Deep Anomaly Detection on Tennessee Eastman Process Data

要約

このホワイト ペーパーでは、化学プロセス データの最新の (ディープ ラーニング) 教師なし異常検出方法の最初の包括的な評価と分析を提供します。
テネシー イーストマン プロセス データセットに焦点を当てます。これは、30 年近くにわたって異常検出方法のベンチマークとして使用されてきた標準的なリトマス試験紙です。
私たちの広範な研究により、産業用アプリケーションで適切な異常検出方法を選択することが容易になります。

要約(オリジナル)

This paper provides the first comprehensive evaluation and analysis of modern (deep-learning) unsupervised anomaly detection methods for chemical process data. We focus on the Tennessee Eastman process dataset, which has been a standard litmus test to benchmark anomaly detection methods for nearly three decades. Our extensive study will facilitate choosing appropriate anomaly detection methods in industrial applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google