시계열 이상 감지

정상 동작에서 벗어난 동작을 식별하는 행렬 프로파일링 알고리즘 및 특화된 딥러닝 모델, 머신러닝 모델, 통계 모델과 같은 툴을 사용하여 시계열에서 이상 데이터 동작 감지

시계열에서의 이상 감지는 정상 동작을 완전히 특성화하고 이 정상 동작에서 벗어난 동작을 감지하여 데이터 패턴의 이상을 식별하는 과정입니다. 여기서 소개하는 이상 감지 기법들은 이을 감지하기 위한 두 가지 주요 접근 방식을 나타냅니다.

  1. 시계열 이상 감지기 모델—이 모델들은 머신러닝, 딥러닝, 통계 알고리즘을 활용하여, 시계열 내 여러 지점에서 이상 패턴을 유발하는 부분 시퀀스(subsequence) 수준의 이상에 특화되어 적용됩니다. 이 접근 방식은 시스템의 특성화를 위해 정상 데이터만 필요하며, 테스트에는 비교적 소량의 이상 데이터만 있으면 됩니다. 이 모델들과 관련 함수 및 앱은 Time Series Anomaly Detection for MATLAB® 지원 패키지에서 제공됩니다.

  2. 거리 프로파일링— 이러한 메서드는 부분 시퀀스 수준에서의 패턴 매칭을 기반으로 이상 감지를 수행합니다. 이러한 함수들은 기본 Predictive Maintenance Toolbox™에서 제공됩니다.

두 접근법 모두 시계열의 부분 시퀀스 수준과 점 수준에서 감지를 수행합니다.

카테고리