Detecção de Anomalias com Redes Neurais Artificiais em Séries Temporais Multivariáveis Compactadas com SAX

Abstract

Neste artigo, é proposto a utilização do algoritmo SAX para a compressão de séries temporais multivariáveis para detecção de anomalias em processos industriais por redes neurais artificiais. Para otimizar a aplicação desta metodologia, foi feita uma busca exaustiva em um espaço de busca com diversos valores de parâmetros do algoritmo SAX e arquitetura da rede neural artificial. Para realizar o treinamento da rede neural, foi utilizado o simulador Tennessee Eastman Process com a presença de um distúrbio na alimentação dos componentes. O modelo foi testado contra outros dois distúrbios na alimentação de componentes, em que resultaram em acurácias e recall acima de 85%. Esta abordagem permite, ao reduzir a dimensionalidade das séries temporais e o tipo de dado que será armazenado, aumentar a capacidade de armazenamento em historiadores e tem o potencial de acelerar a detecção de anomalias no contexto de Big Data.