گره‌های مشکوک

گره‌های اندازه‌گیری ناوگان را بر اساس احتمال کم‌شماری با شش سیگنال forensic مستقل که به‌صورت احتمال (نه جمع) ترکیب می‌شوند، رتبه‌بندی می‌کند.

گزارش گره‌های مشکوک یک تحلیل ناوگانی روی گره‌های اندازه‌گیری گاز انجام می‌دهد و نقاطی را که نیازمند بررسی اولویت‌دار برای کم‌شماری احتمالی، جایگزینی کانال اندازه‌گیری، تنظیمات نادرست، مصرف غیرعادی پایین یا رویدادهای دستگاه مرتبط با دسترسی فیزیکی و تغییر پارامترها هستند، رتبه‌بندی می‌کند.

این گزارش بر چارچوب هنجاری اندازه‌گیری گاز تکیه دارد — ISO 5167 (صفحات اوریفیس)، ISO 6976 (ارزش حرارتی)، EN 12405-1 (تبدیل الکترونیکی حجم گاز)، OIML R 137 (کنتورهای گاز)، OIML R 140 (سامانه‌های اندازه‌گیری سوخت گازی) و EN 1359 (کنتورهای دیافراگمی).

این گزارش دربارهٔ کیفیت ارتباط، باتری یا آرشیو نیست — آن وظایف به یک گزارش بهره‌برداری جداگانه دربارهٔ گره‌های مشکل‌دار تعلق دارند. این گزارش به‌طور خاص بر سیگنال‌های forensic تمرکز دارد: شاخص‌های رفتاری، مترولوژیکی، مقایسه‌ای و رویدادی که می‌توانند نشان‌دهندهٔ نیاز به بررسی خدمات اندازه‌گیری باشند.

وظیفهٔ اصلی گزارش اثبات تخلف نیست، بلکه تعیین صحیح اولویت‌های بررسی است:

چه گره‌هایی را اول بررسی کنیم؛
کجا چند سیگنال مستقل وجود دارد؛
کجا مصرف نسبت به گره‌های مشابه به‌طور غیرعادی پایین است؛
کجا ترکیب جریان صفر، فشار زنده و پاسپورت ناقص وجود دارد؛
کجا حجم استاندارد و کاری بیشتر از آنچه تصحیح فیزیکی P/T می‌تواند توضیح دهد واگرا می‌شوند؛
کجا رشد فصلی موردانتظار مصرف وجود ندارد؛
کجا رویدادهای دستگاه مرتبط با دسترسی فیزیکی یا جایگزینی قرائت‌ها وجود داشته است؛
کجا ارزش دارد گزارش تفصیلی یک گرهٔ خاص را باز کنیم.

سربرگ گزارش اندازهٔ ناوگان، تعداد گره‌هایی که وارد تحلیل عمیق شده‌اند، دورهٔ پوشش‌داده‌شده و زمان تولید را نشان می‌دهد. این سه عدد موجودیت‌های متمایزی هستند: کل ناوگان، نامزدهای تحلیل‌شده و سطرهای TOP-N در جدول.

جایگاه این گزارش

گزارش گره‌های مشکوک میان پایش بهره‌برداری ناوگانی و بررسی forensic تفصیلی یک گره قرار دارد.

گزارش	پرسش اصلی	مقیاس
گره‌های مشکل‌دار بهره‌برداری	کجا مشکلات ارتباط، باتری، پاسپورت، آرشیو وجود دارد	ناوگان
گره‌های مشکوک	کجا سیگنال‌های forensic احتمال کم‌شماری وجود دارد	ناوگان
سوءظن به دور زدن اندازه‌گیری (گره)	چرا یک گرهٔ خاص مشکوک به نظر می‌رسد	یک گره
تحلیل مصرف	آیا داده‌های یک گرهٔ خاص برای اندازه‌گیری و تحلیل مناسب است	یک گره

یک گره می‌تواند از نظر بهره‌برداری بد باشد، اما از منظر کم‌شماری مشکوک نباشد و برعکس: یک گره می‌تواند به‌طور پایدار آنلاین با آرشیو خوب باشد، اما نسبت به گروه مرجع خود به‌طور مشکوکی کم مصرف کند.

این گزارش برای چه کسانی است

نقش	چگونه از گزارش استفاده می‌کند
مدیر خدمات اندازه‌گیری	اولویت‌های بررسی‌ها و بازرسی‌های میدانی را انتخاب می‌کند
مترولوژیست	علل سوءظن و نیاز به بررسی پاسپورت را تحلیل می‌کند
دیسپچر	وظایف را برای گره‌های اولویت‌بالا ارجاع می‌دهد
تیم بازرسی میدانی	فهرست گره‌ها و پیوند به بررسی تفصیلی را دریافت می‌کند
تحلیل‌گر	گروه‌های مرجع، فصلی‌بودن، ناهنجاری‌ها و رویدادها را بررسی می‌کند
تحلیل‌گر صورت‌حساب	مقیاس تجاری احتمالی ریسک را برآورد می‌کند
واحد کنترل	سیگنال‌های ضعیف را از موارد نیازمند تحقیق جدا می‌کند
حقوقدان	به‌عنوان مبنایی برای آغاز تحقیق استفاده می‌کند (نه به‌عنوان دلیل)

آنچه گزارش انجام نمی‌دهد

گزارش نباید:

واقعیت دور زدن اندازه‌گیری را اثبات کند؛
مصرف‌کننده را به‌طور خودکار متهم کند؛
جایگزین بررسی میدانی شود؛
برآورد تلفات را خسارت تأییدشده تلقی کند؛
مصرف کم را بدون مقایسه با حالت تأسیسات، تخلف تفسیر کند؛
نبود داده را سیگنال صفر تلقی کند؛
مشکلات بهره‌برداری را با سیگنال‌های forensic ادغام کند؛
شاخص در دسترس نبوده را برابر صفر تلقی کند؛
بر اساس خلاصهٔ AI نتیجه‌گیری حقوقی کند؛
جایگزین گزارش تفصیلی یک گرهٔ خاص شود.

اصطلاحات کلیدی

اصطلاح	معنا
گره	نقطهٔ اندازه‌گیری گاز که تله‌متری آن تحلیل می‌شود
ناوگان	مجموعهٔ همهٔ گره‌های یک شرکت
نامزد	گرهی که گزینش اولیه را برای تحلیل عمیق گذرانده است
گروه مرجع	گروهی از گره‌های مشابه برای مقایسهٔ مصرف
صدک	جایگاه گره از نظر جریان میان گره‌های مشابه
subscore	امتیاز جزئی برای یک سیگنال forensic از 0 تا 100
composite score	امتیاز نهایی سوءظن
ceiling	بیشینهٔ سهم یک سیگنال در احتمال نهایی
سیگنال مستقیم	سیگنال forensic رفتاری مستقیم بر اساس Q/P/T
ناهنجاری گروه مرجع	ناهنجاری جریان نسبت به گره‌های مشابه
دور زدن پاسپورت	امضای «پاسپورت خالی + جریان تقریباً صفر + فشار زنده»
واگرایی	واگرایی میان حجم استاندارد و کاری فراتر از توضیح فیزیکی
ناهنجاری فصلی	نبود رشد فصلی موردانتظار
تازگی رویداد	تازگی رویدادهای دستگاه مرتبط با دسترسی یا جایگزینی
نشانهٔ خوشه	شاخصی که یک سازمان چند گرهٔ مشکوک دارد
تلفات برآوردی	اولویت تجاری: score × مصرف، نه خسارت تأییدشده

منطق کلی گزارش

گزارش به‌عنوان یک فیلتر سوءظن ناوگانی ساخته می‌شود.

text

همهٔ گره‌های ناوگان
→ گزینش اولیهٔ نامزدهای زندهٔ forensic
→ تحلیل عمیق آرشیو ساعتی و رویدادها
→ محاسبهٔ ۶ subscore مستقل
→ مقایسهٔ گره‌ها با گروه مرجع
→ محاسبهٔ composite score
→ تصحیح خوشه‌ای بر اساس سازمان
→ رتبه‌بندی TOP-N
→ خروجی توزیع بر اساس سطوح
→ فهرست اقدامات و پیوندها به گزارش‌های تفصیلی

اصل کلیدی: گزارش صرفاً به‌دنبال گره‌های «بد» نیست، بلکه به‌دنبال گره‌هایی با نشانه‌های احتمال کم‌شماری در حضور داده است. یک گرهٔ کاملاً مرده که مدت‌هاست داده ارسال نکرده، یک مشکل بهره‌برداری است، اما لزوماً نامزد forensic خوبی نیست.

داده‌های ورودی

داده‌های حداقل لازم

داده	برای چه نیاز است
فهرست گره‌ها	برای تشکیل ناوگان تحلیل
نوع دستگاه	برای ساخت گروه‌های مرجع
سازمان	برای مقایسه درون گروه‌های مشابه
مصرف در دوره	برای رتبه‌بندی و برآورد مقیاس
آرشیو ساعتی Q/P/T/V	برای سیگنال‌های رفتاری
دورهٔ تحلیل	برای فصلی‌بودن و رویدادها

داده‌های تکمیلی

داده	برای چه نیاز است
نشست‌های ارتباطی	برای شاخص «گسست آرشیو در نشست‌های موفق»
پاسپورت دستگاه	برای شاخص دور زدن پاسپورت
تنظیمات مصحح	برای `P_const`، قیمت پالس، پارامترهای تصحیح
ژورنال رویدادهای دستگاه	برای دسترسی فیزیکی، جایگزینی، reset، تغییر پارامتر
داده‌های قبلی گره‌های مشابه	برای peer baseline
داده‌های پنجرهٔ فصلی	برای بررسی پروفایل زمستان/تابستان

حداقل دوره برای امتیازدهی قابل‌اعتماد

دورهٔ کمتر از 30 روز به‌طور خودکار سیگنال فصلی را در دسترس نمی‌سازد. حداقل توصیه‌شده 90 روز است. تحلیل فصلی کامل تنها در دوره‌ای دست‌کم 6 ماهه که هر دو فصل را پوشش دهد ممکن است.

پارامترهای اجرا

پارامتر	معنا
از تاریخ / تا تاریخ	پنجرهٔ ارزیابی (پیش‌فرض 90 روز اخیر)
چند گره در صدر	اندازهٔ جدول نهایی TOP-N
چند گره برای تحلیل عمیق	تعداد نامزدهای نگه‌داشته‌شده پس از گزینش اولیه
شرکت منبع	محدود کردن تحلیل به یک سازمان، یا استفاده از کل ناوگان
خوشه‌بندی سازمانی	افزودن +10 به گره‌های سازمان‌هایی با دو یا چند گرهٔ مشکوک
خلاصهٔ AI ناوگان	نظر اختیاری به زبان انسانی که بر امتیازها اثری ندارد

پوشش گزارش

بلافاصله زیر سربرگ گزارش سه کارت توزیع و بلوک نظر AI قرار دارند. این‌ها با هم خوانده می‌شوند: توزیع پاسخ سریع به «چند گره بحرانی هستند» را می‌دهد و خلاصهٔ AI توضیح می‌دهد چرا دقیقاً این گره‌ها وارد صدر شده‌اند و به چه چیزی توجه شود.

بلوک بالایی نشان می‌دهد:

شاخص	مقدار
کل گره‌های ناوگان	اندازهٔ کل ناوگان
تحلیل‌شده	چند گره وارد تحلیل عمیق شده‌اند
TOP-N	چند گره در جدول نهایی نشان داده شده‌اند
دوره	پنجرهٔ ارزیابی
خطاهای دریافت داده	چند نامزد را نتوانست به‌طور کامل پردازش کند
توزیع بر اساس سطوح	بحرانی / توجه / عادی

تفکیک مهم است:

text

کل گره‌های ناوگان ≠ تعداد گره‌های تحلیل‌شدهٔ عمیق ≠ تعداد سطرهای TOP-N.

برای مثال، ناوگان می‌تواند صدها گره داشته باشد، تحلیل عمیق می‌تواند روی مجموعه‌ای از نامزدها انجام شود و گزارش تنها TOP-N را نشان دهد.

توزیع بر اساس سطوح

Composite	سطح	رنگ کارت
≥ 60	بحرانی	قرمز
30–60	توجه	نارنجی
< 30	عادی	سبز

تمرکز بالا در قرمز دلیل وحشت نیست، بلکه سیگنالی برای بررسی دقیق صدر است: شاید روش‌شناسی به یک حالت بهره‌برداری مشخص پاسخ قوی داده باشد، نه به دخالت واقعی.

گزینش اولیهٔ نامزدهای forensic

پیش از تحلیل عمیق، گزارش به گره‌هایی اولویت می‌دهد که اساساً امکان جست‌وجوی الگوهای forensic در آن‌ها وجود دارد.

چرا به گره‌های زنده نیاز داریم

برای گزارش سوءظن، گره‌های دارای داده مهم هستند. اگر گره کاملاً مرده باشد، تصویر کافی از Q/P/T نمی‌دهد و باید در گزارش بهره‌برداری ارتباط بررسی شود، نه در رتبه‌بندی forensic.

اصل معمول:

text

دور زننده لزوماً تله‌متری را کاملاً قطع نمی‌کند؛
ممکن است خود را به‌عنوان «کم‌مصرف» جا بزند.

بنابراین گزینش اولیه تازگی آخرین نشست، وجود حجم غیرصفر، وضعیت دستگاه و وجود داده در آرشیو را در نظر می‌گیرد.

امتیازدهی گزینش اولیه

ارزیابی اولیه می‌تواند چنین توصیف شود:

FastScore = AliveScore + VolumeScore + StatusScore

که در آن:

مؤلفه	منطق
`AliveScore`	بیشتر، اگر گره به‌تازگی آنلاین بوده باشد
`VolumeScore`	بیشتر، اگر حجم ثبت‌شده وجود داشته باشد
`StatusScore`	بیشتر، اگر گره در وضعیت کاری یا پلمب‌شده باشد

امتیاز اولیه امتیاز نهایی سوءظن نیست. فقط نامزدهای تحلیل عمیق‌تر را انتخاب می‌کند.

شش سیگنال سوءظن

هر شش آشکارساز با توضیح، وزن در مستندات و سقف سهم احتمالی نشان داده می‌شوند. امتیاز نهایی جمع نیست، بلکه ترکیب احتمالی است. یک سیگنال قوی به‌تنهایی هنوز «بحرانی» نیست؛ ترکیب سیگنال‌های مستقل، بله. سیگنال‌های در دسترس نبوده حذف می‌شوند، نه برابر صفر شمرده می‌شوند.

#	سیگنال	وزن در مستندات	بیشینهٔ سهم احتمالی
1	دخالت مستقیم	30%	0.85
2	ناهنجاری نسبت به گروه مرجع (peer anomaly)	20%	0.57
3	امضای «کنتور قلابی» (passport bypass)	15%	0.43
4	واگرایی حجم استاندارد و کاری	10%	0.28
5	ناهنجاری فصلی	15%	0.43
6	رویدادهای دستگاه با احتساب تازگی	10%	0.28

وزن‌های درصدی برای مستندات و توضیح استفاده می‌شوند. فرمول نهایی نه از جمع خطی، بلکه از سقف‌های احتمالی استفاده می‌کند (به مدل احتمالی امتیاز نهایی مراجعه کنید).

سیگنال 1 — دخالت مستقیم

این سیگنال الگوهای forensic رفتاری بر اساس آرشیو ساعتی را بازاستفاده می‌کند. نشان می‌دهد که آیا گره نشانه‌های جایگزینی احتمالی کانال اندازه‌گیری یا جریان صفر مشکوک با لولهٔ فعال را دارد.

شاخص‌های نمونه که می‌توانند وارد سیگنال مستقیم شوند:

جریان صفر در فشار کاری یا جایگزین؛
کانال فشار ثابت‌شده؛
بازیابی جریان و فشار پس از پنجرهٔ صفر؛
گسست آرشیو با نشست‌های موفق ارتباط؛
تصحیحات زمینه‌ای برای فصل، نوع تأسیسات و حالت مصرف.

روش‌شناسی تفصیلی الگوهای مستقیم در گزارش سوءظن به دور زدن اندازه‌گیری (گره) شرح داده شده است که نه آشکارساز رسمی با آستانه را تعریف می‌کند.

subscore مستقیم محدودهٔ زیر را دارد:

S_{direct} \in [0, 100]

که در آن:

0 — نشانه‌های رفتاری مستقیم یافت نشد؛
30–60 — نشانه‌های ضعیف یا متوسط وجود دارد؛
60–100 — نشانه‌های قوی یا تکرارشونده وجود دارد.

سیگنال مستقیم دلیل نیست. به این معناست: گزارش تفصیلی گره را باز کنید و پنجره‌های رویدادها را بررسی کنید.

سیگنال 2 — ناهنجاری نسبت به گروه مرجع

مقایسه با گروه مرجع به این پرسش پاسخ می‌دهد: آیا گره نسبت به گره‌های مشابه به‌طور مشکوکی کم مصرف می‌کند؟ گره‌های مشابه آن‌هایی با همان نوع دستگاه و همان سازمان یا گروه‌بندی مشخص دیگر هستند.

برای مقایسه از rate استفاده می‌شود:

Rate_i = \frac{Consumption_i}{Hours_i}

که در آن Consumption_i مصرف مجموع گره در دوره و Hours_i تعداد ساعت‌های داده است.

صدک جایگاه گره در گروه مرجع را از نظر جریان نشان می‌دهد:

Percentile_i = \frac{count(Rate_j \le Rate_i)}{N_{cohort}} \times 100\%

صدک پایین به این معناست که گره کمتر از بیشتر گره‌های مشابه مصرف می‌کند. برای مثال، Percentile = 5% به این معناست که گره کمتر از تقریباً 95% گره‌های مشابه مصرف می‌کند.

امتیاز پایه بر اساس صدک

صدک	امتیاز پایه
< 3%	100
< 5%	85
< 10%	60
< 25%	30
≥ 25%	0

تصحیح بر اساس فاصله از میانه

صدک پایین به‌تنهایی همیشه به معنای سوءظن نیست: در هر گروه مرجعی کسی آخر خواهد بود. بنابراین امتیاز با نسبت به میانهٔ گروه مرجع مقیاس‌بندی می‌شود.

Ratio_{median} = \frac{Rate_i}{MedianRate_{cohort}}

Ratio به میانه	ضریب
≤ 0.33	1.0
0.33–0.50	0.6
0.50–0.70	0.3
> 0.70	0.0

peer score نهایی:

S_{peer} = BaseScore_{percentile} \times Factor_{median}

تفسیر

Peer score	معنا
0	مصرف به‌نظر مشکوک پایین نمی‌رسد
30	ناهنجاری ضعیفی وجود دارد
60	گره به‌طور قابل‌توجه پایین‌تر از گروه مرجع است
85–100	گره به‌شدت پایین‌تر از گره‌های مشابه است

سیگنال 3 — امضای «کنتور قلابی» (passport bypass)

سیگنال به‌دنبال ترکیب سه عامل می‌گردد:

پاسپورت دستگاه تقریباً خالی است؛
جریان در بیشتر دوره تقریباً صفر است؛
فشار در همین حال کاری و زنده است.

چنین ترکیبی می‌تواند به‌عنوان «کنتور قلابی روی لولهٔ فعال» به نظر برسد: گاز در لوله هست و فشار وجود دارد، اما جریان به‌سختی ثبت می‌شود و داده‌های پاسپورت برای بررسی کافی نیست.

سهم جریان صفر

فرض کنید:

N_{zero} = count(Q_h \le 0.001)

N_{valid} = count(Q_h \neq NULL)

سپس:

ZeroShare = \frac{N_{zero}}{N_{valid}}

شرط جریان صفر:

ZeroShare \ge 0.60

فشار کاری زنده

میانهٔ فشار محاسبه می‌شود:

P_{median} = median(P_h)

و انحراف معیار فشار:

\sigma_P = \sqrt{\frac{1}{n-1}\sum(P_h-\overline{P})^2}

فشار کاری و زنده در نظر گرفته می‌شود اگر:

P_{median} > 103 \; kPa

و:

\sigma_P > 0.05 \; kPa

یعنی فشار بالاتر از سطح جو است و کاملاً ثابت‌شده به نظر نمی‌رسد.

پاسپورت خالی

پاسپورت خالی یا به‌طور بحرانی ناقص در نظر گرفته می‌شود اگر بخش قابل‌توجهی از فیلدهای اجباری وجود نداشته باشد:

تاریخ کالیبراسیون؛
Qmin/Qmax؛
نوع کنتور؛
شمارهٔ سریال کنتور؛
P_const؛
قیمت پالس؛
نوع فشار؛
نسخهٔ firmware.

فرمول امتیاز

فرض کنید:

text

A = PassportEmpty
B = ZeroShare ≥ 0.60
C = P_median > 103 and σP > 0.05

تعداد شرایط برآورده‌شده:

N_{signals} = A + B + C

امتیاز:

تعداد شرایط	امتیاز
3	100
2	50
0–1	0

این سیگنال به معنای دور زدن اثبات‌شده نیست. نشان می‌دهد که گره نیازمند بررسی اسنادی و میدانی است.

سیگنال 4 — واگرایی حجم استاندارد و کاری

بسیاری از مصحح‌ها هم حجم کاری و هم حجم تبدیل‌شده / استاندارد را پس از تصحیح P/T ارسال می‌کنند. در حالت عادی، نسبت رشد حجم استاندارد به رشد حجم کاری باید تقریباً با ضریب فیزیکی تصحیح P/T متناظر باشد.

نسبت واقعی حجم‌ها

فرض کنید:

\Delta V_{std}

رشد حجم استاندارد یا تصحیح‌شده باشد و:

\Delta V_{work}

رشد حجم کاری.

سپس نسبت واقعی:

R_{actual} = \frac{\sum \Delta V_{std}}{\sum \Delta V_{work}}

ضریب P/T موردانتظار

از تقریب زیر استفاده می‌شود:

R_{expected} = \frac{\overline{P}}{P_0} \times \frac{T_0}{273.15 + \overline{T}}

که در آن:

$P_0 = 101.325 \; kPa$ ؛
$T_0 = 293.15 \; K$ ، یعنی 20°C؛
$\overline{P}$ — فشار متوسط؛
$\overline{T}$ — دمای متوسط بر حسب °C.

واگرایی نسبی

Divergence = \frac{|R_{actual} - R_{expected}|}{R_{expected}}

امتیاز

تا 10% واگرایی منطقهٔ قابل‌قبول در نظر گرفته می‌شود.

S_{divergence} = clamp((Divergence - 0.10) \times 250,\;0,\;100)

Divergence	امتیاز
≤ 10%	0
20%	25
30%	50
50% و بیشتر	100

زمانی که سیگنال در دسترس نیست

سیگنال در دسترس نیست اگر:

کانال حجم استاندارد وجود ندارد؛
کانال حجم کاری وجود ندارد؛
ساعت‌های معتبر بسیار کم است؛
حجم‌ها یکنوا نیستند؛
مجموع حجم کاری صفر است؛
داده‌های P/T برای ضریب موردانتظار وجود ندارد.

سیگنال 5 — ناهنجاری فصلی

برای بسیاری از مصرف‌کنندگان گاز، افزایش زمستانی جریان موردانتظار است. اگر دوره هم ماه‌های زمستانی و هم تابستانی را شامل شود، اما جریان زمستانی رشد نکند یا حتی کاهش یابد، این می‌تواند سیگنال کم‌شماری در فصل اوج مصرف باشد.

ماه‌های زمستانی دسامبر، ژانویه و فوریه هستند. ماه‌های تابستانی مه، ژوئن، ژوئیه، اوت و سپتامبر هستند.

شرط در دسترس بودن

سیگنال فصلی تنها در صورتی محاسبه می‌شود که در هر دو فصل داده کافی وجود داشته باشد:

H_{winter} \ge 200

و:

H_{summer} \ge 200

اگر داده کمتر باشد، سیگنال در دسترس نیست.

جریان متوسط بر اساس فصل

Q_{winter} = \frac{\sum Q_h^{winter}}{H_{winter}}

Q_{summer} = \frac{\sum Q_h^{summer}}{H_{summer}}

نسبت فصلی

R_{season} = \frac{Q_{winter}}{Q_{summer}}

امتیاز

شرط	امتیاز
$R_{season} \le 0.5$	100
$R_{season} \le 0.8$	60
$R_{season} \le 1.0$	30
$R_{season} > 1.0$	0

برای مصرف‌کنندگان صنعتی بدون بار گرمایشی، رشد فصلی ممکن است وجود نداشته باشد. بنابراین ناهنجاری فصلی باید با در نظر گرفتن نوع تأسیسات تفسیر شود.

سیگنال 6 — رویدادهای دستگاه با احتساب تازگی

رویدادهای دستگاه می‌توانند مهم‌تر از ناهنجاری‌های آماری باشند. به‌ویژه مهم هستند رویدادهای دسترسی فیزیکی، بازکردن بدنه، تغییر پارامترها، جایگزینی قرائت‌ها، reset، تغییر زمان و رویدادهای تأثیرگذار بر کانال اندازه‌گیری.

امتیاز پایهٔ رویداد

کلاس رویداد	امتیاز پایه
`physical`	100
`substitution`	70

سن رویداد و کهنه‌شدن

سن رویداد:

AgeDays = \frac{ReportEnd - EventTime}{1 \; day}

ضریب کهنه‌شدن:

Decay = max(0.2,\;1 - \frac{AgeDays}{225})

رویداد تازه وزن کامل دارد؛ رویداد قدیمی به‌تدریج اهمیت خود را از دست می‌دهد؛ حداقل وزن باقی‌مانده 20% است.

امتیاز رویداد

EventScore_i = BaseScore_i \times Decay_i

امتیاز تازگی نهایی

اگر چند رویداد وجود داشته باشد، بیشینهٔ امتیاز گرفته می‌شود:

S_{recency} = max(EventScore_i)

اگر ژورنال در دسترس باشد اما رویدادی وجود نداشته باشد، $S_{recency} = 0$ . اگر ژورنال در دسترس نباشد، سیگنال در دسترس نیست و از فرمول نهایی حذف می‌شود.

سیگنال در دسترس نبوده ≠ سیگنال صفر

این یکی از قوانین کلیدی گزارش است. اگر امکان محاسبهٔ سیگنال به‌دلیل نبود داده وجود نداشته باشد، وضعیت — (در دسترس نیست) می‌گیرد، نه 0.

دلایل در دسترس نبودن:

کانال موردنیاز آرشیو وجود ندارد؛
ساعت‌های کافی وجود ندارد؛
ژورنال رویدادها وجود ندارد؛
پوشش فصلی وجود ندارد؛
داده‌های گروه مرجع وجود ندارد؛
حجم کاری یا استاندارد وجود ندارد؛
پاسپورت وجود ندارد.

در فرمول نهایی، سیگنال‌های در دسترس نبوده از حاصل‌ضرب حذف می‌شوند، نه امتیاز را کاهش و نه افزایش می‌دهند.

مدل احتمالی امتیاز نهایی

اگر صرفاً همهٔ شش سیگنال با وزن جمع می‌شدند، یک سیگنال قوی می‌توانست به‌عنوان ریسک اثبات‌شدهٔ کامل به نظر برسد و بسیاری از سیگنال‌های ضعیف می‌توانستند به‌طور مکانیکی بحرانیت کاذب ایجاد کنند. به‌جای آن از یک مدل ضربی سهم‌های احتمالی مستقل استفاده می‌شود.

Ceiling برای هر سیگنال

هر سیگنال بیشینهٔ سهمی دارد:

سیگنال	Ceiling
`direct`	0.85
`peer`	0.57
`bypass`	0.43
`divergence`	0.28
`seasonal`	0.43
`recency`	0.28

سهم احتمالی یک سیگنال

فرض کنید S_i subscore سیگنال از 0 تا 100 و C_i ceiling سیگنال باشد. سپس سهم:

p_i = C_i \times \frac{S_i}{100}

احتمال نبود همهٔ سیگنال‌ها

P_{clean} = \prod_{i \in AvailableSignals}(1 - p_i)

امتیاز نهایی

Composite = 100 \times (1 - P_{clean})

یعنی:

Composite = 100 \times \left( 1 - \prod_{i \in AvailableSignals} \left( 1 - C_i \times \frac{S_i}{100} \right) \right)

مثال

فرض کنید سه سیگنال وجود دارد:

سیگنال	Subscore	Ceiling	$p_i$
`direct`	90	0.85	0.765
`peer`	50	0.57	0.285
`seasonal`	30	0.43	0.129

سپس:

P_{clean} = (1 - 0.765) \times (1 - 0.285) \times (1 - 0.129)

P_{clean} = 0.235 \times 0.715 \times 0.871

P_{clean} \approx 0.146

Composite = 100 \times (1 - 0.146) = 85.4

تفسیر مدل

یک سیگنال قوی می‌تواند امتیاز بالا بدهد، اما نه 100 کامل؛
ترکیب سیگنال‌های مستقل، اولویت را به‌شدت افزایش می‌دهد؛
سیگنال‌های ضعیف به‌صورت خطی جمع نمی‌شوند؛
سیگنال‌های در دسترس نبوده، گره را جریمه نمی‌کنند؛
امتیاز نهایی اولویت بررسی است، نه دلیل.

تصحیح خوشه‌ای بر اساس سازمان

اگر یک سازمان چند گرهٔ مشکوک داشته باشد، این اولویت بررسی را افزایش می‌دهد. چنین مواردی می‌توانند نشان‌دهندهٔ یک حالت سامانمند بهره‌برداری، تنظیمات، نگهداری یا اقدامات بالقوه هماهنگ باشند.

اگر یک سازمان دارد:

N_{suspicious,customer} \ge 2

و هر یک از این گره‌ها:

Composite \ge 60

آنگاه هر گره تصحیح خوشه‌ای دریافت می‌کند:

Composite_{clustered} = min(100,\;Composite + 10)

تصحیح خوشه‌ای دلیل نیست. فقط اولویت بررسی را افزایش می‌دهد، زیرا چند گره از یک سازمان نیازمند تحلیل مشترک هستند.

توزیع بر اساس سطوح

امتیاز نهایی به یک سطح ترجمه می‌شود.

Composite	سطح
≥ 60	بحرانی
30–60	توجه
< 30	عادی

آستانهٔ 60 به این معناست که گره یک سیگنال قوی یا ترکیبی از چند سیگنال مستقل دارد. این به معنای دلیل نیست — به این معناست که گره باید وارد فهرست اولویت‌دار بررسی شود.

جدول TOP-N

گره‌ها بر اساس امتیاز نهایی سوءظن مرتب می‌شوند. هر سطر شامل شش شاخص badge برای سیگنال‌ها است که اجازه می‌دهد با یک نگاه ببینید چرا گره وارد صدر شده است. اعداد در badgeها 0…100 یا — هستند؛ نماد — به معنای «نتوانست محاسبه شود» است.

ستون‌های اصلی

ستون	معنا
`Rank` (#)	جایگاه در رتبه‌بندی
`ID`	شناسهٔ گره
نام گره	نام تأسیسات
نوع دستگاه	نوع مصحح / تله‌متری
مصرف، m³	مصرف مجموع در دوره
صدک	رتبهٔ جریان میان گره‌های مشابه
امتیاز	composite score
تلفات، m³	اولویت تجاری، نه خسارت تأییدشده
سیگنال‌ها	مقادیر subscore (6 badge)
اقدامات	پیوندها به گزارش تفصیلی و تحلیل

چگونه سیگنال‌ها را بخوانیم

در جدول هر سیگنال به‌صورت یک شاخص جداگانه نشان داده می‌شود:

0 — سیگنال محاسبه شد و فعال نشد؛
— — سیگنال در دسترس نیست؛
>0 — سیگنال با شدت اعلام‌شده فعال شد.

بسیار مهم است که — برابر 0 نیست.

پیوندهای اقدام

پیوند	چه چیزی را باز می‌کند
سوءظن	گزارش سوءظن به دور زدن اندازه‌گیری (گره)
تحلیل	گزارش تحلیل مصرف

پیوند «سوءظن» نقطهٔ اصلی انتقال برای تیم بازرسی و محقق است: روش‌شناسی کامل forensic در آن گزارش تفصیلی باز می‌شود.

امتیاز «تلفات، m³»

ستون «تلفات، m³» حجم تأییدشدهٔ سرقت نیست. این یک اولویت تجاری است که مقیاس مصرف گره و امتیاز نهایی سوءظن را ترکیب می‌کند:

EstimatedLossPriority = Consumption \times \frac{Composite}{100}

که در آن Consumption مصرف مجموع گره در دوره و Composite امتیاز نهایی سوءظن است.

برای مثال، اگر Consumption = 100000 m³ و Composite = 80 باشد، آنگاه EstimatedLossPriority = 80000 m³. این به این معنا نیست که 80,000 m³ از دست رفته است. به این معناست که گره مقیاس تجاری بالای بررسی دارد: مصرف بزرگ × امتیاز بالا.

تحلیل و نتیجه‌گیری

خلاصهٔ زیر جدول، اعداد کلیدی در کل ناوگان را ارائه می‌دهد: چند گره چند سیگنال مستقل دارند (نگران‌کننده‌ترین ترکیب)، چند گره ناهنجاری گروه مرجع دارند و چند گره در خوشه‌ها قرار دارند. آخرین بولت یک یادآور اجباری از وضعیت حقوقی گزارش است.

بلوک تحلیلی نشان می‌دهد چند گره تحلیل شد، چند به سطح بحرانی رسید، چند در منطقهٔ توجه قرار گرفت، چند گره دو یا چند سیگنال مستقل دارند، چند گره نسبت به گروه مرجع به‌طور غیرعادی کم مصرف می‌کنند، چند گره در خوشه‌های سازمانی قرار دارند و یادآوری این‌که امتیاز نهایی دلیل نیست.

گره‌های با چند سیگنال مستقل

یک گره به‌ویژه برای بررسی مهم در نظر گرفته می‌شود اگر:

N_{strong\_signals} \ge 2

که در آن یک subscore قوی این است:

S_i \ge 50

چنین گره‌هایی اغلب مهم‌تر از گره‌هایی با یک سیگنال منزوی هستند — استقلال منابع سوءظن، اعتماد به رتبه‌بندی را به‌شدت افزایش می‌دهد.

گره‌های با ناهنجاری گروه مرجع

تعداد گره‌ها با جریان غیرعادی کم با شرط زیر شمرده می‌شود:

S_{peer} \ge 60

خوشه‌های سازمانی

تعداد گره‌های خوشه‌ای به‌عنوان تعداد سطرهای دارای نشانهٔ خوشه شمرده می‌شود.

خط زمانی رویدادهای دستگاه

دکمه‌های chip خط زمانی را بر اساس انواع دستگاه‌های مشاهده‌شده در TOP-N باز می‌کنند. هدف دیدن رویدادهای همزمان انبوه است: «ستون‌های عمودی» در محور زمان نشان‌دهندهٔ اقدامات هماهنگ در یک منطقه یا نگهداری انبوه هستند.

خط زمانی رویدادها را در طول زمان برای انواع دستگاه‌های موجود در TOP-N نمایش می‌دهد. به دیدن رویدادهای انبوه در یک روز یا ساعت، یافتن ستون‌های عمودی رویدادها، تمایز یک مورد فردی از یک مورد سامانمند و درک این‌که آیا نگهداری، به‌روزرسانی یا اختلال انبوهی رخ داده است کمک می‌کند.

نما در خط زمانی	توضیح محتمل
رویدادهای منفرد	مشکل فردی گره
چند رویداد برای یک سازمان	بررسی خوشه‌ای
رویدادهای زیاد برای یک نوع دستگاه	ویژگی سامانمند مدل
ستون عمودی در زمان	اقدام انبوه، به‌روزرسانی، اختلال، نگهداری
رویدادها پیش از افزایش امتیاز	ارتباط احتمالی با تنظیمات یا دخالت

خلاصهٔ AI

خلاصهٔ AI تنها به‌عنوان توضیح نتایج محاسبه‌شده به زبان انسانی تولید می‌شود. می‌تواند به‌طور خلاصه توضیح دهد چه گره‌هایی را اول بررسی کنیم، نشان دهد چه ترکیب‌هایی از سیگنال‌ها بیشترین نگرانی را دارند، یادآور هشدارهای کاذب احتمالی شود و یک نتیجه‌گیری کلی برای مدیر فرمول‌بندی کند.

خلاصهٔ AI نمی‌تواند composite score را تغییر دهد، سطح بحرانی/توجه/عادی را تغییر دهد، تخلف را تأیید کند، جایگزین فرمول‌ها شود، جایگزین بازرسی میدانی شود، جایگزین گزارش تفصیلی گره شود یا شواهد ایجاد کند.

هشدارهای کاذب

مصرف کم

مصرف کم می‌تواند طبیعی باشد اگر تأسیسات بیکار بوده، توقف فصلی وجود داشته، تأسیسات طبق برنامهٔ قراردادی کار نمی‌کرده، پروفایل تولید تغییر کرده، گره یک خط ذخیره را پشتیبانی می‌کند یا گروه مرجع بسیار گسترده انتخاب شده باشد.

نبود رشد زمستانی

نبود رشد زمستانی می‌تواند برای مصرف‌کنندگان تکنولوژیک بدون گرمایش، تولیدات تابستانی، تأسیسات با بار ثابت، تأسیساتی که گاز را نه برای گرمایش استفاده می‌کنند یا اماکن با حالت غیراستاندارد، طبیعی باشد.

رویدادهای دستگاه

یک رویداد دستگاه می‌تواند روزمره باشد اگر نگهداری انجام شده، کالیبراسیون صورت گرفته، باتری عوض شده، زمان طبق آیین‌نامه تنظیم شده، آرشیو برداشته شده یا کارهای برنامه‌ریزی‌شده انجام شده باشد.

ناهنجاری گروه مرجع

یک گره می‌تواند صرفاً به این دلیل در پایین گروه مرجع باشد که گروه مرجع کوچک است، تأسیسات از نظر ظرفیت متفاوت است، دستگاه‌های یک نوع روی بارهای مختلف هستند، سازمان انواع مختلف تأسیسات دارد یا دوره شامل توقف است.

محدودیت‌ها و سدهای سخت

بدون داده نتیجه‌گیری forensic وجود ندارد. اگر آرشیو ساعتی وجود نداشته باشد، سیگنال‌های forensic باید در دسترس نباشند. نبود داده به معنای نبود سوءظن نیست؛ به معنای ناممکن بودن ارزیابی است.
سیگنال‌های در دسترس نبوده حذف می‌شوند. یک سیگنال در دسترس نبوده در حاصل‌ضرب شرکت نمی‌کند.
گزارش ناوگانی نمی‌تواند دخالت را تأیید کند. گزارش ناوگانی جزئیات کافی برای صورت‌جلسه ندارد. فقط مسیر را به گزارش تفصیلی گره باز می‌کند.
«تلفات» نمی‌تواند به‌عنوان مبلغ خسارت استفاده شود. EstimatedLossPriority رتبه‌بندی مقیاس تجاری بررسی است.
انواع مختلف تأسیسات را نمی‌توان بدون گروه مرجع مقایسه کرد. مقایسهٔ جریان باید فقط درون گروه‌های مشابه انجام شود.

چگونه گزارش را بخوانیم

به توزیع نگاه کنید. اگر بسیاری از گره‌ها در بحرانی هستند، تعیین کنید که آیا این‌ها سیگنال‌های مستقل واقعی هستند یا یک روش‌شناسی بیش‌ازحد حساس.
نامزدهای صدر را باز کنید. بالاترین‌رتبه‌ترین گره‌ها نامزدهای اولویت‌دار بررسی هستند.
به سیگنال‌ها نگاه کنید، نه فقط امتیاز. دو گره با امتیاز یکسان می‌توانند علل متفاوتی داشته باشند — یک الگوی forensic مستقیم، یک ناهنجاری گروه مرجع، فصلی‌بودن یا رویدادهای دستگاه.
مقیاس تجاری را بررسی کنید. مصرف بزرگ × امتیاز بالا مهم‌تر از مصرف کوچک × امتیاز بالا است.
گزارش تفصیلی را باز کنید. پیوند «سوءظن» به گزارش تفصیلی گرهٔ خاص هدایت می‌کند.
علل کاذب را بررسی کنید. پیش از بازرسی میدانی، فصلی‌بودن، توقف تأسیسات، نگهداری، نوع مصرف‌کننده، صحت گروه مرجع، پاسپورت و رویدادهای دستگاه را بررسی کنید.

نتیجه‌گیری نهایی صحیح

نتیجه‌گیری صحیح از گزارش چنین است:

text

گزارش گره‌هایی را با احتمال بالای کم‌شماری یا دور زدن اندازه‌گیری
بر اساس سیگنال‌های مستقل ریاضی و رویدادی شناسایی می‌کند.
امتیاز نهایی برای اولویت‌بندی بررسی‌ها استفاده می‌شود.
برای نتیجه‌گیری حقوقی، بررسی تفصیلی گره، بازرسی میدانی، بررسی پلمب،
اندازه‌گیری کنترلی و تأیید مستند پارامترهای دستگاه لازم است.

یک نتیجه‌گیری نادرست این خواهد بود: «گره‌های صدر به‌طور اثبات‌شده اندازه‌گیری را دور می‌زنند.»

حداقل ملاک‌های یک گزارش کامل

یک گزارش از نظر روش‌شناسی کامل است اگر شامل دورهٔ تحلیل، پوشش ناوگان، تعداد گره‌های تحلیل‌شده، توزیع بر اساس سطوح، جدول TOP-N، مصرف هر گره، صدک گروه مرجع، composite score نهایی، اولویت تلفات برآوردی، مقادیر همهٔ subscoreهای در دسترس، علامت‌گذاری سیگنال‌های در دسترس نبوده، شرح شش سیگنال، وزن‌ها و ceilingها، فرمول composite score، قانون حذف سیگنال‌های در دسترس نبوده، تصحیح خوشه‌ای، سلب مسئولیت AI، سلب مسئولیت «دلیل نیست» و پیوندها به گزارش تفصیلی هر گره باشد.

فرمول خلاصه

منطق نهایی می‌تواند به‌طور خلاصه نوشته شود:

S_{direct}, S_{peer}, S_{bypass}, S_{divergence}, S_{seasonal}, S_{recency} \in [0,100] \cup \{unavailable\}

p_i = C_i \times \frac{S_i}{100}

Composite = 100 \times \left( 1 - \prod_{i \in AvailableSignals} (1 - p_i) \right)

Composite_{final} = min(100,\;Composite + ClusterBonus)

که در آن:

ClusterBonus = \begin{cases} 10, & \text{اگر سازمان ≥2 گره با Composite ≥ 60 داشته باشد} \\ 0, & \text{در غیر این صورت} \end{cases}

اولویت تجاری:

EstimatedLossPriority = Consumption \times \frac{Composite_{final}}{100}

متن توصیه‌شدهٔ سلب مسئولیت

text

گزارش یک ابزار اولویت‌بندی بررسی‌هاست. امتیاز نهایی سوءظن بر اساس
شاخص‌های رسمی محاسبه می‌شود و دلیل تخلف نیست. برای یک نتیجه‌گیری
حقوقی معتبر، بازرسی میدانی، صورت‌جلسه، بررسی پلمب،
اندازه‌گیری کنترلی، داده‌های پاسپورت و تحلیل تفصیلی گرهٔ خاص لازم است.

ارتباط با گزارش‌های دیگر

جهت	کجا نگاه کنیم
ارتباط، باتری، گسست‌های عمومی، مشکلات پاسپورت	گزارش بهره‌برداری گره‌های مشکل‌دار
سوءظن در سطح ناوگان	این گزارش
تحلیل تفصیلی یک گرهٔ خاص	سوءظن به دور زدن اندازه‌گیری (گره)
کیفیت داده‌های یک گره	تحلیل مصرف

این تفکیک یک نقص بهره‌برداری را از سوءظن کم‌شماری متمایز نگه می‌دارد.

موضوعات مرتبط

آخرین به‌روزرسانی در ۵ تیر ۱۴۰۵

آیا این صفحه مفید بود؟