産業データストリームにおける故障とドメインシフトの区別に向けて

要約:
異常検知および故障検出の方法は、正常なシステム運用条件からの逸脱を特定するうえで極めて重要であり、事前に対策を講じることを可能にし、通常はより重大な損害を未然に防ぐ。
長期にわたる逸脱は故障を示し、データの突然かつ孤立した変化は異常を示す。
しかし、現実の多くの実用的な応用では、データの変化が必ずしも異常なシステム状態を表すとは限らない。
このような変化は、システムの正常な進化であるにもかかわらず、誤って故障として認識されることがある。例えば、新製品の処理を開始する際の特徴を指しており、すなわちドメインシフトを現実化している。
したがって、故障とこのような『健全な』データ分布の変化を区別することは、システムの実践的な頑健性を確保するうえで極めて重要である。
本論文では、データ分布の変化や異常を検出するだけでなく、特定のプロセスに内在する故障と正常なドメインシフトを識別することを可能にする手法を提案します。
提案手法は、ドメインシフトおよび発生する可能性のある故障を識別するための修正済み Page-Hinkley チェンジポイント検出器と、迅速なオンライン異常検知のための教師ありドメイン適応ベースのアルゴリズムから成り立ちます。
これら二つは、ドメインシフトと故障を最終的に区別することを人間のオペレーターを支援することを目的とした、説明可能な人工知能（XAI）コンポーネントと結合されています。
本手法は、鉄鋼工場からのデータストリームを用いた実験によって示されています。