Signal Quality Auditing for Time-series Data

要約

信号品質評価 (SQA) は、特に AI 駆動の予知保全 (PMx) アプリケーションのコンテキストにおいて、データ収集システムの信頼性を監視するために必要です。
SQA は、データ収集ハードウェアおよびソフトウェアの「サイレント障害」に対処するために不可欠です。この障害は、気づかれないとデータのユーザーに誤った情報を与え、意図しない、あるいは壊滅的な結果をもたらす誤った決定のリスクを生み出します。
私たちは、時系列データを分析するための信号品質指数 (SQI) のオープンソース ソフトウェア実装を開発しました。
私たちはさまざまな SQI を成文化し、確立されたベンチマーク データを使用してそれらを実証し、それらが信号品質評価に効果的であることを示します。
また、すでに劣化した信号の品質を改善するために、時系列データのノイズを除去する代替アプローチを研究し、関連する実世界のデータで経験的に評価します。
私たちの知る限り、当社のソフトウェア ツールキットは、再現性を容易にするために、公開されているベンチマーク データで検証された、幅広い信号品質評価および改善技術のオープンソース実装を提供する最初の製品です。
私たちのフレームワークの汎用性は、特に波形形状の形態学的パターンと信号の周期性が下流の解析で重要な関心事である場合、複雑なシステムにおける任意の時系列測定の信頼性の評価に簡単に拡張できます。

要約(オリジナル)

Signal quality assessment (SQA) is required for monitoring the reliability of data acquisition systems, especially in AI-driven Predictive Maintenance (PMx) application contexts. SQA is vital for addressing ‘silent failures’ of data acquisition hardware and software, which when unnoticed, misinform the users of data, creating the risk for incorrect decisions with unintended or even catastrophic consequences. We have developed an open-source software implementation of signal quality indices (SQIs) for the analysis of time-series data. We codify a range of SQIs, demonstrate them using established benchmark data, and show that they can be effective for signal quality assessment. We also study alternative approaches to denoising time-series data in an attempt to improve the quality of the already degraded signal, and evaluate them empirically on relevant real-world data. To our knowledge, our software toolkit is the first to provide an open source implementation of a broad range of signal quality assessment and improvement techniques validated on publicly available benchmark data for ease of reproducibility. The generality of our framework can be easily extended to assessing reliability of arbitrary time-series measurements in complex systems, especially when morphological patterns of the waveform shapes and signal periodicity are of key interest in downstream analyses.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google