ایده اصلی این محصول یک سیستم پایش هوشمند نقاط معیوب در مزارع خورشیدی است. ایده کلیدی آن تشخیص نقاطی از پنل‌ها یا سلول‌ها است که به صورت مکرر و غیرعادی از بقیه مجموعه جدا می‌افتند - مثلاً توان تولیدی‌شان خیلی کمتر یا خیلی بیشتر از میانگین است - اما نه به دلیل یک نقص همگانی، بلکه به صورت ایزوله و محلی. یعنی مشکل در خود آن نقطه است، نه در کل منطقه. نوآوری در این است که با ترکیب آمار (روش دامنه بین چارکی) و بررسی همسایگی در ابعاد سه در سه و پنج در پنج، نویزهای تصادفی (که ممکن است به دلیل عبور ابر یا خطای سنسور باشند) از نقاط واقعاً معیوب جدا می‌شوند. سپس با تحلیل تکرار در طول زمان (چندین فایل نقشه)، مکان‌هایی که الگوی معیوب بودنشان تکرارشونده است، اولویت‌بندی می‌شوند.

فناوری و خلاقیت به کار رفته: تشخیص پرت ایزوله برخلاف خوشه‌ای - بسیاری از روش‌ها نقاط پرت مجاور هم را هم علامت می‌زنند، اما این محصول فقط نقاطی را جدی می‌گیرد که واقعاً تنها هستند. این ویژگی از تشخیص خطاهای کاذب در مرز مناطق سایه یا کثیفی جلوگیری می‌کند. تحلیل چندزمانه - به جای نگاه به یک لحظه، الگوی تکرار در چندین اسکن (مثلاً روزهای مختلف) را بررسی می‌کند. نقاطی که فقط یک بار پرت بوده‌اند به عنوان نویز حذف می‌شوند. فیلتر هوشمند درصد وقوع - کاربر می‌تواند حداقل درصد تکرار را تنظیم کند (مثلاً بیست درصد). موقعیت‌هایی که کمتر از این مقدار در فایل‌ها ظاهر شده‌اند، اصلاً در گزارش اصلی نمایش داده نمی‌شوند تا تمرکز روی مشکلات واقعی باشد. شدت‌سنجی - یک نمره نمایی بین صفر و یک محاسبه می‌شود که نشان می‌دهد نقطه چقدر از کران مجاز فاصله دارد. این نمره برای اولویت‌بندی تعمیرات استفاده می‌شود. خروجی عملیاتی - گزارش نهایی نه فقط اعداد، بلکه توصیه‌های قابل اجرا مثل «بازرسی فوری»، «نگهداری پیشگیرانه» یا «فقط پایش» را ارائه می‌دهد.

کاربردهای محصول: در نیروگاه‌های خورشیدی فتوولتائیک برای تشخیص پنل‌های داغ، پنل‌های با افت توان، سلول‌های شکسته یا اتصالات کوتاه. در سیستم‌های ذخیره‌سازی باتری برای شناسایی سلول‌های باتری با ولتاژ یا دمای غیرعادی در آرایه بزرگ. در کشاورزی دقیق (تصاویر هوایی) برای پیدا کردن نقاط خشک یا آفت‌زده در مزرعه با تکرار در چند تصویر. در کنترل کیفیت در تولید صنعتی برای تشخیص نقاط معیوب روی صفحات ویفر، نمایشگر یا بردهای الکترونیکی در بازرسی‌های متوالی. در تحلیل داده‌های سنسورهای شبکه برای شناسایی حسگرهای خراب که قرائت‌های پرت تکراری ارسال می‌کنند.

مزایا نسبت به روش‌های معمول: کاهش هشدارهای اشتباه - نقاطی که فقط یک بار پرت شده‌اند (مثلاً به دلیل گردوغبار موقتی) حذف می‌شوند. اولویت‌بندی بر اساس ریسک - سه سطح بسیار بالا، متوسط و پایین بر اساس درصد تکرار، خروجی قابل تصمیم‌گیری می‌دهد. مقیاس‌پذیری - روی آرایه‌های دو بعدی با هر ابعادی کار می‌کند (مثلاً هزار در هزار سلول). شفافیت در حذف داده‌ها - موقعیت‌های حذف‌شده (به دلیل درصد پایین) در بخش جداگانه گزارش می‌شوند، بنابراین اطلاعات از بین نمی‌رود. تنظیم آسان پارامترها - کاربر می‌تواند ضریب دامنه بین چارکی، اندازه پنجره، تعداد مجاز پرت در همسایگی و آستانه درصد نمایش را بدون تغییر کد تنظیم کند.

معایب و محدودیت‌ها: وابستگی به فرمت داده - فقط فایل‌های با فرمت خاص آرایه‌های دو بعدی را می‌پذیرد. برای فرمت‌های دیگر (مانند متنی یا تصویری) نیاز به تبدیل دارد. فرض استقلال مکانی - اگر نقاط معیوب به صورت خوشه‌ای (مثلاً یک ردیف کامل پنل) باشند، این روش آن‌ها را به عنوان پرت ایزوله تشخیص نمی‌دهد مگر اینکه تنظیمات تعداد مجاز پرت در همسایگی افزایش یابد. حساسیت به توزیع داده - روش دامنه بین چارکی زمانی بهترین عملکرد را دارد که داده‌ها حدوداً نرمال باشند. برای توزیع‌های بسیار چوله ممکن است کران‌های نامناسب تولید کند. نیاز به چندین فایل زمانی - اگر فقط یک فایل وجود داشته باشد، مفهوم «تکرار» بی‌معنا می‌شود و محصول به یک تشخیص تک‌زمانه ساده تبدیل می‌شود که قدرت اصلی خود را از دست می‌دهد. محاسبات سنگین برای ابعاد بسیار بزرگ - اگر آرایه میلیون‌ها سلول داشته باشد و تعداد فایل‌ها زیاد باشد، زمان اجرا می‌تواند بالا برود (هرچند با پنجره‌های کوچک محدود می‌شود).

جمع‌بندی محصولی: این ابزار یک راهکار تحلیل داده برای نگهداری پیش‌بینانه در سیستم‌های دارای آرایه دو بعدی است. ارزش اصلی آن در تشخیص زودهنگام نقاط معیوب تکراری نهفته است - یعنی مشکلاتی که ثابت هستند اما هنوز بحرانی نشده‌اند. مناسب برای تیم‌های بهره‌برداری نیروگاه‌های خورشیدی، واحدهای کنترل کیفیت و هر جایی که «نقاط داغ مکانی» در طول زمان قابل ردیابی باشند.