và người duyệt kết quả mô hình.
Web-SCADA của X-IRIS là nền tảng để tập hợp dữ liệu và bối cảnh vận hành. Với AI dự báo rủi ro, khảo sát chất lượng dữ liệu giúp chốt phạm vi khả thi, tiêu chí thử nghiệm và công việc cần chuẩn hóa trước khi triển khai.
Để trao đổi về dữ liệu và quy trình hiện tại, doanh nghiệp có thể đăng ký khảo sát với X-IRIS.
