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

In der verborgenen Welt moderner Maschinen, von den Autos, die wir fahren, bis hin zu den Geräten, die wir bei uns tragen, fließt ein ständiger Datenstrom wie ein Fluss. Diese Daten, bekannt als Zeitreihe, zeichnen auf, wie sich verschiedene Signale im Laufe der Zeit verändern, wie etwa die Temperatur eines Motors oder die Spannung in einem Schaltkreis. Wenn eine Maschine viele verschiedene Sensoren gleichzeitig betreibt, werden die Daten multivariat – ein komplexes Geflecht aus miteinander verwobenen Geschichten, die simultan ablaufen. Die Herausforderung für Ingenieure und Wissenschaftler besteht nicht nur darin, diese Daten zu sammeln, sondern sie auch zu verstehen. Sie müssen die Momente finden, in denen das Verhalten einer Maschine von einem Zustand in einen anderen übergeht, vergleichbar mit einem Auto, das vom Leerlauf in die Beschleunigung übergeht. Um dies zu erreichen, müssen sie den langen, kontinuierlichen Datenstrom in distinkte Kapitel oder Segmente schneiden, in denen das Verhalten innerhalb jedes Kapitels konsistent und vorhersehbar ist. Dieser Prozess wird Segmentierung genannt. Wenn die Daten jedoch unordentlich sind und aus vielen Quellen gleichzeitig stammen, ist es unglaublich schwierig, die richtigen Schnittpunkte zu finden. Ohne eine klare Möglichkeit zu beurteilen, ob ein Schnitt gut oder schlecht ist, bleiben Forscher im Unklaren darüber, ob sie die wahren zugrunde liegenden Muster gefunden haben oder lediglich zufälliges Rauschen erzeugt haben.

Dies ist das Problem, das ein Team von Forschern der Clausthaler University of Technology und der tensor embedded GmbH lösen wollte. Sie konzentrierten sich auf Daten aus einem automobilen Embedded-System, einem komplexen Computernetzwerk innerhalb eines Autos, das seinen eigenen Betrieb überwacht. Das Team stand vor einer spezifischen Hürde: Während sie zwar über leistungsstarke Werkzeuge verfügten, um die Daten zu zerlegen, fehlte ihnen ein zuverlässiges Lineal, um die Qualität dieser Schnitte zu messen. Sie benötigten eine Methode, um zu bestimmen, ob ein Datensegment wirklich „homogen“ war – das heißt, ob die Datenpunkte innerhalb des Segments konsistent miteinander agierten oder ob es sich um ein chaotisches Gemisch verschiedener Verhaltensweisen handelte. Um dies zu adressieren, entwickelten die Forscher eine neue Methode zur Messung dieser internen Konsistenz. Sie schlugen nicht nur eine Theorie vor; sie entwickelten eine Metrik, eine spezifische Berechnung, die jedem gewählten Weg der Datenschnittstelle einen Wert zuweist. Ein niedrigerer Wert deutet auf ein saubereres, konsistenteres Segment hin, während ein höherer Wert darauf hindeutet, dass das Segment ungeordnet ist und anders unterteilt werden sollte. Diese Metrik fungiert als Maßstab, der es ihnen ermöglicht, verschiedene Algorithmen zu testen und zu sehen, welcher die logischsten Aufteilungen der Daten erzeugt.

Um die Funktionalität ihrer neuen Metrik zu beweisen, erstellte das Team zunächst eine synthetische oder künstliche Zeitreihe, die das Verhalten realer Signale nachahmte. Sie entwarfen dieses Testsignal so, dass es klare, bekannte Verhaltensänderungen aufwies, wodurch ein Szenario entstand, in dem der „perfekte“ Weg, die Daten zu schneiden, bereits bekannt war. Anschließend wandten sie ihre neue Metrik auf jede mögliche Art der Zerlegung dieses Testsignals an. Das Ergebnis war eine perfekte Übereinstimmung: Die Metrik identifizierte exakt dieselben Schnitte, die die Forscher intuitiv als die beste Lösung entworfen hatten. Diese Validierung war entscheidend, da sie zeigte, dass ihr mathematisches Werkzeug in der Lage war, eine gute Segmentierung präzise zu erkennen. Sie verglichen ihre neue Metrik anschließend mit vier spezifischen internen Cluster-Indizes anhand desselben synthetischen Signals. Obwohl auch die älteren Methoden die korrekte Segmentierung als die beste Option identifizierten, wurde die neue Metrik speziell dafür entwickelt und verifiziert, dass sie für die Messung der internen Konsistenz in diesem definierten Anwendungsfall geeignet ist, was ihre Zuverlässigkeit neben etablierten Methoden bestätigte.

Nachdem sie ihr Messwerkzeug validiert hatten, wandten sich die Forscher an die realen Daten, die von ihrem Partner Audi AG zur Verfügung gestellt wurden. Dieser Datensatz war gewaltig und enthielt fast tausend verschiedene Signale, die über einen Zeitraum aufgezeichnet wurden. Die Rohdaten waren zu verrauscht und komplex, um sie alle auf einmal zu analysieren, wessofern das Team sie zunächst filterte. Sie entfernten die Signale, die zu flach oder unveränderlich waren, und behielten nur die dreiundzwanzig aktivsten Prozesse, also jene mit den signifikantesten Schwankungen. Dies hinterließ einen handhabbaren Datensatz, der dennoch die wesentlichen Dynamiken des Systems einfing. Anschließend ließen sie zwei verschiedene Segmentierungsalgorithmen auf diesen gefilterten Daten laufen. Der erste Algorithmus nutzte eine Technik bas auf Fuzzy Clustering, die es Datenpunkten erlaubt, mehreren Gruppen mit unterschiedlichem Grad an Gewissheit anzugehören, während der zweite ein statistisches Modell namens Hidden Markov Model verwendete, welches davon ausgeht, dass die Daten zwischen verschiedenen verborgenen Zuständen wechseln.

Die Forscher testeten diese Algorithmen, indem sie versuchten, die Daten in anywhere von vier bis vierzehn Segmente zu unterteilen. Für jeden Versuch verwendeten sie ihre neue Homogenitätsmetrik, um die Ergebnisse zu bewerten. Die Ergebnisse waren ermutigend. Beide Algorithmen waren in der Lage, Segmente zu finden, die eine konsistente interne Struktur aufwiesen, wobei die Qualität der Segmentierung davon abhing, wie viele Schnitte vorgenommen wurden. Die Metrik konnte erfolgreich hervorheben, welche spezifische Anzahl von Segmenten die kohärentesten Ergebnisse lieferte. Im Fall des synthetischen Testsignals gelang es einem der Algorithmen, die perfekte Segmentierung exakt zu replizieren und dabei den niedrigstmöglichen Wert auf der Metrik zu erzielen. Für die realen Automobil-Daten bot die Metrik einen klaren Weg zum Vergleich der verschiedenen Ergebnisse und zeigte auf, dass die Algorithmen tatsächlich in der Lage sind, aussagekräftige Zustände aus dem komplexen Signalstrom zu extrahieren. Die Studie kommt zu dem Schluss, dass die Suche nach dem absolut perfekten Weg, jede beliebige Zeitreihe zu zerlegen, weiterhin eine schwierige Herausforderung bleibt, die neue Metrik jedoch eine zuverlässige Methode bietet, um die für diese Aufgabe eingesetzten Werkzeuge zu bewerten und zu verbessern. Sie legt nahe, dass Forscher durch die Nutzung dieses Maßstabs für interne Konsistenz die verborgenen Zustände komplexer Systeme besser verstehen können, was den Weg für eine präzisere Analyse der Daten ebnet, die unsere moderne Welt antreiben.