Maskininlärningsbaserad anomalidetektion på industriella tidsseriedata med Isolation Forest : En empirisk studie om fönsterstorlek och steglängd i en tidsfönstersegmenterad lösning med feature extraction.

Sammanfattning

Inom industrin genereras stora mängder sensordata som kan användas för att tidigt identifiera fel i industriella processer. Detta benämns anomalidetektion och med hjälp av maskininlärning kan anomalidetektion införas. En vanlig metod för att möjliggöra maskininlärningsbaserad anomalidetektion i industriella sensordata är att kombinera glidande tidsfönster med feature extraction, där statistiska egenskaper extraheras från varje segment. Två centrala parametrar i denna metodik är fönsterstorlek och steglängd, vars påverkan på modellens prestanda behandlas sällan explicit i litteraturen. Denna studie undersöker hur val av fönsterstorlek och steglängd påverkar prestandan hos en Isolation Forest-modell tillämpad på multivariat sensordata från en industriell delprocess. Data från sju sensorer förbehandlades med glidande tidsfönster och sex statistiska mått extraherades per sensor och fönster. Fyra fönsterstorlekar och fyra steglängder utvärderades och prestandan mättes med F1-score för anomalidetektion och klassificering av normal drift. Syntetiska anomalier injicerades i testdata för att möjliggöra utvärdering i avsaknad av märkt feldata. Resultaten visar att fönsterstorlek har en betydande påverkan på modellens prestanda. F1-score för anomalidetektion ökade från 0,71 vid en fönsterstorlek på 20 observationer till 0,921 vid en fönsterstorlek på 100 observationer, för att därefter försämras vid normal drift vid en fönsterstorlek på 200 observationer troligen på grund av att fönstret fångar drastiska övergångar i processen där sensorerna mäter produktion och stillestånd. Steglängden hade däremot minimal påverkan inom det testade intervallet. Vidare visas att resultaten även är känslig för contamination parametern som styr tröskeln för vad som klassificeras som anomali inom Isolation Forest modellen. Studien visar att fönsterstorlek är en parameter som bör anpassas efter datamängdens karaktär och processens dynamik, medan steglängden kan väljas utifrån beräkningsmässiga hänsyn utan att nämnvärt påverka detektions-förmågan.