Benchmarking Unsupervised Segmentations of Multivariate Time Series From Embedded Systems With a Novel Homogeneity Metric

في العالم الخفي للآلات الحديثة، من السيارات التي نقودها إلى الأجهزة التي نحملها، يتدفق تيار مستمر من البيانات مثل النهر. هذه البيانات، المعروفة باسم السلاسل الزمنية، تسجل كيفية تغير الإشارات المختلفة بمرور الوقت، مثل درجة حرارة المحرك أو الجهد الكهربائي في دائرة ما. وعندما تمتلك الآلة العديد من المستشعرات المختلفة التي تسجل في آن واحد، تصبح البيانات متعددة المتغيرات، وهي عبارة عن شبكة معقدة من القصص المتداخلة التي تحدث في وقت واحد. ويتمثل التحدي الذي يواجه المهندسين والعلماء ليس فقط في جمع هذه البيانات، بل في فهمها. فهم بحاجة إلى إيجاد اللحظات التي يتغير فيها سلوك الآلة من حالة إلى أخرى، مثل انتقال السيارة من وضع الخمول إلى التسارع. وللقيام بذلك، يجب عليهم تقطيع تيار البيانات الطويل والمستمر إلى فصول متميزة، أو أجزاء، حيث يكون السلوك داخل كل فصل متسقاً وقابلاً للتنبؤ. تسمى هذه العملية "التقسيم" (segmentation). ومع ذلك، عندما تكون البيانات فوضوية وتأتي من مصادر متعددة في وقت واحد، فإن تحديد مكان إجراء القطع يصبح أمراً صعباً للغاية. وبدون طريقة واضحة للحكم على ما إذا كان القطع جيداً أم سيئاً، يظل الباحثون في حيرة من أمرهم فيما إذا كانوا قد وجدوا الأنماط الحقيقية الكامنة أم أنهم صنعوا مجرد ضجيج عشوائي.

هذه هي المشكلة التي سعى فريق من الباحثين من جامعة كلوستال للتكنولوجيا وشركة tensor embedded GmbH إلى حلها. لقد ركزوا على البيانات القادمة من نظام مدمج في السيارات، وهو عبارة عن شبكة كمبيوتر معقدة داخل السيارة تراقب عملياتها الخاصة. واجه الفريق عقبة محددة: بينما كانت لديهم أدوات قوية لتقطيع البيانات، إلا أنهم افتقروا إلى مسطرة موثوقة لقياس جودة تلك القطعات. كانوا بحاجة إلى طريقة لتحديد ما إذا كان جزء من البيانات "متجانساً" حقاً، مما يعني أن نقاط البيانات بداخله تتصرف باتساق مع بعضها البعض، بدلاً من أن تكون مزيجاً فوضوياً من سلوكيات مختلفة. ولمعالجة ذلك، طور الباحثون طريقة جديدة لقياس هذا الاتساق الداخلي. لم يقترحوا مجرد نظرية؛ بل بنوا مقياساً، وهو عملية حسابية محددة تمنح درجة لأي طريقة لتقطيع البيانات. تشير الدرجة المنخفضة إلى جزء أكثر نظافة واتساقاً، بينما تشير الدرجة المرتفعة إلى أن الجزء فوضوي ويجب تقسيمه بشكل مختلف. يعمل هذا المقياس كمعيار، مما يسمح لهم باختبار خوارزميات مختلفة ومعرفة أي منها ينتج تقسيمات أكثر منطقية للبيانات.

لإثبات نجاح مقياسهم الجديد، قام الفريق أولاً بإنشاء سلسلة زمنية اصطناعية، أو وهمية، تحاكي سلوك الإشارات الحقيقية. صمموا هذه الإشارة الاختبارية بحيث تحتوي على تغيرات واضحة ومعروفة في السلوك، مما خلق سيناريو حيث كانت الطريقة "المثالية" لتقطيع البيانات معروفة بالفعل. ثم طبقوا مقياسهم الجديد على كل طريقة ممكنة لتقطيع هذه الإشارة الاختبارية. وكانت النتيجة مطابقة تماماً: فقد حدد المقياس نفس القطعات التي صممها الباحثون حدسياً كأفضل حل. كان هذا التحقق حاسماً لأنه أظهر أن أداة الرياضيات الخاصة بهم يمكنها التعرف بدقة على التقسيم الجيد. ثم قارنوا مقياسهم الجديد بأربعة مؤشرات تجميع داخلية محددة على نفس الإشارة الاصطناعية. وبينما حددت الطرق القديمة أيضاً التقسيم الصحيح كأفضل خيار، فقد تم تصميم المقياس الجديد والتحقق منه خصيصاً ليكون مناسباً لقياس الاتساق الداخلي في هذه الحالة المحددة، مما أكد موثوقيته جنباً إلى جنب مع الطرق الراسخة.

بعد التحقق من أداة القياس الخاصة بهم، انتقل الباحثون إلى البيانات الواقعية المقدمة من شريكهم، شركة Audi AG. كانت مجموعة البيانات هذه ضخمة، حيث احتوت على ما يقرب من ألف إشارة مختلفة تم تسجيلها بمرور الوقت. كانت البيانات الخام شديدة الضجيج والمعقدة بحيث لا يمكن تحليلها بالكامل مرة واحدة، لذا قام الفريق أولاً بتصفيتها. فقد استبعدوا الإشارات التي كانت مسطحة جداً أو غير متغيرة، واحتفظوا فقط بالعمليات الثلاث والعشرين الأكثر نشاطاً، وهي العمليات التي شهدت أكبر قدر من التقلبات والتحركات. تركهم هذا مع مجموعة بيانات يمكن التحكم بها ولكنها لا تزال تلتقط الديناميكيات الأساسية للنظام. ثم قاموا بتشغيل خوارقتين مختلفتين للتقسيم على هذه البيانات المصفاة. استخدمت الخوارزمية الأولى تقنية تعتمد على "التجميع الضبابي" (fuzzy clustering)، والتي تسمح لنقاط البيانات بالانتماء إلى مجموعات متعددة بدرجات متفاوتة من اليقين، بينما استخدمت الثانية نموذجاً إحصائياً يُعرف باسم "نموذج ماركوف المخفي" (Hidden Markov Model)، والذي يفترض أن البيانات تنتقل بين حالات مخفية مختلفة.

اختبر الباحثون هذه الخوارزميات من خلال محاولة تقسيم البيانات إلى أي عدد يتراوح بين أربعة إلى أربعة عشر جزءاً. وفي كل محاولة، استخدموا مقياس التجانس الجديد الخاص بهم لتسجيل النتائج. كانت النتائج مشجعة؛ فقد تمكنت كلتا الخوارقتين من إيجاد أجزاء أظهرت سلوكاً داخلياً متسقاً، لكن جودة التقسيم اختلفت اعتماداً على عدد القطعات التي تم إجراؤها. نجح المقياس في تسليط الضوء على عدد الأجزاء المحدد الذي أنتج نتائج أكثر تماسكاً. وفي حالة الإشارة الاختبارية الاصطناعية، تمكنت إحدى الخوارزميات من تكرار التقسيم المثالي تماماً، محققة أدنى درجة ممكنة على المقياس. أما بالنسبة لبيانات السيارات الحقيقية، فقد وفر المقياس طريقة واضحة لمقارنة النتائج المختلفة، مما أظهر أن الخوارزميات يمكنها بالفعل استخراج حالات ذات مغزى من التيار المعقد للإشارات. وتخلص الدراسة إلى أنه بينما يظل العثور على الطريقة المثالية لتقطيع أي سلسلة زمنية تحدياً صعباً، فإن المقياس الجديد يوفر طريقة موثوقة لتقييم وتحسين الأدوات المستخدمة لهذه المهمة. كما يشير إلى أنه باستخدام هذا المقياس للاتساق الداخلي، يمكن للباحثين فهم الحالات الخفية للأنظمة المعقدة بشكل أفضل، مما يمهد الطريق لتحليل أكثر دقة للبيانات التي تقود عالمنا الحديث.