Advanced

Development of a CBM based service indicator for UFD replacements - An introductory study

Åkesson, Johan LU and Lundqvist, Victor LU (2017) BMEM01 20172
Department of Biomedical Engineering
Abstract
Dialysis is a life-sustaining treatment for many people around the world. In or- der to meet the high demands on the dialysis machines, replaceable parts must be exchanged in proper time. Condition based maintenance (CBM) bases its service decisions on the actual health status of the component. The goal of this master’s thesis was to develop an algorithm based on machine learning, constituting the first step of a CBM based service indicator monitoring the dialysis ultra filter (UFD) of Baxter’s AK 98 dialysis machine.

Real treatment data retrieved from ten dialysis machines have been an- alyzed. Signals believed to be relevant to the UFD status were preprocessed and analyzed. From them different features were extracted whereof some were... (More)
Dialysis is a life-sustaining treatment for many people around the world. In or- der to meet the high demands on the dialysis machines, replaceable parts must be exchanged in proper time. Condition based maintenance (CBM) bases its service decisions on the actual health status of the component. The goal of this master’s thesis was to develop an algorithm based on machine learning, constituting the first step of a CBM based service indicator monitoring the dialysis ultra filter (UFD) of Baxter’s AK 98 dialysis machine.

Real treatment data retrieved from ten dialysis machines have been an- alyzed. Signals believed to be relevant to the UFD status were preprocessed and analyzed. From them different features were extracted whereof some were found in CBM related literature. Two different feature selection methods were used to select 10 out of the 178 available features. Different labeling meth- ods were tested and evaluated together with other relevant parameters in the algorithm.

The final algorithm used a k-nearest neighbors (kNN) classifier with k = 12. The classification accuracy was approximately twice as good as a ran- dom guess. The main reason for not achieving a better result was that only six features appeared to contain relevant information regarding the UFD status. Furthermore, these features were derived from the same signal and closely related. Despite this, the developed algorithm did show promising result in detecting the UFD degradation level but further development will be needed. The main focus should be to improve the signal quality and/or find more relevant signals and/or features. (Less)
Popular Abstract (Swedish)
Utveckling av algoritm som avgör filterstatusen hos dialysmaskiner

Många människor världen över dör för att de inte har råd med dialysbehandling. För att minska kostnaderna har det i detta exjobb utvecklats en algoritm som kan användas i en framtida serviceindikator för filter i dialysmaskiner. Resultaten ser lovande ut.

Kronisk njursjukdom beskriver ett tillstånd av progressivt förlorad njurfunktion. När detta utvecklats tillräckligt långt krävs behandling, till exempel i form av dialys. Man räknar med att runt två miljoner människor världen över är i behov av regelbunden dialysbehandling för att överleva. Dock är mörkertalet stort vilket medför att siffran troligtvis är tio gånger så stor.

Det dåliga allmäntillståndet hos... (More)
Utveckling av algoritm som avgör filterstatusen hos dialysmaskiner

Många människor världen över dör för att de inte har råd med dialysbehandling. För att minska kostnaderna har det i detta exjobb utvecklats en algoritm som kan användas i en framtida serviceindikator för filter i dialysmaskiner. Resultaten ser lovande ut.

Kronisk njursjukdom beskriver ett tillstånd av progressivt förlorad njurfunktion. När detta utvecklats tillräckligt långt krävs behandling, till exempel i form av dialys. Man räknar med att runt två miljoner människor världen över är i behov av regelbunden dialysbehandling för att överleva. Dock är mörkertalet stort vilket medför att siffran troligtvis är tio gånger så stor.

Det dåliga allmäntillståndet hos dialyspatienter ställer stora krav på behandlingen. Inte minst i form av att se till att dialysvätskan är helt fri från bakterier och andra smittämnen vilket annars kan få katastrofala konsekvenser. Som en del i försvaret mot detta finns ett specifikt filter i vissa dialysmaskiner. De nuvarande rekommendationerna är att byta ut detta filter efter en viss tid alternativt efter att ett visst antal desinfektioner har utförts. Därmed tas ingen hänsyn till den faktiska statusen på filtret. För att inte riskera att filterna byts ut för sent är gränserna väl tilltagna. Tänk om det fanns ett sätt att optimera användandet av varje enskilt filter. Det skulle dels minska belastningen på miljön men framför allt leda till minskade kostnader för sjukvården. I slutändan skulle detta kunna leda till att dialysbehandlingen skulle kunna nå ut till fler drabbade personer även i den fattiga delen av världen och rädda liv.

Ett sätt att optimera filteranvändningen skulle vara att utveckla en serviceindikator liknande den som finns i bilar som säger till när det är dags för service. Som ett första steg i att ta fram en sådan serviceindikator har vi i detta examensarbete utvecklat en algoritm som försöker avgöra statusen på filtret. Resultatet indikerar att möjligheterna att utveckla den önskade serviceindikatorn är mycket lovande, men det krävs fortsatta studier. Algoritmen var ungefär dubbelt så bra som en slumpmässig gissning på att avgöra filtrets status. Speciellt en signal som analyserades visade sig ha en väldigt nära koppling med tillståndet hos filtret. När denna signal studeras närmare gjordes en häpnadsväckande upptäckt. Den ursprungliga tanken var att filtret skulle sättas igen ju mer det användes och därmed få svårare att släppa igenom dialysvätskan. Vad resultatet däremot påvisade var motsatsen, nämligen att det blev lättare för dialysvätskan att passera filtret. Orsaken till detta var svår att finna då det inte fanns möjlighet att undersöka de studerade filterna. Dock fanns misstankar om att det kunde finnas ett samband med användandet av en viss typ av desinfektionsprogram. (Less)
Please use this url to cite or link to this publication:
author
Åkesson, Johan LU and Lundqvist, Victor LU
supervisor
organization
course
BMEM01 20172
year
type
H2 - Master's Degree (Two Years)
subject
language
English
additional info
2017-16
id
8925562
date added to LUP
2017-09-19 11:42:59
date last changed
2017-09-19 11:42:59
@misc{8925562,
  abstract     = {Dialysis is a life-sustaining treatment for many people around the world. In or- der to meet the high demands on the dialysis machines, replaceable parts must be exchanged in proper time. Condition based maintenance (CBM) bases its service decisions on the actual health status of the component. The goal of this master’s thesis was to develop an algorithm based on machine learning, constituting the first step of a CBM based service indicator monitoring the dialysis ultra filter (UFD) of Baxter’s AK 98 dialysis machine.

Real treatment data retrieved from ten dialysis machines have been an- alyzed. Signals believed to be relevant to the UFD status were preprocessed and analyzed. From them different features were extracted whereof some were found in CBM related literature. Two different feature selection methods were used to select 10 out of the 178 available features. Different labeling meth- ods were tested and evaluated together with other relevant parameters in the algorithm.

The final algorithm used a k-nearest neighbors (kNN) classifier with k = 12. The classification accuracy was approximately twice as good as a ran- dom guess. The main reason for not achieving a better result was that only six features appeared to contain relevant information regarding the UFD status. Furthermore, these features were derived from the same signal and closely related. Despite this, the developed algorithm did show promising result in detecting the UFD degradation level but further development will be needed. The main focus should be to improve the signal quality and/or find more relevant signals and/or features.},
  author       = {Åkesson, Johan and Lundqvist, Victor},
  language     = {eng},
  note         = {Student Paper},
  title        = {Development of a CBM based service indicator for UFD replacements - An introductory study},
  year         = {2017},
}