Тема: СОЗДАНИЕ УНИВЕРСАЛЬНОГО АЛГОРИТМА ДЛЯ РЕШЕНИЯ ЗАДАЧИ ОБНАРУЖЕНИЯ АНОМАЛИЙ В СИГНАЛЕ СТУПЕНЧАТОГО ВИДА

На сегодняшний день технологический уклад формируется под влиянием процесса цифровизации. Преобразуется промышленное производство: используются принципиально новые подходы к обработке и анализу данных. Но на практике их использование ограничивается задачами длительного хранения и визуализации. С помощью внедрения методов машинного обучения вкупе с методами обработки и анализа данных, можно создать промышленную систему прогнозного анализа [2].
Высокая размерность и сложная структура сигналов, вызванная непостоянством протекающих процессов и другими факторами, затрудняют проведение анализа основными средствами управления или человеком. Для анализа таких данных необходимы методы, учитывающие прошлый опыт эксплуатации и умеющие адаптироваться к изменяющейся динамике сигнала.
Одна из основных задач при анализе технологических сигналов - обнаружение аномалий. Аномалия - это отклонение поведения системы от стандартного [3]. Своевременное обнаружение аномалий является как основанием для предотвращения нештатных (аварийных) ситуаций и преждевременных отказов технологических устройств, так и способом извлечения полезной информации из сигнала.
На данный момент существует лишь несколько примеров решения проблемы обнаружения аномалий с помощью интеллектуального анализа в системах инженерного мониторинга. Некоторыми из таких примеров являются платформа Clover - система прогнозного анализа для промышленных компаний [8], Astera - аналитическая программная платформа для цифровой трансформации промышленности [7], модуль анализа в составе платформы цифровой компании AggreGate [6].
Описанные выше системы имеют ряд серьезных недостатков, такие как ограниченная применимость, примитивные методы, или же сравнение с пороговым значением.
В данной работе рассмотрена проблема недостаточного знания подходов и методов обнаружения аномалий в технологических сигналах. Предметом исследования является процесс обнаружения аномального поведения технологических устройств. Основное внимание в исследовании уделяется классификационным подходам к обнаружению аномалий. Таким образом, целью данного исследования является разработка универсального алгоритма для обнаружения аномалий в технологических сигналах с помощью расширения данных, выбора уникального пространства признаков и классификации. Для достижения цели исследования необходимо решить следующие задачи:
1. Изучение научных статей и литературы по теме обнаружения аномалий в многомерных последовательных данных. Изучение классических подходов к решению подобных проблем.
2. Сбор, выполнение первичного анализа и уточнение данных.
3. Разработка модели обнаружения аномалий технологических сигналов, и разработка программной реализации.
4. Тестирование программного комплекса на реальных технологических данных и анализ полученных результатов.
При выполнении работы использовались следующие методы исследования:
1. Анализ источников, описывающих существующие подходы к решению задачи обнаружения аномалий в последовательных данных.
2. Проведение экспериментов по созданию пространства признаков, расширению и классификации данных.
3. Расчет, визуализация и интерпретация полученных результатов.
Диссертация имеет следующую научную новизну:
1. Предложены подходы к увеличению объема данных или наложению аномалий на технологические сигналы для решения проблемы отсутствия подходящих данных.
2. Было предложено уникальное пространство признаков для классификации участков сигнала на штатные и аномальные.
Практическая значимость исследования: предложенные подходы к увеличению объема данных и формированию уникального пространства признаков позволяют использовать предложенный подход с быстрой реализацией в реальной компании, и последующим повышением качества.
Магистерская работа состоит из трех разделов: в первом содержится обзор проблемы поиска аномалий в технологическом сигнале; во втором содержится описание предлагаемого алгоритма классификации сигнала; в третьем содержатся экспериментальные исследования, которые были проведены для оценки эффективности предложенного подхода по обнаружению аномалий.
Купить

Данная работа посвящена выявлению аномалий в технологическом сигнале с использованием методов машинного обучения. Было произведено расширение выборки за счет аугментации реальных данных. Получившаяся выборка покрывает большой спектр аномалий, встречающихся в реальных данных с предприятий. Был разработан новый алгоритм классификации технических сигналов путем преобразования их в наборы статистических признаков и последующей их классификации методом градиентного бустинга. Была продемонстрирована работоспособность алгоритма на модельных данных и на синтезированных искусственно. Произведена оценка работы алгоритма на них и анализ полученных оценок.
Полученные результаты подтверждают работоспособность данного алгоритма по классификации технологического сигнала. Ранняя версия данного алгоритма классификации была внедрена в прототип модуля обнаружения аномалий в технологическом сигнале. Предполагается, что разрабатываемый модуль инвариантен к полученным сигналам, и должен показывать достойный результат на широком спектре возможных задач.
Работа была представлена на VIII Международной молодежной научной конференции «Математическое и программное обеспечение информационных, технических и экономических систем».
Купить