Anomaliatunnistus EdgeAI-laitteelle

1. Miksi tämä tehtiin

Koneoppimismalli on algoritmi, joka oppii esimerkkidatasta muodostamaan säännön tai “mallin” havaittujen ilmiöiden tunnistamiseen. Tässä projektissa malli opetetaan mittausdatan avulla tunnistamaan, millainen servon liikerata on normaalitilassa. Liikerata päätellään liikkeen aikaisesta kiihtyvyys-/värinädatasta ja ohjauskulmasta.

Malli pitää kouluttaa itse, koska valmiita yleismalleja ei ole suoraan saatavilla tähän laite- ja mittausasetelmaan. Mittausdatan muoto, anturin kiinnitys, kuorma ja mekaaniset toleranssit vaikuttavat signaaliin niin paljon, että malli täytyy sovittaa omaan dataan.

Inferenssi voidaan ajaa reunalaitteessa (Edge), jolloin päätös saadaan lähellä datan syntyä pienellä viiveellä eikä ratkaisun toiminta ole riippuvainen verkkoyhteydestä. Toinen tapa olisi tehdä päätös pilvessä esimerkiksi API-kutsulla, mutta silloin päätös riippuu yhteydestä ja palvelun viiveestä, ja lisäksi raakadatan siirtotarve kasvaa.

2. Mitä tässä tapahtuu

Malli on koulutettu käyttämällä servon liikkeen aikaista mittausdataa, jotta normaali liike voidaan tunnistaa. Raakadata puhdistetaan ja siitä muodostetaan piirteet (featuret), joiden avulla malli oppii näkemään, millainen on normaali käyttäytyminen. Tämän jälkeen piirteet skaalataan StandardScaler-muunnoksella. Data jaetaan train/test niin, että kokonaiset ajot pysyvät erillään.

Datan jakamisella estetään datavuoto (data leakage), eli tilanne jossa testidataan “vuotaa” tietoa koulutusdatasta esimerkiksi siten, että sama mittausajo (tai sen osa) päätyy sekä trainiin että testiin. Tällöin malli näyttää paperilla paremmalta kuin se todellisuudessa on, koska se ei enää testaa aidosti uutta dataa.

Varsinaisena anomaliamallina käytetään IsolationForest-menetelmää, koska se toimii ohjaamattomana (unsupervised) mallina. Koulutuksen lopputuloksena talletetaan malli, skaalain ja piirrejärjestys, jotta sama esikäsittely ja sarakejärjestys voidaan tehdä Edge-laitteessa.

3. Miten toteutettu

Ratkaisu noudattaa selkeää ML-putkea (data → feature engineering → skaalain → malli → scoring/päätös).

1. Datan keräys: Data kerätään servon liikeradan mittaus -laitteelta ja tallennetaan pilveen. Jokainen tiedosto sisältää yhden mittausajon. Tässä dataa on kerätty yhdeksän mittausjakson ajalta (9 ajokertaa). Kussakin ajokerrassa on tyypillisesti 54 mittausta.
2. Datan puhdistus: Datasta täytetään puuttuvat arvot ja anturista aiheutuvat epänormaalit arvot suodatetaan.
3. feature engineering: Dataan lisätään laskennallisesti keskiarvoistuksia, jotka auttavat mallia näkemään paremmin servon liikeradan ominaisuudet.
4. Skaalaus: Numeroarvot skaalataan, jottei mikään arvo pääse jyräämään mallissa.
5. Datasettien jako: Datat jaetaan train/test setteihin, jotta mallin testaaminen aidolla uudella datalla olisi luotettavampaa.
6. Mallin koulutus: IsolationForest -malli koulutetaan kerätyllä ja muokatulla datalla.
7. Validointi: Lopuksi arvioidaan onko malli kelvollinen käyttöön.

Tämä kuvaa käytännössä mallin koulutusputkea. Varsinainen MLOps (esim. automaattinen uudelleenkoulutus, artefaktien versiointi ja jatkuva monitorointi) voidaan lisätä myöhemmin, kun tuotantodata ja päivitysprosessi on määritelty.

IsolationForest on valittu tähän, koska se on kevyt ja tehokas poikkeamien tunnistusmenetelmä, joka toimii ohjaamattomana (unsupervised) mallina. Menetelmä muodostaa useita satunnaistettuja päätöspuita ja “eristää” havainnot jakamalla piirre-avaruuden osiin. Poikkeavat pisteet erottuvat tyypillisesti lyhyemmillä eristyspoluilla kuin normaalit. Tämä sopii hyvin tilanteeseen, jossa kerätään pääosin normaalia dataa ja halutaan löytää siitä poikkeavat ajot tai mittauspisteet ilman manuaalista labelointia.

4. Mihin tätä voi käyttää

Tämä malli sopii yleisesti ennakoivan kunnonvalvonnan ratkaisuihin, joissa halutaan havaita poikkeamia sähkömekaanisesta liikkeestä (esim. servot, moottorit, pumput, lineaaritoimilaitteet) ja tunnetaan vain normaalia dataa liikkeestä. Toinen tapa olisi käyttää esim. luokittelumallia (classification), mutta haasteena tässä on opettaa mallilla kaikki ne poikkeamat. Nyt halutaan vain tietää, onko servon liikerata normaali vai epänormaali.

5. Rajaukset ja jatkokehitys

Nykyinen toteutus on rakennettu end-to-end demon ja menetelmän todentamisen ympärille, eikä käytössä ole kattavaa ground truth -labelointia. Tämän vuoksi arviointi painottuu score-jakaumien stabiilisuuteen, ajokertakohtaiseen vaihteluun ja siihen, että poikkeamat ovat teknisesti järkeviä.

Jatkokehityksessä keskeistä on kerätä lisää dataa eri olosuhteista, tehdä poikkeamien manuaalista validointia otokselle, sekä rakentaa hallittu malli- ja artefaktiversiointi (päivitysprosessi) driftin ja ympäristömuutosten hallintaan.