Entropy-resolved sensor selection for compact and interpretable temporal multisensor monitoring

Sintesi Tecnica: Selezione di Sensori Risolta tramite Entropia per il Monitoraggio Temporale Multisensore Compatto e Interpretabile

Definizione del Problema
I sistemi di monitoraggio multisensore soffrono spesso di eterogeneità dei canali, dove i sensori differiscono per rilevanza predittiva, stabilità temporale, ridondanza e completezza dei dati. I metodi convenzionali di selezione dei sensori classificano tipicamente i canali in base a un singolo criterio statistico (ad esempio, varianza, informazione mutua o carico PCA). Sebbene efficaci per la riduzione della dimensionalità, questi approcci spesso non riescono a identificare i sensori che rimangono "operativamente azionabili" sotto condizioni di campo temporalmente variabili. Nello specifico, non valutano congiuntamente l'informazione rilevante per l'obiettivo, la stabilità temporale, la non-ridondanza e la completezza dei dati a livello di sottoinsieme, né impediscono rigorosamente la fuga di informazioni (information leakage) dalle finestre di test future nel processo di selezione. Questo studio affronta il divario nel fornire un framework di ritenzione dei sensori compatto, interpretabile e robusto alla deriva temporale e alla deiezione dei dati (missingness).

Metodologia: Il Framework ESA
Gli autori propongono il framework Entropy-Resolved Sensor Actionability (ESA). A differenza della selezione delle caratteristiche standard che ottimizza l'accuratezza del classificatore, ESA tratta la selezione dei sensori come un problema di ritenzione dei sensori a monte. La metodologia si basa su un design di validazione temporale progressiva utilizzando il dataset di sensori di campo dell'aria (UCI AirQuality dataset) (8.991 osservazioni orarie pulite).

1. Protocollo di Validazione Temporale: I dati sono partizionati in 1 occasionally 11 split temporali di test progressivi. I primi tre mesi fungono da finestra di addestramento iniziale, con ogni mese successivo che funge da split di test. L'alta esposizione al benzene è definita come il 75° percentile del gas di riferimento (C6H6(GT)) calcolato rigorosamente all'interno della finestra di addestramento per prevenire la fuga del target (target leakage).
2. Funzionale di Azionabilità: Per un sottoinsieme di sensori candidato $A$, ESA calcola uno score di azionabilità unificato $\Phi_m(A)$ basato su quattro componenti stimate esclusivamente dalla finestra di addestramento:
   • Contributo Informativo ($I$): Informazione mutua normalizzata tra lo stato discretizzato del sensore e il target binario.
   • Stabilità Temporale ($S$): Misurata tramite la divergenza di Jensen-Shannon tra la distribuzione del sensore nel blocco di addestramento recente rispetto alla cronologia storica dell'addestramento.
   • Non-Ridondanza ($R$): Calcolata come $1 - \text{media}(|\text{correlazione di Pearson}|)$ tra i sensori nel sottoinsieme.
   • Completezza ($C$): La proporzione di letture valide (non mancanti) nella finestra di addestramento.
3. Regola di Selezione: Il framework assegna pesi a queste componenti (0,50 per l'Informazione, 0,25 per la Stabilità, 0,15 per la Ridondanza, 0,10 per la Completezza) e seleziona il sottoinsieme $A^*$ che massimizza la somma pesata. L'ottimizzazione viene eseguita tramite enumerazione esaustiva per i cinque sensori candidati.
4. Confronti: ESA è confrontato contro metodi di classificazione individuale (Informazione Mutua, Correlazione, Varianza, Carico PCA, Bassa deriva, Bassa ridondanza), la selezione casuale e un baseline di tutti i sensori.
5. Test di Robustezza: Il framework è sottoposto a stress test sotto tre condizioni: (a) stress da deiezione (10–30% di dati di test mascherati e imputati tramite la mediana di addestramento), (b) deriva artificiale (spostamento sistematico di scala-posizione applicato al sensore più informativo), e (c) validazione strutturale dura (rimozione del canale del sensore dominante, PT08.S2(NMHC)).

Risultati Chiave

• Preservazione Predittiva: Sotto validazione temporale normale, il sottoinsieme selezionato da ESA (utilizzando un singolo sensore, PT08.S2(NMHC)) ha raggiunto un macro-F1 medio di 0,9996, eguagliando le prestazioni del baseline a cinque sensori. Questa performance è statisticamente indistinguibile dai migliori baseline a singolo criterio (Informazione Mutua, Correlazione, PCA), ma offre una razionalità di interpretabilità unificata.
• Stabilità della Selezione: L'analisi della frequenza di selezione corretta ha rivelato che PT08.S2(NMHC) è stato selezionato nel 100% degli split temporali per $k=1$. Quando $k=2$, PT08.S5(O3) è emerso come il secondo canale più stabile (frequenza del 72,7%). Ciò indica che ESA identifica una gerarchia coerente di sensori azionabili piuttosto che selezioni casuali specifiche per ogni split.
• Robustezza alla Deiezione (Missingness): Sotto stress da deiezione (fino al 30% di dati di test mancanti), il sottoinsieme ESA (utilizzando $k=2$) ha mantenuto una performance quasi identica al baseline di tutti i sensori, dimostrando resilienza alla disponibilità parziale dei sensori.
• Limitazioni sotto Deriva: Negli scenari di deriva artificiale, il sottoinsieme ESA ha mostrato una riduzione delle prestazioni (macro-F1 sceso a 0,5722 con il 30% di deriva) rispetto alla classificazione basata sulla varianza, che è rimasta più stabile. Gli autori segnalano esplicitamente questo come un limite dell'attuale formulazione.
• Validazione Dura: Quando il sensore dominante (PT08.S2(NMHC)) è stato rimosso, il sottoinsieme ESA è rimasto competitivo (macro-F1 0,8798 con $k=4$), sebbene non abbia superato il carico PCA (0,8860). Ciò conferma la capacità del framework di ridistribuire l'azionabilità tra i canali rimanenti piuttosto che collassare quando un sensore primario viene perso.

Significatività e Rivendicazioni
L'articolo sostiene che ESA fornisca uno strato compatto, interpretabile e temporalmente ammissibile per il monitoraggio multisensore sul campo. La sua importanza primaria risiede nello spostamento del focus dall' "ottimizzazione del classificatore" all' "azionabilità del sensore". Integrando informazione, stabilità, ridondanza e completezza in un'unica regola, ESA consente la ritenzione di un sottoinsieme minimo di sensori che sia operativamente vitale sotto condizioni di campo variabili.

Gli autori sostengono con modestia che ESA non offre necessariamente una precisione predittiva superiore rispetto a tutti i metodi concorrenti in ogni scenario (notando che i metodi a singolo criterio hanno performato ugualmente bene in condizioni normali e che PCA ha performato meglio sotto validazione dura). Inveve, il contributo è il framework metodologico stesso: una regola che produce una configurazione di monitoraggio teoricamente difendibile. Il framework supporta decisioni pratiche riguardanti la priorità dei sensori, la manutenzione e la calibrazione, identificando sensori che non sono solo predittivi, ma anche stabili e non ridondanti nel tempo. Lo studio conclude che l'azionabilità del sottoinsieme risolta tramite entropia è un approccio valido per ottenere una ritenzione dei sensori compatta e interpretabile in dati di campo con struttura temporale.