DyEdgeGAT: Dynamic Edge via Graph Attention for Early Fault Detection in IIoT Systems

要約

産業用モノのインターネット (IIoT) では、複雑なシステムからの状態監視センサー信号が、さまざまな条件下で非線形かつ確率的な時空間ダイナミクスを示すことがよくあります。
これらの複雑なダイナミクスにより、障害検出が特に困難になります。
これまでの方法では、これらのダイナミクスを効果的にモデル化していますが、センサー信号間の関係の進化を無視することがよくありました。
これらの関係の変化が検出されないと、重大なシステム障害が発生する可能性があります。
さらに、これらの方法では、新しい動作条件を障害として誤認することがよくあります。
これらの制限に対処するために、私たちは、IIoT システムの初期段階の障害検出のための新しいアプローチである DyEdgeGAT (Dynamic Edge via Graph Attendant) を提案します。
DyEdgeGAT の主な革新は、動的なエッジ構築によって可能になる、時系列間の関係の進化を追跡する多変量時系列の新しいグラフ推論スキームにあります。
DyEdgeGAT のもう 1 つの重要な革新は、動作条件のコンテキストをノード ダイナミクス モデリングに組み込んで、その精度と堅牢性を向上させる機能です。
私たちは、さまざまなレベルの障害重大度をシミュレートする合成データセットと、さまざまな動作条件と検出の複雑さの下でさまざまな種類の障害を備えた実際の産業規模の混相流施設ベンチマークの両方を使用して、DyEdgeGAT を厳密に評価しました。
結果は、DyEdgeGAT が障害検出において、特に重大度が低い初期段階で他のベースライン手法を大幅に上回り、新しい動作条件下で堅牢なパフォーマンスを示すことを示しています。

要約(オリジナル)

In the Industrial Internet of Things (IIoT), condition monitoring sensor signals from complex systems often exhibit nonlinear and stochastic spatial-temporal dynamics under varying conditions. These complex dynamics make fault detection particularly challenging. While previous methods effectively model these dynamics, they often neglect the evolution of relationships between sensor signals. Undetected shifts in these relationships can lead to significant system failures. Furthermore, these methods frequently misidentify novel operating conditions as faults. Addressing these limitations, we propose DyEdgeGAT (Dynamic Edge via Graph Attention), a novel approach for early-stage fault detection in IIoT systems. DyEdgeGAT’s primary innovation lies in a novel graph inference scheme for multivariate time series that tracks the evolution of relationships between time series, enabled by dynamic edge construction. Another key innovation of DyEdgeGAT is its ability to incorporate operating condition contexts into node dynamics modeling, enhancing its accuracy and robustness. We rigorously evaluated DyEdgeGAT using both a synthetic dataset, simulating varying levels of fault severity, and a real-world industrial-scale multiphase flow facility benchmark with diverse fault types under varying operating conditions and detection complexities. The results show that DyEdgeGAT significantly outperforms other baseline methods in fault detection, particularly in the early stages with low severity, and exhibits robust performance under novel operating conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google