제조 프로세스 데이터의 이상 탐지에 경험이있는 사람이 있습니까?제조 프로세스 데이터의 이상 탐지에 경험이있는 사람이 있습니까?
화학 회사의 고객은 제조 프로세스의 센서 데이터 (예 : 온도, 압력 데이터를 10 초마다), 비정상적인 작동을 확인하고자합니다.
그의 데이터 세트에는 레이블 (Y)이 없으므로 감독 학습 (예 : 회귀 분석 또는 강화 학습)은 적용 할 수 없습니다.
나는이 상황에서 다변량 관리도 또는 마할 라 노비스 거리가 좋다고 생각한다.
그들은 35 페이지 에서처럼 그래프를 얻고 싶습니다.
https://www.yammer.com/sas.com/#/files/162858856
어떤 생각이 있습니까?
다시 : 제조 프로세스 데이터의 이상 탐지에 경험이있는 사람이 있습니까?Mahalanobis distance와 같은 다변량 통계가 유용 할 것으로 생각합니다. PCA 점수도 고려해 볼 수 있습니다.
그러나 이것이 일괄 처리 프로세스 인 경우 Functional Data Explorer가 비정상 배치 프로파일을 감지하는 더 나은 방법 일 수 있습니다. 이 경우 FPC 점수를 통계로 사용할 수 있습니다.
이것은 이전 Discovery 프레젠테이션입니다. 고객과의 관계가 매우 중요합니다. 주로 감독 된 학습 방법에 대해서 말하고 있습니다.
다시 : 제조 프로세스 데이터의 이상 탐지에 경험이있는 사람이 있습니까?FDE에 대한 Phil의 의견에 두 번째 추가. 필자는 대학원 수업 일과 FDE에서 얻은 데이터를 통해 몇 가지 흥미로운 결과를 얻었습니다 (이미지 참조). 이 분석의 데이터는 스펙트럼입니다. (필자는 프리젠 테이션 필자 참조에서 보이는 것과 같은 흔적이나 다른 유형의 데이터를 사용할 수 있습니다.) 눈에 띄는 것은 스코어 플롯이 제 반응의 여러 단계를 정확하게 구분한다는 것입니다. 그래서, 그것은 유익한 계기가 될 것입니다.
다시 : 제조 프로세스 데이터의 이상 탐지에 경험이있는 사람이 있습니까?감사합니다 필과 마이크!
나는 FDE를 고려할 것이다.
