Метод анализа коинтеграционных зависимостей для обнаружения неисправностей на основе данных с датчиков

Сенсоры являются популярным источником информации о работе сложных динамических технических систем. Рассмотрение данных с сенсоров как многомерного временного ряда используется в том числе для описания киберфизических систем. Анализ взаимосвязей внутри многомерного временного ряда позволяет выявлять зависимости между техническими процессами. Предложен способ обнаружения неисправностей системы на основе метода анализа коинтеграционных зависимостей.
Определено, что в данных для анализа можно выявить коинтеграционные зависимости как факты взаимозависимости данных с разных датчиков. Приведены расчеты на примере системы с 52 параметрами. Если предположить, что важно изменение не только конкретного параметра системы, но также важно изменение этого параметра относительно других, то необходимо рассматривать пары параметров. Из 1326 пар данных 75 оказались коинтегрированными, т.е. они находились в каком-то долгосрочном равновесии и их соотношение могло быть описано каким-то уравнением.
Проведенный анализ показал, что предложенный метод позволяет наглядно показывать ситуации с изменениями поведения, т.е. если в коинтегрированной паре данных один из параметров начинает существенно отклоняться от ожидаемых параметров, значит, это нестандартная ситуация для киберфизической системы. На практике это означает либо смену технологий (о чем знает оператор системы), либо поломку/аварию/сбой, в том числе из-за ошибок оборудования, изменения каких-то параметров используемых ресурсов. В последнем случае такая информация (о том, что процесс стал другим) может быть использована для привлечения внимания в целом, которая в итоге может привести к необходимости ремонта оборудования или его профилактики или перенастройки и т.п.
Проведенный анализ данных о работе сложного промышленного процесса (на примере датасета смоделированного процесса Tennessee Eastman Process) показал, что предложенный метод позволяет наглядно идентифицировать сбои в работе системы (аварии). Разные пары данных, выбранные из общего числа пар данных предложенным методом, могут иметь способность идентифицировать разные ошибки в работе системы (аварии в работе промышленного процесса). Все ошибки вызывают изменение поведения одной или нескольких пар данных. Таким образом, отслеживание поведения значения случайной составляющей $u_t$ позволяет идентифицировать случаи отклонения данных, описывающих штатную работу процесса, от долгосрочного равновесия (в терминах коинтеграции), т.е. случаи сбоя системы (аварии).
Полученные результаты обладают наглядностью и объективностью и могут быть использованы операторами процессов для идентификации сбоев в системе (аварий) или служить источником для автоматического управления процессом.