有人有製造過程資料異常檢測的經驗嗎？有人有製造過程資料異常檢測的經驗嗎？
我的化學公司客戶擁有製造流程的感測器資料（例如每 10 秒的溫度、壓力資料），他想要識別異常操作。
他的資料集沒有標籤（Y），因此監督學習（如邏輯迴歸或提升樹）不適用。
我認為多元控製圖或馬哈拉諾比斯距離在這種情況下很好。
他們想要得到像第 35 頁的圖表。
https://www.yammer.com/sas.com/#/files/162858856
有什麼想法嗎？
回覆：有人有製造過程資料異常檢測的經驗嗎？謝謝菲爾和麥克！
我會考慮FDE。回覆：有人有製造過程資料異常檢測的經驗嗎？補充 Phil 關於 FDE 的評論。 我一直在修改研究生時代的一些數據，FDE 給了我一些有趣的結果（見圖）。 該分析中的數據是光譜。 （您可以使用痕跡或其他類型的數據，例如菲爾參考資料中顯示的數據。）令我驚訝的是，分數圖正確地區分了我反應的不同階段。 因此，這可能是個富有成果的探究途徑。
回覆：有人有製造過程資料異常檢測的經驗嗎？我認為像馬哈拉諾比斯距離這樣的多元統計數據應該對此有用。 您也可以考慮 PCA 分數。
但是，如果這是一個批次處理過程，Functional Data Explorer 可能是檢測異常批次設定檔的更好方法。 在這種情況下，您可以使用 FPC 分數作為統計資料。
這是一個舊的 Discovery 簡報來自化學品領域的客戶，這非常相關。 雖然它確實主要講的是監督學習方法。
