工业场景中的预测性维护

在社会整体安全水平日益提升的大背景下，因工业设备的故障导致的重大事故愈发受到社会的深切关注。以化工行业为例，令人痛心的安全事故屡屡发生，2019年甚至被称为化工行业的“本命年”，自19年年初至19年4月25日，以响水“3•21”爆炸事故为代表的重大事故致使148人死亡或失联。

生产管理学中著名的“海恩法则”指出: 每一起严重事故的背后，必然有29次轻微事故和300起未遂先兆以及1000起事故隐患。经分析，相当多的恶性事故发生前，现场的传感器数据都表现出了明显的异常，完全可以通过监测、报警等方式及时预警并启动预案，防患于未然。本文结合个人实践经验，主要从监督学习与异常检测这两种视角看待问题，尝试在适当的假定下解决之。

监督学习视角

如果数据容易标记，可以标记到时间窗，做有监督学习分类模型。这里分为两种方式：

第一种是传统特征工程设计，将生成的特征输入到机器学习模型中。工业场景中常见的数据不平衡、样本量小、过拟合等问题，都应纳入基本考量。

图 机器学习分类框架

第二种是：用NN模型直接进行序列分类。值得一提的是，LSTM-FCN和ALSTM-FCN在序列信号进行分类的任务中表现出很好的效果。

在许多工业场景中，手工设计特征需要工业领域甚至是特定工艺的深入业务理解，要设计基本统计、功率谱参数、业务衍生等多层次特征。特别是业务衍生特征，如果现场工程师提供了一个超强的特征（即magic feature），例如某真空蒸发器在同时出现负压超过68kPa，温度超过90℃的情况下极易致使损坏，那么该真空蒸发器的预警建模难度就会大大降低。

树模型给出的特征重要度可为特征提供优良的可解释性，对异常追根溯源有很好的指导作用。

图 xgboost的特征重要性排序

深度学习的优点是端到端的快速解决问题，绕过了成本高昂的特征工程，极大降低了业务知识门槛，而缺点是与之俱来的可解释性问题。好消息是机器学习正朝着更高的易用性、更低的技术门槛、更敏捷的开发成本的方向去发展，Auto-ML极大减少了手工工作，其中自动化特征工程旨在自动创建候选特征。在时序数据分类问题上，使用tsfresh可以自动抽取超过100个特征子集（每个特征子集根据参数设置包含一个或多个特征）。

图 tsfresh的时序特征抽取

为了避免提取无关的功能，tsfresh具有内置的过滤过程，这一过程评估每个特征的解释能力和重要性。我们也可使用标准的Filter、Wrapper、Embedded。

有时样本的标记成本高，我们可以使用半监督学习的方法--使用协同学习 (co-training)，用有标记的数据迭代生成伪标记。

图 协同学习的标记过程

异常检测视角

接下来让我们从异常检测的视角去审视同样的问题，这里的异常表示广义的故障，即过程中至少一个特征或变量发生异常偏离。我们经常面对样本没有标记或标记主观差异性大的现实，可以说，无监督学习或者基于统计的离群点检测是工作的重点。

一般来说“异常”数据内含2个假定：1.具有某种比例稀少的特征。2.最少在某个隐空间中，与其他数据是A与A-bar（只有落在某区域才正常）或者A、B、C、D（异常数据自成一类）这样的关系。

图 正常数据与异常数据的两种关系

下面介绍几类效果较好的异常检测算法的原理及其适用场景。

一、基于统计的方法

这一类方法最为简单直接，且很多场景中相当有效。

在某个序列不含多个模式的时候，（举例）我们姑且默认某个数据分布近似正态分布，在1、2、3倍标准差内会有68%、95%、99%的数据，我们稍微放宽对分布的假设，可以想到箱线图。考虑把上下触须作为数据分布的边界，任何超过内限（或者外限）数据点都可以认为是离群点或异常值。

图 箱线图与正态分布

在实践中，应当注意“训练数据”的正常性，如果在适用一维GMM的数据（例如有开车、停车两种模式的电流测点数据）上使用该方法，效果应该不会很理想。

二、基于距离的方法

基于距离的方法同样是忽略了时序，只不过对象从单个测量值变成了时窗，在做完特征构建后，每个时窗都投射成了高维空间中的点。

用简单的K近邻就可以很好地进行异常检验，前提是我们构造特征空间的过程是合适的。一个样本点和它的第k个近邻的距离（或平均距离）就可以被当做score，显然异常点的score比较大。同样，具有噪声的基于密度的聚类方法（DBSCAN）和局部离群因子检测方法( LOF)通过计算数据密度来检测异常。当然，这同样要求在特征空间异常点所在空间的数据点少，密度低。孤立森林（IF）的原理也有异曲同工之妙，它假定远离主流样本的点可以被更少的超平面分离。

图 基于KNN的异常检测

除这些方法外，也可以直接对样本的协方差矩阵分析，把样本的马氏距离看作样本点的异常度。

三、基于重建误差

如果我们能标记或取得一些正常样本点，我们可以用“有罪推定”的想法，即“不像好的，那就是坏的”，利用重建误差做异常检测。在工业生产中，取正常样本是较为简单的事。

假设数据在低维空间上有嵌入，那么在低维空间投射后表现不好的数据点就可以认为是异常点。具体来说，PCA找到k个特征向量，计算每个样本再经过这k个特征向量投射后的重建误差，正常点的重建误差应小于异常点。

图 基于PCA的重构数据计算

利用同样的思想，我们也可以用自动编码器（AE）/GAN实现，基本上假设是异常点服从不同的分布。根据正常数据训练出来的AE，能够将正常样本重建还原，但是却无法将异于正常分布的数据点较好地还原，重建误差较大。在LSTM-GAN中，以 LSTM 为基本模型来捕获时间上的依赖关系，并将其嵌入到 GAN 的框架中，利用 GAN 的生成器和判别器来检测异常，利用判别器得到判别损失，利用生成器得到重建的损失。

四、基于时间序列预测

在工业场景中考虑时序的异常检测，与客流量预测、网络KPI异常检测等不太一样，因为很多测点的剧烈升降是客观的操作行为，我们可以结合监督学习过滤掉这些手动操作产生的错误告警。一般来说，考虑时序的异常检测可以分为对比与预测这两大类的方法。

对比方法指的是移动平均、绝对偏差等方法，这类方法用时序上最近的若干数据点做样本，和一个总体序列进行比对，不同的只是比对的对象。计算后常用残差的标准差判定异常。

图 使用滑动平均计算误差

预测方法包含统计上的分解方法、其他可用于时序预测的ML模型。这类方法实际上是预测某个时间点的数值，再衡量这个时间点的真实值与预测值的差值是否超过给定阈值，从而判定异常。

其中，STL会把时间序列分解为趋势项、季节项和余项。这种方法该方法的优点在于其简单性和健壮性。

图 基于STL的残差计算

同样，我们也可使用LSTM等模型得到预测序列，之后可用使用格拉布斯法判断残差值。

图 借助时序预测进行异常检测

五、预警上下限/预警带

在很多工业监测平台上，都标配预警上下限/预警带功能，这一功能直观且具有兜底能力，工厂管理人员与技术人员对此接受程度很高。

图 人工设置的监测预警带

这种方法有一些不足之处：

1.  只能针对一种工况，即使只有“开车/停车”，也只能设置-0.2-9.7这种包含两种模式大部分数据的预警带；

2. 太宽会漏掉异常，太窄会大量误报警。

结合基于距离、时间序列的一些方法，我们优化了预警带的效果。针对不同的工况，模型会给出特定的预警带，实现了更准确的监控，顺便也完成了不同工况生产的数据统计。

图 多工况模型控制的监测预警带

未来展望

故障监测、预测的解决方案与实施路径是很多的，在探索这些问题的同时，还可以结合寿命预测与维修决策共同研究：

1. 通过不同类型异常事件与设备寿命的建模，可以做基于预测信息的细化设备健康管理研究。

2. 工厂中有大量手工填写的维修记录表，如果可以做好基于NLP的粗糙故障信息知识表示与故障信息挖掘研究，有望形成故障树或者其他形式的智能维修决策。

工业场景中，我们探索如何从传感器数据中提取有价值的信息，工厂的数字化使得企业能够将人力聚焦于纯粹的生产。智能化的预知故障能够及时发现早期故障及隐患，减少继发性事故及恶性事故发生，对安全生产具有重要意义。

编辑：文婧

校对：林亦霖