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

आधुनिक मशीनरी की छिपी हुई दुनिया में, उन कारों से लेकर जिन्हें हम चलाते हैं और उन उपकरणों तक जिन्हें हम साथ लेकर चलते हैं, डेटा का एक निरंतर प्रवाह एक नदी की तरह बहता है। यह डेटा, जिसे 'टाइम सीरीज़' (time series) के रूप में जाना जाता है, यह रिकॉर्ड करता है कि विभिन्न संकेत समय के साथ कैसे बदलते हैं, जैसे कि एक इंजन का तापमान या एक सर्किट में वोल्टेज। जब एक मशीन में एक साथ कई अलग-अलग सेंसर रिकॉर्डिंग कर रहे होते हैं, तो डेटा 'मल्टीवेरिएट' (multivariate) हो जाता है, जो एक साथ होने वाली परस्पर जुड़ी कहानियों का एक जटिल जाल बन जाता है। इंजीनियरों और वैज्ञानिकों के लिए चुनौती केवल इस डेटा को एकत्र करना नहीं है, बल्कि इसका अर्थ निकालना है। उन्हें उन क्षणों को खोजना होता है जहाँ मशीन का व्यवहार एक अवस्था से दूसरी अवस्था में बदल जाता है, जैसे कि एक कार का आइडलिंग से त्वरण (accelerating) की ओर बढ़ना। ऐसा करने के लिए, उन्हें डेटा की लंबी, निरंतर धारा को विशिष्ट अध्यायों, या खंडों (segments) में काटना पड़ता है, जहाँ प्रत्येक अध्याय के भीतर का व्यवहार सुसंगत और पूर्वानुमानित होता है। इस प्रक्रिया को 'सेगमेंटेशन' (segmentation) कहा जाता है। हालाँकि, जब डेटा अव्यवस्थित होता है और एक साथ कई स्रोतों से आता है, तो यह तय करना कि कट कहाँ लगाया जाए, अविश्वसनीय रूप से कठिन होता है। एक स्पष्ट तरीके के बिना कि कोई कट अच्छा है या बुरा, शोधकर्ता इस बात के अनुमान में रह जाते हैं कि क्या उन्होंने वास्तविक अंतर्निहित पैटर्न खोज लिए हैं या केवल यादृच्छिक शोर (random noise) बना दिया है।

यह वह समस्या है जिसे क्लाउस्टाल यूनिवर्सिटी ऑफ टेक्नोलॉजी और टेंसर एम्बेडेड GmbH के शोधकर्ताओं की एक टीम ने हल करने का प्रयास किया। उन्होंने ऑटोमोटिव एम्बेडेड सिस्टम से आने वाले डेटा पर ध्यान केंद्रित किया, जो एक कार के भीतर का एक जटिल कंप्यूटर नेटवर्क है जो अपने स्वयं के संचालन की निगरानी करता है। टीम को एक विशिष्ट बाधा का सामना करना पड़ा: जबकि उनके पास डेटा को काटने के लिए शक्तिशाली उपकरण थे, लेकिन उनके पास उन स्लाइस (slices) की गुणवत्ता मापने के लिए एक विश्वसनीय पैमाना नहीं था। उन्हें यह निर्धारित करने के लिए एक तरीके की आवश्यकता थी कि क्या डेटा का एक खंड वास्तव में "होमोजेनियस" (homogeneous) था, जिसका अर्थ है कि उस खंड के भीतर के डेटा बिंदु एक-दूसरे के साथ सुसंगत व्यवहार करते हैं, न कि विभिन्न व्यवहारों का एक अराजक मिश्रण। इस समस्या के समाधान के लिए, शोधकर्ताओं ने इस आंतरिक निरंतरता को मापने के लिए एक नई विधि विकसित की। उन्होंने केवल एक सिद्धांत प्रस्तावित नहीं किया; उन्होंने एक 'मेट्रिक' (metric) बनाया, एक विशिष्ट गणना जो डेटा को काटने के किसी भी दिए गए तरीके को एक स्कोर प्रदान करती है। एक कम स्कोर एक स्वच्छ, अधिक सुसंगत खंड को दर्शाता है, जबकि एक उच्च स्कोर यह सुझाव देता है कि खंड अव्यवस्थित है और इसे अलग तरह से विभाजित किया जाना चाहिए। यह मेट्रिक एक बेंचमार्क के रूप में कार्य करता है, जिससे वे विभिन्न एल्गोरिदम का परीक्षण कर सकते हैं और देख सकते हैं कि कौन सा एल्गोरिदम डेटा के सबसे तार्किक विभाजन को उत्पन्न करता है।

अपने नए मेट्रिक की प्रभावकारिता को सिद्ध करने के लिए, टीम ने पहले एक सिंथेटिक (synthetic), या कृत्रिम टाइम सीरीज़ बनाई जो वास्तविक संकेतों के व्यवहार की नकल करती है। उन्होंने इस परीक्षण सिग्नल को स्पष्ट, ज्ञात व्यवहार परिवर्तनों के साथ डिज़ाइन किया, जिससे एक ऐसी स्थिति निर्मित हुई जहाँ डेटा को काटने का "परफेक्ट" तरीका पहले से ही ज्ञात था। फिर उन्होंने इस परीक्षण सिग्नल को काटने के हर संभावित तरीके पर अपने नए मेट्रिक को लागू किया। परिणाम एक सटीक मिलान था: मेट्रिक ने ठीक उन्हीं कटों की पहचान की जिन्हें शोधकर्ताओं ने सहज रूप से सर्वोत्तम समाधान के रूप में डिज़ाइन किया था। यह सत्यापन महत्वपूर्ण था क्योंकि इसने दिखाया कि उनका गणितीय उपकरण सटीक रूप से एक अच्छे सेगमेंटेशन को पहचान सकता है। इसके बाद उन्होंने उसी सिंथेटिक सिग्नल पर अपने नए मेट्रिक की तुलना चार विशिष्ट 'इंटरनल क्लस्टर इंडिसेस' (internal cluster indices) से की। जबकि पुराने तरीकों ने भी सही सेगमेंटेशन को सबसे अच्छे विकल्प के रूप में पहचाना, लेकिन नए मेट्रिक को विशेष रूप से इस परिभाषित उपयोग के मामले में आंतरिक निरंतरता को मापने के लिए उपयुक्त होने के लिए डिज़ाइन और सत्यापित किया गया था, जो स्थापित विधियों के साथ इसकी विश्वसनीयता की पुष्टि करता है।

अपने मापने के उपकरण को सत्यापित करने के बाद, शोधकर्ताओं ने अपने भागीदार ऑडी एजी (Audi AG) द्वारा प्रदान किए गए वास्तविक दुनिया के डेटा की ओर रुख किया। यह डेटासेट विशाल था, जिसमें समय के साथ रिकॉर्ड किए गए लगभग एक हजार अलग-अलग सिग्नल शामिल थे। कच्चा डेटा बहुत शोर वाला और जटिल था जिसे एक साथ विश्लेषण करने के लिए, इसलिए टीम ने पहले इसे फ़िल्टर करके कम किया। उन्होंने उन सिग्नलों को हटा दिया जो बहुत सपाट या अपरिवर्तित थे और केवल उन तेईस सबसे सक्रिय प्रक्रियाओं को रखा, जिनमें सबसे महत्वपूर्ण उतार-चढ़ाव थे। इससे उनके पास डेटा का एक प्रबंधनीय सेट बच गया जो अभी भी सिस्टम की आवश्यक गतिशीलता को कैप्चर करता था। इसके बाद उन्होंने इस फ़िल्टर किए गए डेटा पर दो अलग-अलग सेगमेंटेशन एल्गोरिदम चलाए। पहले एल्गोरिदम ने 'फजी क्लस्टरिंग' (fuzzy clustering) पर आधारित एक तकनीक का उपयोग किया, जो डेटा बिंदुओं को विभिन्न स्तर की निश्चितता के साथ कई समूहों से संबंधित होने की अनुमति देता है, जबकि दूसरे ने 'हिडन मार्कोव मॉडल' (Hidden Markov Model) नामक एक सांख्यिकीय मॉडल का उपयोग किया, जो यह मानता है कि डेटा विभिन्न छिपी हुई अवस्थाओं के बीच स्विच करता है।

शोधकर्ताओं ने डेटा को चार से चौदह खंडों में विभाजित करने का प्रयास करके इन एल्गोरिदम का परीक्षण किया। प्रत्येक प्रयास के लिए, उन्होंने परिणामों को स्कोर करने के लिए अपने नए होमोजेनिटी मेट्रिक का उपयोग किया। निष्कर्ष उत्साहजनक थे। दोनों एल्गोरिदम ऐसे खंड खोजने में सक्षम थे जो सुसंगत आंतरिक व्यवहार दिखाते थे, लेकिन सेगमेंटेशन की गुणवत्ता इस बात पर निर्भर करती थी कि कितने कट किए गए। मेट्रिक ने सफलतापूर्वक यह उजागर किया कि खंडों की कितनी विशिष्ट संख्या सबसे सुसंगत परिणाम देती है। सिंथेटिक टेस्ट सिग्नल के मामले में, एक एल्गोरिदम ने सटीक सेगमेंटेशन को पूरी तरह से दोहराने में सफलता प्राप्त की, जिससे मेट्रिक पर सबसे कम संभव स्कोर प्राप्त हुआ। वास्तविक ऑटोमोटिव डेटा के लिए, मेट्रिक ने परिणामों की तुलना करने के लिए एक स्पष्ट तरीका प्रदान किया, जिससे पता चला कि एल्गोरिदम वास्तव में सिग्नलों के जटिल प्रवाह से सार्थक अवस्थाओं को निकाल सकते हैं। अध्ययन इस निष्कर्ष पर पहुँचता है कि हालांकि किसी भी टाइम सीरीज़ को काटने का पूर्णतः सटीक तरीका खोजना एक कठिन चुनौती बनी हुई है, नया मेट्रिक इस कार्य के लिए उपयोग किए जाने वाले उपकरणों का मूल्यांकन करने और उन्हें बेहतर बनाने का एक विश्वसनीय तरीका प्रदान करता है। यह सुझाव देता है कि इस आंतरिक निरंतरता के माप का उपयोग करके, शोधकर्ता जटिल प्रणालियों की छिपी हुई अवस्थाओं को बेहतर ढंग से समझ सकते हैं, जिससे उस डेटा के सटीक विश्लेषण का मार्ग प्रशस्त होता है जो हमारी आधुनिक दुनिया को संचालित करता है।