工业过程与物联网环境中准确快速的异常检测
机器学习
2024-04-30 v1 应用统计
摘要
我们提出了一种新颖、简单且广泛适用的半监督程序，用于工业和物联网环境中的异常检测，称为 SAnD (Simple Anomaly Detection)。SAnD 包含 5 个步骤，每个步骤都利用了众所周知的统计工具，即：平滑滤波器、方差膨胀因子、马氏距离、阈值选择算法和特征重要性技术。据我们所知，SAnD 是第一个集成这些工具来识别异常并帮助解释其可能原因的程序。我们展示了每个步骤如何有助于解决从业者在工业环境中检测异常时面临的技术挑战，在这些环境中，信号可能高度多重共线性、具有未知分布，并将短寿命噪声与较长寿命的实际异常交织在一起。SAnD 的开发源于我们工业合作伙伴的一个具体案例研究，我们在此用其展示其有效性。我们还通过将 SAnD 与从异常检测文献中选择的半监督方法在公共数据集上进行比较来评估其性能。我们得出结论，SAnD 是有效的、广泛适用的，并且在异常检测和运行时间方面均优于现有方法。
引用
@article{arxiv.2404.17925,
title = {Accurate and fast anomaly detection in industrial processes and IoT environments},
author = {Simone Tonini and Andrea Vandin and Francesca Chiaromonte and Daniele Licari and Fernando Barsacchi},
journal= {arXiv preprint arXiv:2404.17925},
year = {2024}
}