MTV：用于检测、调查与标注多元时间序列异常的可视分析系统

在各类工业领域中，检测时变多元数据中的异常对于设备的预测性维护至关重要。已有众多机器学习（ML）算法被提出以支持自动化异常识别。然而，解读、分析和校准自动化分析结果仍需要大量人类知识。本文调查了工业背景下用于检测和调查时间序列数据异常的现状实践，并识别出相应需求。通过迭代设计并与来自两个行业领域（航空航天与能源）的九位专家合作，我们刻画了成功可视化系统所需的六个设计要素，以支持高效的时间序列异常检测、调查与标注。我们总结了一个理想的人-AI 协作工作流，其简化了流程并支持高效且协作的分析。我们介绍了 MTV（多元时间序列可视化），一个支持该工作流的可视分析系统。该系统融合了一组新颖的可视化与交互设计，以支持多面时间序列探索、高效的原位异常标注与洞见交流。我们开展了两项用户研究，一项有 6 名航天器专家（具有常规异常分析任务），另一项有 25 名通用终端用户（无此类任务），以证明 MTV 的有效性与实用性。