DeepFilter: An Instrumental Baseline for Accurate and Efficient Process Monitoring

要約

効果的なプロセス監視は、操作の安全性を確保するために産業オートメーションにおいてますます不可欠となっており、高い精度と効率の両方が必要とされている。Transformerは様々な分野で成功を収めているが、自己注意メカニズムに基づくその正統的な形式は、2つの主な限界のため、プロセスモニタリングには不適切である：(1)自己注意メカニズムによって捕捉されるステップごとの相関は、各ステップのセマンティクスが欠けているため、モニタリングログ中の識別パターンを捕捉することが困難であり、したがって精度が損なわれる、(2)自己注意の2次関数的な計算複雑性が効率を妨げる。これらの問題に対処するために、我々はプロセスモニタリングのためのTransformerスタイルのフレームワークであるDeepFilterを提案する。核となる革新的な技術は、長期的かつ周期的なパターンを、複雑さを抑えながら捉えることに優れた、効率的なフィルタリング層である。DeepFilterは、グローバルフィルタリング層を備えることで、精度と効率の両方を向上させ、プロセスモニタリングの厳しい要求を満たす。実世界のプロセスモニタリングデータセットを用いた実験結果は、既存の最先端モデルと比較して、DeepFilterが精度と効率の点で優れていることを検証している。

要約(オリジナル)

Effective process monitoring is increasingly vital in industrial automation for ensuring operational safety, necessitating both high accuracy and efficiency. Although Transformers have demonstrated success in various fields, their canonical form based on the self-attention mechanism is inadequate for process monitoring due to two primary limitations: (1) the step-wise correlations captured by self-attention mechanism are difficult to capture discriminative patterns in monitoring logs due to the lacking semantics of each step, thus compromising accuracy; (2) the quadratic computational complexity of self-attention hampers efficiency. To address these issues, we propose DeepFilter, a Transformer-style framework for process monitoring. The core innovation is an efficient filtering layer that excel capturing long-term and periodic patterns with reduced complexity. Equipping with the global filtering layer, DeepFilter enhances both accuracy and efficiency, meeting the stringent demands of process monitoring. Experimental results on real-world process monitoring datasets validate DeepFilter’s superiority in terms of accuracy and efficiency compared to existing state-of-the-art models.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL