Unraveling Anomalies in Time: Unsupervised Discovery and Isolation of Anomalous Behavior in Bio-regenerative Life Support System Telemetry

要約

異常または重大なシステム状態の検出は、状態監視において不可欠です。
異常を迅速に特定することに多くの注意が払われていますが、これらの異常を遡及的に分析することで、観察された望ましくない動作の根本的な原因の理解を大幅に高めることができます。
この側面は、監視対象システムが重要な環境に展開されている場合に特に重要になります。
この研究では、宇宙探査のための生物再生生命維持システム (BLSS) の領域内の異常を詳しく調査し、南極の EDEN ISS 宇宙温室から発生する遠隔測定データで見つかった異常を分析します。
異常検出結果に対して時系列クラスタリングを採用し、単変量設定と多変量設定の両方でさまざまな種類の異常を分類します。
次に、系統的な異常動作を特定する際のこれらの手法の有効性を評価します。
さらに、以前の研究で示されているように、異常検出方法 MDI と DAMP が相補的な結果を生み出すことを示します。

要約(オリジナル)

The detection of abnormal or critical system states is essential in condition monitoring. While much attention is given to promptly identifying anomalies, a retrospective analysis of these anomalies can significantly enhance our comprehension of the underlying causes of observed undesired behavior. This aspect becomes particularly critical when the monitored system is deployed in a vital environment. In this study, we delve into anomalies within the domain of Bio-Regenerative Life Support Systems (BLSS) for space exploration and analyze anomalies found in telemetry data stemming from the EDEN ISS space greenhouse in Antarctica. We employ time series clustering on anomaly detection results to categorize various types of anomalies in both uni- and multivariate settings. We then assess the effectiveness of these methods in identifying systematic anomalous behavior. Additionally, we illustrate that the anomaly detection methods MDI and DAMP produce complementary results, as previously indicated by research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google