理解 AI 模型算法
异常检测 — IBM Granite TSPulse
什么是 TSPulse?
TSPulse(Time-Series Pulse)是 IBM 开发的时序异常检测基础模型。它从传感器数据这类按时间顺序输入的数据中学习正常模式,并将偏离该模式的区间判定为异常。
工作原理:基于重构误差
TSPulse 的工作原理是:"如果能很好地还原正常数据,那么无法还原的区间就是异常"。
① 학습 (정상 패턴 학습)
입력 시계열: [23.1, 23.2, 23.0, 23.3, 23.1, ...] ← 정상 온도 패턴
│
▼
┌──────────────┐
│ 인코더 │ 데이터를 압축된 표현으로 변환
│ (Encoder) │
└──────┬───────┘
│
┌──────┴───────┐
│ 잠재 공간 │ 핵심 패턴만 남긴 압축 표현
│ (Latent) │
└──────┬───────┘
│
┌──────┴───────┐
│ 디코더 │ 압축 표현에서 원래 데이터 복원
│ (Decoder) │
└──────┬───────┘
│
▼
재구성 출력: [23.0, 23.2, 23.1, 23.2, 23.1, ...] ← 거의 같음!
재구성 오류 = |원본 - 재구성| = [0.1, 0.0, 0.1, 0.1, 0.0] ← 매우 작음 → 정상
② 이상 탐지
입력 시계열: [23.1, 23.2, 87.5, 23.3, 23.1, ...] ← 갑자기 87.5도!
│
▼
[인코더 → 잠재 공간 → 디코더]
│
▼
재구성 출력: [23.0, 23.2, 23.4, 23.2, 23.1, ...] ← 87.5를 복원 못함
재구성 오류 = [0.1, 0.0, 64.1, 0.1, 0.0]
↑
이상 점수 높음! → 이상 탐지됨
核心概念
| 概念 | 说明 | 类比 |
|---|---|---|
| 重构误差 | 原始数据与还原数据之间的差异 | 复印机能清晰复印原件,但异常部分却复印不出来 |
| 阈值 (threshold) | 判定为异常的误差基准值 | "到这里为止是正常,超过就是异常"的基准线 |
| 自动阈值 | 设置 threshold=0 时由数据自动确定 | 由 AI 自行选取合适的基准 |
在 PlantPulse 中的应用
센서 데이터 (최근 N분)
│
▼
TSPulse 모델에 입력
│
▼
각 시점별 재구성 오류 계산
│
▼
임계값 초과 구간 = 이상 구간
│
├──▶ 이상 메트릭 상위 K개 추출 (top_k)
├──▶ 이상 점수 및 시간 정보 반환
└──▶ 최근 N초 이내 이상 여부 판정 (recent_seconds)
时序预测 — TinyTimeMixer (TTM)
什么是 TTM?
TinyTimeMixer 是 IBM 开发的轻量级时序预测模型。它学习历史数据模式,从而预测未来值。正如 "Tiny" 这一名称所示,它在占用较少资源的情况下仍能发挥出色性能。
工作原理:Mixer 架构
TTM 是将 MLP-Mixer 结构应用于时序数据的模型。
과거 데이터 (Context Window) 예측 (Prediction Window)
┌──────────────────────────┐ ┌──────────────────┐
│ t-512 t-511 ... t-1 t │ → │ t+1 t+2 ... t+96 │
└──────────────────────────┘ └──────────────────┘
입력 (512 스텝) 출력 (96 스텝)
预测过程
① 시간축 믹싱 (Time Mixing)
"과거 패턴에서 시간적 관계를 파악"
- 새벽에는 온도가 낮고, 낮에는 높다 (일주기)
- 월요일에 가동률이 높다 (주주기)
- 점점 온도가 올라가는 추세 (트렌드)
② 채널 믹싱 (Channel Mixing)
"여러 센서 간의 관계를 파악"
- 전력 소비가 올라가면 → 온도도 올라간다
- 진동이 커지면 → 알람 빈도도 높아진다
③ 예측 생성
시간 패턴 + 센서 관계를 종합하여 미래 값 예측
신뢰구간(상한/하한)도 함께 제공
核心概念
| 概念 | 说明 | 类比 |
|---|---|---|
| 上下文长度 | 用于预测的历史数据量 | 根据过去几天的情况预测明天的天气 |
| 预测长度 | 预测未来多少个步长 | 预测未来几天的天气 |
| 置信区间 | 预测值的上限/下限范围 | "明天气温将在 20~25 度之间" |
| 多变量 | 同时考虑多个传感器 | 综合温度+压力+振动进行预测 |
预测结果示例
시간 │ 실제값 │ 예측값 │ 하한 │ 상한
─────────┼────────┼────────┼───────┼───────
14:00 │ 23.1 │ - │ - │ - ← 과거 (실제 데이터)
14:10 │ 23.3 │ - │ - │ -
14:20 │ 23.2 │ - │ - │ -
─────────┼────────┼────────┼───────┼───────
14:30 │ ? │ 23.4 │ 22.8 │ 24.0 ← 미래 (예측)
14:40 │ ? │ 23.5 │ 22.6 │ 24.4
14:50 │ ? │ 23.7 │ 22.5 │ 24.9
异常检测 + 预测的联动应用
PlantPulse AI 将异常检测与预测联动起来,提供更强大的洞察。
현재 상태 파악 (TSPulse 이상 탐지)
│
│ "현재 온도 센서에서 이상 패턴 감지됨"
│
▼
미래 추세 예측 (TTM 예측)
│
│ "앞으로 6시간 내 임계값 초과 예상"
│
▼
종합 판단
│
│ "현재 이상 + 악화 추세 → 즉시 점검 권고"
│
▼
관련 문서 검색 (RAG)
│
│ "해당 설비 정비 매뉴얼 3장 참조"
│
▼
종합 리포트 생성 (AURA LLM)
各应用场景的模型组合
| 场景 | TSPulse(异常检测) | TTM(预测) | 判断 |
|---|---|---|---|
| 正常运行 | 无异常 | 保持在正常范围 | 正常 — 持续监控 |
| 早期异常 | 检测到异常 | 正常范围 | 注意 — 需观察趋势 |
| 恶化趋势 | 检测到异常 | 预计超出阈值 | 警告 — 建议立即巡检 |
| 急剧异常 | 异常分值高 | 急剧恶化 | 紧急 — 需立即处置 |
设备健康分值 (Health Score)
综合 TSPulse 与 TTM 的分析结果,计算出 0~100 分的健康分值。
건강 점수 = f(센서 이상 점수, OEE, RAM, EMS, 알람 빈도)
100점: 모든 지표 정상
70점: 일부 센서 이상 또는 OEE 저하
50점: 다수 이상 감지, 주의 필요
30점: 심각한 이상, 즉시 점검 필요
0점: 설비 정지 또는 심각한 고장
特征库的作用
每次都实时执行异常检测和预测会耗费时间。特征库会预先计算并存储这些结果。
┌─────────────────────────────────┐
│ 피처 스토어 스케줄러 │
│ │
│ 매시간: 설비별 건강점수 계산 │
│ 매일: 종합 분석 LLM 컨텍스트 │
│ 임베딩 벡터 생성 │
└──────────────┬──────────────────┘
│
▼
┌──────────────────────────────────┐
│ 사용자 질문: "이 설비 상태 어때?" │
│ │
│ → 사전 계산된 피처 즉시 반환 │
│ → 실시간 계산 대기 없음! │
│ → 응답 시간: 수백 ms │
└──────────────────────────────────┘