異常検知のモデル検討の結果をもとに、デスクトップアプリを用い、プラントの新たなプロセスデータに対してリアルタイムに予測を行います。
異常検知 設定
学習データ選択 Fileの「Browse」より、データセットを表示させます。
基本設定タブにて以下の項目を設定します。
説明変数X
温度・圧力などのセンサーデータの特徴量を選択します。
オートスケーリング
「MIモデル最適化」のオートスケーリングと同様です。通常はチェックを入れます。
正常データ割合
トレーニングデータのサンプルの内、正常データとみなすサンプル数の割合を設定します。その割合のサンプルのみが正常データに含まれるように、モデルの閾値が決定されます。
最大時間遅れ、時間遅れ幅
目的変数Y に対する説明変数 X の時間遅れを設定します。前者で最大の時間遅れを、後者で時間遅れの幅を設定します。
モデル選択
PCA (Principal Component Analysis)、OCSVM(One-Class Support Vector Machine, ガウシアンカーネル使用)、k-NN(k-Nearest Neighbor)の手法の中から予測に使用するモデルを一つ選択します。
累積寄与率
PCAモデル選択の場合設定します。
Nu
OCSVMモデル選択の場合設定します。
OCSVMのGamma, Auto
OCSVMモデル選択の場合設定します。
k-NNのkの値
k-NNモデル選択の場合設定します。
LOFのkの値
LOFモデル選択の場合設定します。
データ更新ごとの予測点数
データ更新ごとに直近のデータにて設定した点数の予測を出します。