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

Nel mondo nascosto dei macchinari moderni, dalle auto che guidiamo ai dispositivi che portiamo con noi, un flusso costante di dati scorre come un fiume. Questi dati, noti come serie temporali, registrano come vari segnali cambiano nel tempo, come la temperatura di un motore o la tensione in un circuito. Quando una macchina ha molti sensori diversi che registrano contemporaneamente, i dati diventano multivariati, una complessa rete di storie intrecciate che accadono simultaneamente. La sfida per ingegneri e scienziati non è solo raccogliere questi dati, ma dar loro un senso. Devono trovare i momenti in cui il comportamento di una macchina passa da uno stato all'altro, come un'auto che passa dal minimo all'accelerazione. Per farlo, devono tagliare il lungo e continuo flusso di dati in capitoli distinti, o segmenti, dove il comportamento all'interno di ogni capitolo è coerente e prevedibile. Questo processo è chiamato segmentazione. Tuttavia, quando i dati sono disordinati e provengono da molte fonti contemporaneamente, capire dove effettuare i tagli è incredibilmente difficile. Senza un modo chiaro per giudicare se un taglio sia buono o cattivo, i ricercatori rimangono a indovinare se hanno trovato i veri modelli sottostanti o se hanno solo creato rumore casuale.

Questo è il problema che un team di ricercatori della Clausthal University of Technology e di tensor embedded GmbH si è proposto di risolvere. Si sono concentrati sui dati provenienti da un sistema embedded automobilistico, un complesso computer di rete all'interno di un'auto che monitora le proprie operazioni. Il team ha affrontato un ostacolo specifico: pur avendo strumenti potenti per fagliare i dati, mancavano di un righello affidabile per misurarne la qualità. Avevano bisogno di un modo per determinare se un segmento di dati fosse veramente "omogeneo", ovvero che i punti dati al suo interno si comportassero in modo coerente l'uno con l'altro, piuttosto che essere un mix caotico di comportamenti diversi. Per affrontare questo problema, i ricercatori hanno sviluppato un nuovo metodo per misurare questa coerenza interna. Non si sono limitati a proporre una teoria; hanno costruito una metrica, un calcolo specifico che assegna un punteggio a qualsiasi modo di tagliare i dati. Un punteggio più basso indica un segmento più pulito e coerente, mentre un punteggio più alto suggerisce che il segmento è disordinato e dovrebbe essere diviso diversamente. Questa metrica agisce come un parametro di riferimento, permettendo loro di testare diversi algoritmi e vedere quale produca le divisioni più logiche dei dati.

Per dimostrare che la loro nuova metrica funzionasse, il team ha prima creato una serie temporale sintetica, o finta, che imitava il comportamento di segnali reali. Hanno progettato questo segnale di test affinché avesse chiari cambiamenti di comportamento noti, creando uno scenario in cui il modo "perfetto" di tagliare i dati era già noto. Hanno poi applicato la loro nuova metrica a ogni possibile modo di fagliare questo segnale di test. Il risultato è stato un match perfetto: la metrica ha identificato esattamente gli stessi tagli che i ricercatori avevano intuitivamente progettato come la soluzione migliore. Questa validazione è stata cruciale perché ha dimostrato che il loro strumento matematico poteva riconoscere accuratamente una buona segmentazione. Hanno poi confrontato la loro nuova metrica con quattro specifici indici di cluster interni sullo stesso segnale sintetico. Sebbene i metodi più vecchi identificassero comunque la segmentazione corretta come la migliore opzione, la nuova metrica era stata specificamente progettata e verificata per essere adatta a misurare la coerenza interna in questo caso d'uso definito, confermando la sua affidabilità insieme ai metodi stabiliti.

Con il loro strumento di misurazione validato, i ricercatori si sono rivolti ai dati reali forniti dal loro partner, Audi AG. Questo dataset era enorme, contenente quasi mille segnali diversi registrati nel tempo. I dati grezzi erano troppo rumorosi e complessi per essere analizzati tutti in una volta, quindi il team li ha prima filtrati. Hanno rimosso i segnali troppo piatti o invarianti e hanno mantenuto solo i ventitré processi più attivi, quelli con le variazioni più significative. Questo ha lasciato loro un insieme di dati gestibile che catturava comunque la dinamica essenziale del sistema. Hanno poi eseguito due diversi algoritmi di segmentazione su questi dati filtrati. Il primo algoritmo utilizzava una tecnica basata sul clustering fuzzy, che permette ai punti dati di appartenere a più gruppi con diversi gradi di certezza, mentre il secondo utilizzava un modello statistico noto come Modello di Markov Nascosto, che assume che i dati passino tra diversi stati nascosti.

I ricercatori hanno testato questi algoritmi cercando di dividere i dati in un numero compreso tra quattro e quattordici segmenti. Per ogni tentativo, hanno usato la loro nuova metrica di omogeneità per valutare i risultati. Le scoperte sono state incoraggianti. Entrambi gli algoritmi sono stati in grado di trovare segmenti che mostravano un comportamento interno coerente, ma la qualità della segmentazione variava a seconda di quanti tagli venivano effettuati. La metrica ha evidenziato con successo quale numero specifico di segmenti producesse i risultati più coerenti. Nel caso del segnale di test sintetico, uno degli algoritmi è riuscito a replicare esattamente la segmentazione perfetta, ottenendo il punteggio più basso possibile sulla metrica. Per i dati automobilistici reali, la metrica ha fornito un modo chiaro per confrontare i diversi esiti, mostrando che gli algoritmi potevano effettivamente estrarre stati significativi dal complesso flusso di segnali. Lo studio conclude che, sebbene trovare il modo assolutamente perfetto di tagliare qualsiasi serie temporale rimanga una sfida difficile, la nuova metrica offre un modo affidabile per valutare e migliorare gli strumenti utilizzati per questo compito. Suggerisce che, utilizzando questa misura di coerenza interna, i ricercatori possono comprendere meglio gli stati nascosti di sistemi complessi, aprendo la strada a un'analisi più accurata dei dati che guidano il nostro mondo moderno.