Найти непрерывные дни работы двигателя

Question

Я хочу вычислить дни непрерывной работы двигателя: на самом деле, несколько двигателей, но я ограничил свое MRE одним двигателем, надеясь, что вы покажете мне решение, которое можно легко адаптировать к случаю с несколькими двигателями. Для этого у меня есть несколько измерений датчиков, в разное время, для разных двигателей. Обычно эти измерения датчиков происходят довольно часто, но время от времени они могут давать сбой, поэтому частота дискретизации может быть не постоянной. Однако, если разница во времени между двумя последовательными измерениями больше, чем, скажем, 1 день, это означает, что двигатель остановился, и отсчет рабочих дней должен снова начаться с 0. Пример:

library(lubridate)
library(dplyr)
library(tibble)

set.seed(3)

# a single engine
a_day <- 6
n <- a_day*10
engine <- factor(rep("engine_A", each = n))
end_date <- as_datetime("2018-09-13 19:26:29")
start_date <- end_date - n * hours(4)
date_time <- seq(start_date, end_date, length.out = n)
x <- runif(n)
y <- rnorm(n)
my_df <- data.frame(engine, date_time, x, y)

# short stops don't restart the running days count
short_stops <- sample(seq_len(n), 5)
# long stops, however, do
medium_stop <- sample(seq_len(n), 1)
medium_stop <- rep(medium_stop, each = a_day) + (-3:2)
long_stop <- seq(30,40)
# merge stop indices
index <- sort(unique(c(short_stops, medium_stop, long_stop)))
# remove the rows corresponding to the stops
my_df <- my_df[-index, ]

Так как в этом случае я определил места остановки, я могу вычислить run_days как:

my_df <- my_df %>%
  rowid_to_column() %>%
  mutate(run_days = as.integer(round(case_when(
            rowid < 14 ~ (date_time - start_date) / ddays(1),
            rowid < 20 ~ (date_time - date_time[14]) / ddays(1),
            rowid >= 20 ~ (date_time - date_time[20]) / ddays(1))))) 

т.е.

> my_df
   rowid   engine           date_time          x            y run_days
1      1 engine_A 2018-09-03 19:26:29 0.16804153  0.900624729        0
2      2 engine_A 2018-09-03 23:30:33 0.80751640  0.851770447        0
3      3 engine_A 2018-09-04 03:34:37 0.38494235  0.727715174        0
4      4 engine_A 2018-09-04 07:38:41 0.32773432  0.736502146        1
5      5 engine_A 2018-09-04 11:42:45 0.60210067 -0.352129617        1
6      6 engine_A 2018-09-04 19:50:53 0.12463344  1.300357989        1
7      7 engine_A 2018-09-04 23:54:57 0.29460092  0.038252014        1
8      8 engine_A 2018-09-05 03:59:01 0.57760992 -0.979283770        1
9      9 engine_A 2018-09-05 12:07:09 0.51201590  0.786506872        2
10    10 engine_A 2018-09-05 20:15:17 0.53403535  1.698884846        2
11    11 engine_A 2018-09-06 00:19:21 0.55724944 -0.794593709        2
12    12 engine_A 2018-09-06 08:27:30 0.82970869 -2.265401074        3
13    13 engine_A 2018-09-06 12:31:34 0.11144915 -0.162205279        3
14    14 engine_A 2018-09-07 17:00:02 0.09338193 -1.737263711        0
15    15 engine_A 2018-09-07 21:04:06 0.23688501 -1.411425136        0
16    16 engine_A 2018-09-08 01:08:10 0.79114741 -0.453551227        0
17    17 engine_A 2018-09-08 05:12:14 0.59973157 -1.035491275        1
18    18 engine_A 2018-09-08 09:16:18 0.91014771  1.362142893        1
19    19 engine_A 2018-09-08 13:20:22 0.56042455  0.917456737        1
20    20 engine_A 2018-09-10 14:09:11 0.28146879 -0.031325502        0
21    21 engine_A 2018-09-10 18:13:15 0.78628120  0.467097310        0
22    22 engine_A 2018-09-10 22:17:19 0.17301935  1.024197674        0
23    23 engine_A 2018-09-11 02:21:23 0.57074752  0.267358452        1
24    24 engine_A 2018-09-11 06:25:27 0.41928296  0.231826103        1
25    25 engine_A 2018-09-11 10:29:32 0.26762217  0.747592465        1
26    26 engine_A 2018-09-11 14:33:36 0.04780944  1.217068511        1
27    27 engine_A 2018-09-11 18:37:40 0.10349305  0.383358345        1
28    28 engine_A 2018-09-11 22:41:44 0.31403146 -0.988052822        1
29    29 engine_A 2018-09-12 02:45:48 0.80064106 -0.156852910        2
30    30 engine_A 2018-09-12 06:49:52 0.22932470  1.735535216        2
31    31 engine_A 2018-09-12 10:53:56 0.21299844 -0.352298306        2
32    32 engine_A 2018-09-12 14:58:00 0.87710091  0.688640044        2
33    33 engine_A 2018-09-12 19:02:04 0.99322196  1.224406096        2
34    34 engine_A 2018-09-12 23:06:08 0.84424702  0.794296303        2
35    35 engine_A 2018-09-13 03:10:12 0.91043655 -0.006402398        3
36    36 engine_A 2018-09-13 07:14:16 0.47126973  0.219150635        3
37    37 engine_A 2018-09-13 11:18:20 0.22441841 -0.886463751        3
38    38 engine_A 2018-09-13 15:22:24 0.12781466  0.439760291        3
39    39 engine_A 2018-09-13 19:26:29 0.27968351 -0.886389751        3

В общем случае у меня есть только кадр данных my_df, и мне нужно генерировать столбец run_days, , конечно , а не путем ручной проверки. Как я могу это сделать?

Answer 1

Вот еще один ответ, который не использует цикл, но более эффективен tidyverse функции:

library(tidyverse)
offThreshold <- 1
df <-  my_df %>% 
  mutate(off = (date_time - lag(date_time)) / ddays(1) > offThreshold, # lag() means previous record
         timediff = if_else(off, 0, (date_time - lag(date_time)) / ddays(1)),
         timediff = if_else(is.na(timediff), 0, timediff))

dat <- df %>%
  filter(off == TRUE | is.na(off)) %>% # select signals that indicate stopping
  select(engine, date_time) %>%
  mutate(runNo = row_number(date_time)) %>% # number the times of stopping
  {left_join(df, ., by = c("engine",
                           "date_time"))} %>% # add the runNo to the original data
  fill(runNo, .direction = "down") %>% # repopulate runNo to subsequent rows
  group_by(engine, runNo) %>% # create a separate gp. for each machine/run combination
  mutate(run_days = round(cumsum(timediff))) %>% # compute run time for each gp.
  ungroup() %>%
  select(-off, -timediff, -runNo)

head(dat, 15)

Это окончательный результат

# A tibble: 15 x 5
   engine   date_time                x       y run_days
   <fct>    <dttm>               <dbl>   <dbl>    <dbl>
 1 engine_A 2018-09-03 19:26:29 0.168   0.901         0
 2 engine_A 2018-09-03 23:30:33 0.808   0.852         0
 3 engine_A 2018-09-04 03:34:37 0.385   0.728         0
 4 engine_A 2018-09-04 07:38:41 0.328   0.737         1
 5 engine_A 2018-09-04 11:42:45 0.602  -0.352         1
 6 engine_A 2018-09-04 19:50:53 0.125   1.30          1
 7 engine_A 2018-09-04 23:54:57 0.295   0.0383        1
 8 engine_A 2018-09-05 03:59:01 0.578  -0.979         1
 9 engine_A 2018-09-05 12:07:09 0.512   0.787         2
10 engine_A 2018-09-05 20:15:17 0.534   1.70          2
11 engine_A 2018-09-06 00:19:21 0.557  -0.795         2
12 engine_A 2018-09-06 08:27:30 0.830  -2.27          3
13 engine_A 2018-09-06 12:31:34 0.111  -0.162         3
14 engine_A 2018-09-07 17:00:02 0.0934 -1.74          0
15 engine_A 2018-09-07 21:04:06 0.237  -1.41          0

Answer 2

Для этого вам может понадобиться цикл, что означает, что он будет немного медленным, если у вас есть большие данные.Однако я попытался оптимизировать его для вас следующим образом:

Давайте сначала определим нашу функцию runDays():

runDays <- function(dat, x){
  offThreshold <- x
  dat$run_days <- 0
  dat$timediff <- difftime(dat$date_time, lag(dat$date_time), units = "days")
  for (i in 2:nrow(dat)){
    if (dat$timediff[i] < offThreshold){
      dat$run_days[i] <- dat$timediff[i] + dat$run_days[i-1]
    }
  }
  return(dat %>% select(-timediff))
}

Мы можем вызвать эту функцию напрямую как runDay(my_df, 1), но этоне будет работать, если у вас более одного двигателя.Таким образом, нам нужны две другие функции dplyr;group_by() и do():

newDat <- my_df %>% 
  group_by(engine) %>%
  do(runDays(., 1))
head(newDat, 15)
# A tibble: 15 x 5
# Groups:   engine [1]
   engine   date_time                x       y run_days
   <fct>    <dttm>               <dbl>   <dbl>    <dbl>
 1 engine_A 2018-09-03 19:26:29 0.168   0.901     0    
 2 engine_A 2018-09-03 23:30:33 0.808   0.852     0.169
 3 engine_A 2018-09-04 03:34:37 0.385   0.728     0.339
 4 engine_A 2018-09-04 07:38:41 0.328   0.737     0.508
 5 engine_A 2018-09-04 11:42:45 0.602  -0.352     0.678
 6 engine_A 2018-09-04 19:50:53 0.125   1.30      1.02 
 7 engine_A 2018-09-04 23:54:57 0.295   0.0383    1.19 
 8 engine_A 2018-09-05 03:59:01 0.578  -0.979     1.36 
 9 engine_A 2018-09-05 12:07:09 0.512   0.787     1.69 
10 engine_A 2018-09-05 20:15:17 0.534   1.70      2.03 
11 engine_A 2018-09-06 00:19:21 0.557  -0.795     2.20 
12 engine_A 2018-09-06 08:27:30 0.830  -2.27      2.54 
13 engine_A 2018-09-06 12:31:34 0.111  -0.162     2.71 
14 engine_A 2018-09-07 17:00:02 0.0934 -1.74      0    
15 engine_A 2018-09-07 21:04:06 0.237  -1.41      0.169

Вы можете определенно выбрать любой порог в качестве второго аргумента при вызове runDays().