एलईडी प्रणाली के लिए सेमी-फिजिकल गामा प्रक्रिया क्षरण मॉडलिंग और प्रदर्शन-संचालित अवसर रखरखाव

1. परिचय और अवलोकन

बड़े पैमाने पर एलईडी प्रकाश व्यवस्था प्रणालियाँ अद्वितीय रखरखाव चुनौतियाँ प्रस्तुत करती हैं। इनका प्रदर्शन क्षय मुख्यतः दो तंत्रों के माध्यम से होता है: एलईडी पैकेज के ल्यूमेन आउटपुट का क्रमिक क्षय और ड्राइवर बिजली आपूर्ति की आकस्मिक यादृच्छिक विफलता। विश्वसनीयता-केंद्रित रखरखाव की पारंपरिक पद्धतियाँ मुख्य रूप से घटक विफलता दरों पर केंद्रित हैं, जो अपर्याप्त है क्योंकि प्रकाश व्यवस्था प्रणाली की स्वीकार्यता कार्य तल परस्थानिक-अस्थायी रोशनी अनुपालनद्वारा परिभाषित होती है, न कि केवल घटक कार्यक्षमता द्वारा।

यह शोध घटक-स्तरीय क्षय और प्रणाली-स्तरीय सेवा गुणवत्ता के बीच के अंतर को पाटता है। यह एक नवीन, प्रदर्शन-संचालित ढांचा प्रस्तावित करता है जो भौतिकी-आधारित क्षय मॉडलिंग, बायेसियन अनिश्चितता परिमाणीकरण, उच्च-निष्ठा रे ट्रेसिंग सिमुलेशन और सरोगेट मॉडल-आधारित अनुकूलन को एकीकृत करता है, जिसका उद्देश्य बड़ी सुविधाओं के लिए लागत-प्रभावी अवसरवादी रखरखाव रणनीतियाँ तैयार करना है।

मूल चुनौती

प्रणाली प्रदर्शन सैकड़ों क्षयकारी प्रकाश साधनों के युग्मन का एक स्थानिक फलन है, जो दीर्घकालिक मूल्यांकन को जटिल बनाता है।

मूल नवाचार

एक सिमुलेशन क्लोज्ड-लूप फ्रेमवर्क जो स्थिर प्रकाश मापदंडों को गतिशील, दीर्घकालिक में परिवर्तित करता हैप्रदर्शन दोष दरमाप।

वास्तविक प्रभाव

रखरखाव यात्राओं और प्रतिस्थापन योजनाओं को प्रकाश गुणवत्ता, परिचालन लागत और संसाधन उपयोग को संतुलित करने के लिए अनुकूलित करने में सक्षम।

2. पद्धति एवं रूपरेखा

प्रस्तावित रूपरेखा क्षरण मॉडलिंग, सिस्टम सिमुलेशन और रणनीति अनुकूलन का एक क्लोज्ड-लूप एकीकरण है।

2.1 सेमी-फिजिकल डिग्रेडेशन मॉडलिंग

LED पैकेजिंग के ल्यूमिनस फ्लक्स क्षय का उपयोगनॉन-होमोजिनियस गामा प्रक्रियाद्वारा मॉडल किया जाता है। शुद्ध सांख्यिकीय मॉडलों के विपरीत, यह भौतिक अंतर्दृष्टि को शामिल करता है: औसत अपक्षय पथ एक घातीय प्रवृत्ति का अनुसरण करता है जो LM-80 परीक्षण डेटा में आम है, जिसे LED सिस्टम के L70 जीवनकाल (समय जब ल्यूमिनस फ्लक्स प्रारंभिक मूल्य के 70% तक गिर जाता है) द्वारा वर्णित किया गया है।

गणितीय सूत्र:
मान लीजिए $X(t)$ समय $t$ पर ल्यूमिनस फ्लक्स आउटपुट में गिरावट है। NHGP मॉडल है:

ड्राइव पावर सप्लाई विफलता को मॉडल करने के लिएवेइबुल जीवनकाल वितरणअचानक आपदाग्रस्त विफलताओं को ध्यान में रखने के लिए अलग से मॉडलिंग।

2.2 बेयसियन पैरामीटर कैलिब्रेशन

मॉडल पैरामीटर बिंदु अनुमान नहीं, बल्कि वितरण हैं, जोबेयसियन अनुमानत्वरित LM-80 अवक्रमण डेटा से कैलिब्रेट किया गया है। यह परीक्षण डेटा से वास्तविक परिचालन स्थितियों तक कठोरअनिश्चितता प्रसारको सक्षम बनाता है। आमतौर पर पैरामीटरों (जैसे $\alpha, \beta, \lambda$ और वेइबुल आकार/स्केल पैरामीटर) के पश्च वितरण से नमूने लेने के लिए मार्कोव चेन मोंटे कार्लो विधि का उपयोग किया जाता है।

2.3 सिस्टम-स्तरीय प्रदर्शन सिमुलेशन

प्रत्येक ल्यूमिनेयर की स्थिति (एनकैप्सुलेशन गिरावट, ड्राइवर विफलता, या कार्यात्मक) एक सिस्टम कॉन्फ़िगरेशन को परिभाषित करती है। प्रत्येक कॉन्फ़िगरेशन के लिए,रे ट्रेसिंग इंजन(जैसे Radiance) कार्य तल पर रोशनी क्षेत्र की गणना करता है। स्थैतिक प्रदर्शन मेट्रिक्स - औसत रोशनी $\bar{E}$ और एकरूपता $U_0 = E_{min} / \bar{E}$ - की गणना करता है और मानकों (जैसे EN 12464-1) के विरुद्ध जांचता है।

प्रमुख मेट्रिक - प्रदर्शन दोष दर: इस ढांचे की मूल नवीनता स्थैतिक स्नैपशॉट को गतिशील दीर्घकालिक माप में बदलना है। सिमुलेशन समय सीमा में, जब भी $\bar{E}$ या $U_0$ सीमा से नीचे गिरता है, सिस्टम "दोष अवधि" जमा करता है। PDR कुल दोष समय को कुल संचालन समय से विभाजित करने पर प्राप्त होता है।

2.4 स्केलेबिलिटी-उन्मुख एजेंट मॉडलिंग

हजारों ल्यूमिनेयर और समय चरणों के लिए पूर्ण रे ट्रेसिंग वाला मोंटे कार्लो सिमुलेशन कम्प्यूटेशनल रूप से अव्यवहारिक है। लेखकों ने अपनायासरोगेट मॉडलिंग(उदाहरण के लिए गॉसियन प्रोसेस रिग्रेशन या न्यूरल नेटवर्क) का उपयोग लैंप स्थिति से प्रदर्शन मीट्रिक (PDR) तक त्वरित मूल्यांकन मैपिंग बनाने के लिए किया जाता है। यह सरोगेट मॉडल सीमित उच्च-निष्ठा रे-ट्रेसिंग सिमुलेशन डेटासेट पर प्रशिक्षित किया जाता है, जिससे रखरखाव रणनीति स्थान का कुशलता से अन्वेषण संभव होता है।

3. परिणाम और केस अध्ययन

इस ढांचे को एक वास्तविक बड़े पैमाने के इनडोर एलईडी प्रकाश व्यवस्था केस अध्ययन पर लागू किया गया है।

3.1 मॉडल कैलिब्रेशन परिणाम

使用LM-80数据进行的贝叶斯校准得出了NHGP参数的后验分布，显示了长期退化路径的显著不确定性。驱动电源威布尔模型表明失效率随时间增加（形状参数 > 1）。

चार्ट विवरण (कल्पना): एक चित्र NHGP पश्चवर्ती से नमूने लिए गए कई अपक्षय पथों को दिखा सकता है, जो समय के साथ विचलित होते हैं, और एक नियतात्मक घातीय औसत वक्र के साथ तुलना की जाती है। यह भविष्य के एक विशिष्ट समय पर प्रकाश प्रवाह आउटपुट की अनिश्चितता का सहज संप्रेषण करता है।

3.2 प्रदर्शन दोष विश्लेषण

सिमुलेशन से पता चलता है कि सिस्टम प्रदर्शन (PDR) गैर-रैखिक रूप से क्षीण होता है। प्रारंभिक ड्राइवर बिजली की विफलता का प्रभाव कम होता है, लेकिन संचित अपक्षय और विफलताओं के बढ़ने के साथ, एक बार क्षतिग्रस्त ल्यूमिनेयर की संख्या एक क्रांतिक बिंदु तक पहुंच जाती है, PDR तेजी से बढ़ जाता है, यह दर्शाता हैसिस्टम-स्तरीय क्रांतिक बिंदु。

3.3 रखरखाव रणनीति अनुकूलन

पेरेटो इष्टतम अवसर रखरखाव रणनीतियों को खोजने के लिए बहु-उद्देश्य अनुकूलन किया गया। न्यूनीकरण के लक्ष्य थे: 1) प्रदर्शन दोष दर, 2) साइट विज़िट की संख्या, 3) घटक प्रतिस्थापन की संख्या।

चार्ट विवरण (कल्पना): एक प्रमुख परिणाम 3D पेरेटो फ्रंट चित्र है। यह व्यापार-नापसंद सतह दिखाता है: आक्रामक रणनीतियाँ (उच्च विज़िट/प्रतिस्थापन आवृत्ति) बहुत कम PDR प्राप्त करती हैं, जबकि निष्क्रिय रणनीतियाँ लागत बचाती हैं लेकिन उच्च PDR की ओर ले जाती हैं। वक्र का "नति परिवर्तन बिंदु" सबसे अधिक लागत-प्रभावी रणनीति का प्रतिनिधित्व करता है।

अनुकूलित अवसर रणनीति निर्धारित करती है:"नियोजित रूप से दोषपूर्ण ड्राइवर पावर सप्लाई के उपचार के दौरान, उन सभी एलईडी पैकेजों को भी एक साथ बदल दें जिनका अनुमानित शेष जीवनकाल एक निर्दिष्ट सीमा से कम है, या जिनका वर्तमान अवनति स्तर स्थानीय प्रदीप्ति एकरूपता पर असमानुपातिक प्रभाव डालता है।"

4. तकनीकी विश्लेषण एवं अंतर्दृष्टि

मुख्य अंतर्दृष्टि

यह लेख केवल एलईडी रखरखाव के बारे में नहीं है; यह रखरखाव दर्शन कोघटक-केंद्रित विश्वसनीयतासेप्रणाली-केंद्रित सेवायोग्यतामास्टरक्लास। लेखक सही ढंग से बताते हैं कि प्रकाश व्यवस्था प्रणाली का अंतिम प्रमुख प्रदर्शन संकेतक "ड्राइवर पावर सप्लाई का माध्य समय विफलताओं के बीच" नहीं है, बल्कि "कार्य स्थान के पर्याप्त रूप से प्रकाशित होने का समय प्रतिशत" है। यह प्रदर्शन-आधारित अनुबंधों और "प्रकाश व्यवस्था-एक-सेवा" मॉडल की ओर व्यापक उद्योग की बदलाव के अनुरूप है, जहां भुगतान वितरित लुमेन से जुड़ा होता है, न कि हार्डवेयर स्वामित्व से। उनके प्रस्तावित गतिशीलप्रदर्शन दोष दरठीक वह सटीक माप है जो इस तरह के अनुबंधों के समर्थन के लिए आवश्यक है।

तार्किक प्रवाह

इस ढांचे की वास्तुकला तार्किक रूप से अकाट्य है। यह भौतिकी (घातीय क्षय प्रवृत्ति) से शुरू होता है, यादृच्छिकता (गामा प्रक्रिया) को जोड़ता है, अनिश्चितता को मात्रात्मक बनाता है (बायेसियन अंशांकन), प्रणाली प्रभाव का मूल्यांकन करता है (रे ट्रेसिंग), और निर्णयों का अनुकूलन करता है (सरोगेट मॉडल-आधारित खोज)। यह अंत-से-अंत प्रवाह अन्य क्षेत्रों के उन्नत ढांचे को दर्शाता है, जैसे बैटरी स्वास्थ्य पूर्वानुमान के लिए भौतिक मॉडल को गहन शिक्षा के साथ जोड़ना (स्टैनफोर्ड एनर्जी कंट्रोल लैब के कार्य देखें)। सरोगेट मॉडल का उपयोग एक महत्वपूर्ण और व्यावहारिक कदम है, जो एयरोस्पेस और ऑटोमोटिव इंजीनियरिंग में उपयोग किए जाने वाले "सिमुलेशन-आधारित डिजाइन" प्रतिमान की प्रतिध्वनि करता है, जहां अनुकूलन के लिए कम्प्यूटेशनल फ्लुइड डायनेमिक्स सिमुलेशन को रिस्पांस सरफेस द्वारा प्रतिस्थापित किया जाता है।

शक्तियाँ और सीमाएँ

शक्तियाँ: सेमी-फिजिकल NHGP मॉडल एक महत्वपूर्ण शक्ति है। शुद्ध डेटा-संचालित मॉडल (उदाहरण के लिए, सेंसर डेटा पर प्रशिक्षित LSTM नेटवर्क) ब्लैक बॉक्स हो सकते हैं और उन्हें पर्याप्त संचालन डेटासेट की आवश्यकता होती है। ज्ञात घातीय क्षय भौतिकी को एम्बेड करके, यह मॉडल अधिक व्याख्यात्मक और डेटा-कुशल है, जिसे अंशांकन के लिए केवल मानक LM-80 परीक्षण डेटा की आवश्यकता होती है - यह मौजूदा उद्योग डेटा का एक चतुर उपयोग है। पारेटो फ्रंट प्रदान करने वाला बहु-उद्देश्यीय अनुकूलन एकल लागत फ़ंक्शन दृष्टिकोण से बेहतर है, जो निर्णयकर्ताओं को स्पष्ट ट्रेड-ऑफ प्रदान करता है।

संभावित कमियाँ और चूक: यह ढांचा मानता है कि ल्यूमिनेयर अवक्रमण और ड्राइवर विफलता एक-दूसरे से स्वतंत्र हैं। वास्तव में, ल्यूमिनेयर के भीतर तापीय और विद्युत अंतःक्रियाएँ निर्भरता पैदा कर सकती हैं। यह मॉडल प्रारंभिक प्रकाश किरण अनुरेखण मॉडल (परावर्तन, ज्यामिति) की सटीकता पर भी निर्भर करता है, जो समय के साथ धूल जमा होने या स्थान के पुन: विन्यास के कारण विचलित हो सकते हैं - यह एक ऐसा कारक है जिसे शामिल नहीं किया गया है। इसके अलावा, हालांकि सरोगेट मॉडल मापनीयता प्राप्त करता है, इसकी सटीकता प्रशिक्षण डेटा द्वारा उच्च-आयामी अवस्था स्थान के कवरेज पर निर्भर करती है; अदृश्य, अत्यधिक अवक्रमित अवस्थाओं के लिए एक्सट्रपलेशन जोखिमपूर्ण हो सकता है।

क्रियान्वयन योग्य अंतर्दृष्टि

सुविधा प्रबंधकों और प्रकाश सेवा कंपनियों के लिए, सबसे सीधा निहितार्थ यह है किगतिशील स्थानिक प्रदर्शन मेट्रिक्सके दृष्टिकोण से सोचना शुरू करें, न कि केवल ल्यूमिनेयर गणना से। यह पत्र प्रकाश प्रणालियों के लिए एक डिजिटल ट्विन विकसित करने के लिए एक खाका प्रदान करता है। पहला कदम सुविधा का एक उच्च-निष्ठा डिजिटल मॉडल (BIM + फोटोमेट्रिक डेटा) बनाना है। दूसरा, अवक्रमण मॉडल की अवस्था को अद्यतन करने (बायेसियन अद्यतन) के लिए बिजली मीटर या सरल फोटोमीटर से वास्तविक-समय या आवधिक डेटा को एकीकृत करना है। तीसरा, रखरखाव की सक्रिय रूप से योजना बनाने के लिए अनुकूलन रणनीतियों का उपयोग करना है। यह रखरखाव को एक प्रतिक्रियाशील लागत केंद्र गतिविधि से एक पूर्वानुमानित, मूल्य-संरक्षण रणनीति में बदल देता है। Signify (पूर्व में Philips Lighting) और Acuity Brands जैसी कंपनियाँ, जो IoT-संयुक्त प्रकाश प्रणालियों में निवेश कर रही हैं, इस ढांचे को लागू करने के लिए पूरी तरह से सुसज्जित हैं।

विश्लेषणात्मक ढांचा उदाहरण (गैर-कोड)

परिदृश्य: 500 एलईडी लाइटिंग फिक्स्चर वाला एक विश्वविद्यालय पुस्तकालय अपने 10-वर्षीय रखरखाव बजट की योजना बनाना चाहता है।

इनपुट: बीआईएम मॉडल, ल्यूमिनेयर आईईएस फाइलें, विशिष्ट एलईडी पैकेज का एलएम-80 डेटा, ड्राइवर वारंटी विफलता दर।
कैलिब्रेशन: एलएम-80 डेटा पर बायेसियन कैलिब्रेशन चलाकर, एनएचजीपी और वेइबुल मॉडल के पैरामीटर वितरण प्राप्त करें।
बेसलाइन सिमुलेशन: सरोगेट मॉडल का उपयोग करके 10,000 मोंटे कार्लो वर्षों के बिना-रखरखाव संचालन चलाएं। आउटपुट: समय के साथ पीडीआर का वितरण और वर्ष 5, 7, और 10 में प्रकाश स्तर मानकों के उल्लंघन की संभावना।
रणनीति मूल्यांकन: उम्मीदवार रणनीतियों को परिभाषित करें (उदाहरण के लिए, "हर 2 साल में जांच करें और 80% से कम आउटपुट वाले ल्यूमिनेयर को बदलें", "ड्राइवर पावर की मरम्मत करते समय अवसरवादी प्रतिस्थापन करें")। प्रॉक्सी मॉडल का उपयोग करके प्रत्येक रणनीति की लागत (दौरे की संख्या + प्रतिस्थापन की संख्या) और प्रदर्शन (PDR) का मूल्यांकन करें।
अनुकूलन और निर्णय लेना: 绘制帕累托前沿。管理层决定目标PDR（例如，缺陷率 < 5%）。框架识别出前沿上满足此PDR且成本最低的策略，从而提供有依据的维护计划和预算预测。

5. भविष्य के अनुप्रयोग एवं दिशाएँ

IoT और डिजिटल ट्विन के साथ एकीकरण: यह फ्रेमवर्क प्रकाश प्रणालियों के डिजिटल ट्विन के लिए आदर्श है। कनेक्टेड ड्राइवर पावर (बिजली की खपत, तापमान) और वितरित प्रकाश सेंसर से रीयल-टाइम डेटा को अवनति स्थिति (बायेसियन फ़िल्टरिंग) को अपडेट करने के लिए फीड किया जा सकता है, जिससे स्थैतिक शेड्यूल के बजाय अनुकूली, स्थिति-आधारित रणनीतियाँ सक्षम होती हैं।
अनुकूली प्रकाश व्यवस्था तक विस्तार: आधुनिक प्रणालियाँ डिम कर सकती हैं या रंग तापमान समायोजित कर सकती हैं। इस फ्रेमवर्क को उन प्रणालियों के रखरखाव को अनुकूलित करने के लिए विस्तारित किया जा सकता है जहां नियंत्रण एल्गोरिदम अवनति की भरपाई करते हैं, एक नया निर्णय स्तर जोड़ते हुए: "क्या ल्यूमिनेयर को बदलना चाहिए, या केवल इसके डिम स्तर को बढ़ाना चाहिए?"
परिपत्र अर्थव्यवस्था और स्थिरता: यह मॉडल पुनर्निर्माण या घटक पुनर्चक्रण को शामिल कर सकता है। अनुकूलन में सामग्री अपशिष्ट या कार्बन फुटप्रिंट लक्ष्य शामिल हो सकते हैं, यह तय करके कि कब प्रतिस्थापित करना है और कब मरम्मत करनी है, रखरखाव को स्थिरता लक्ष्यों के साथ संरेखित किया जा सकता है।
क्रॉस-डोमेन अनुप्रयोग: मूल पद्धति - सेमी-फिजिकल डिग्रेडेशन + सिस्टम-लेवल परफॉर्मेंस सिमुलेशन + सरोगेट ऑप्टिमाइजेशन - स्थानांतरणीय है। इसे फोटोवोल्टिक एरे (पावर आउटपुट बनाम धूल जमाव/कमी), बिल्डिंग एचवीएसी सिस्टम (थर्मल कम्फर्ट बनाम घटक विफलता), और यहां तक कि नेटवर्क इन्फ्रास्ट्रक्चर (सेवा गुणवत्ता बनाम राउटर/स्विच विश्वसनीयता) के रखरखाव पर लागू किया जा सकता है।

6. संदर्भ सूची

Shi, H., Truong-Ba, H., Cholette, M. E., Harris, B., Montes, J., & Chan, T. (2026). Semi-physical Gamma-Process Degradation Modeling and Performance-Driven Opportunistic Maintenance Optimization for LED Lighting Systems. arXiv preprint arXiv:2601.09380.
IESNA. (2008). IESNA LM-80-08: एलईडी प्रकाश स्रोतों के ल्यूमेन रखरखाव का मापन. Illuminating Engineering Society.
EN 12464-1:2021. प्रकाश और प्रकाश व्यवस्था - कार्यस्थलों की प्रकाश व्यवस्था - भाग 1: आंतरिक कार्यस्थल।
Si, X. S., Wang, W., Hu, C. H., & Zhou, D. H. (2011). Remaining useful life estimation–A review on the statistical data driven approaches. European Journal of Operational Research, 213(1), 1-14.
Kennedy, M. C., & O'Hagan, A. (2001). Bayesian calibration of computer models. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(3), 425-464. (बेयसियन कैलिब्रेशन की मूल बातें).
Forrester, A. I., Sóbester, A., & Keane, A. J. (2008). सरोगेट मॉडलिंग के माध्यम से इंजीनियरिंग डिजाइन: एक व्यावहारिक मार्गदर्शिका. John Wiley & Sons. (代理建模原理).
Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. In Proceedings of the IEEE international conference on computer vision (pp. 2223-2232). (एक अन्य क्षेत्र में एक परिवर्तनकारी ढांचे के उदाहरण के रूप में - CycleGAN - इस पत्र की सिमुलेशन बंद-लूप पद्धति की संरचनात्मक नवीनता को उजागर करने के लिए).