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

Resumo Técnico: Seleção de Sensores Resolvida por Entropia para Monitoramento Multissensorial Temporal Compacto e Interpretável

Definição do Problema
Sistemas de monitoramento multissensoriais frequentemente sofrem com a heterogeneidade de canais, onde os sensores diferem em relevância preditiva, estabilidade temporal, redundância e completude de dados. Métodos convencionais de seleção de sensores geralmente classificam os canais com base em um único critério estatístico (ex: variância, informação mútua ou carregamento de PCA). Embora eficazes para redução de dimensionalidade, essas abordagens muitas vezes falham em identificar sensores que permaneçam "operacionalmente acionáveis" sob condições de campo temporalmente variáveis. Especificamente, elas não avaliam conjuntamente a informação relevante para o alvo, a estabilidade temporal, a não redundância e a completude de dados ao nível de subconjunto, nem impedem estritamente o vazamento de informação de janelas de teste futuras para o processo de seleção. Este estudo aborda a lacuna no fornecimento de um framework de retenção de sensores compacto e interpretável para subconjuntos, que seja robusto à deriva temporal e à ausência de dados.

Metodologia: O Framework ESA
Os autores propõem o framework de Ação de Sensores Resolvida por Entropia (ESA). Diferente da seleção de características padrão, que otimiza a acurácia do classificador, o ESA trata a seleção de sensores como um problema de retenção de sensores a montante (upstream). A metodologia é construída sobre um design de validação temporal progressiva utilizando o conjunto de dados de sensores de campo de qualidade do ar da UCI (8.991 observações horárias limpas).

1. Protocolo de Validação Temporal: Os dados são particionados em 11 divisões de teste temporal progressivo. Os primeiros três meses servem como a janela de treinamento inicial, com cada mês subsequente atuando como uma divisão de teste. A alta exposição ao benzeno é definida como o percentil 75 da referência de gás (C6H6(GT)) calculado estritamente dentro da janela de treinamento para evitar vazamento do alvo (target leakage).
2. Funcional de Acionabilidade: Para um subconjunto de sensores candidato $A$, o ESA calcula um escore de acionabilidade unificado $\Phi_m(A)$ baseado em quatro componentes estimados exclusivamente da janela de treinamento:
   • Contribuição de Informação ($I$): Informação mútua normalizada entre o estado discretizado do sensor e o alvo binário.
   • Estabilidade Temporal ($S$): Medida via divergência de Jensen-Shannon entre a distribuição do sensor no bloco de treinamento recente versus o histórico de treinamento anterior.
   • Não Redundância ($R$): Calculada como $1 - \text{média}(|\text{correlação de Pearson}|)$ entre os sensores no subconjunto.
   • Completude ($C$): A proporção de leituras válidas (não ausentes) na janela de treinamento.
3. Regra de Seleção: O framework atribui pesos a esses componentes (0,50 para Informação, 0,25 para Estabilidade, 0,15 para Redundância, 0,10 para Completude) e seleciona o subconjunto $A^*$ que maximiza a soma ponderada. A otimização é realizada via enumeração exaustiva para os cinco sensores candidatos.
4. Comparadores: O ESA é comparado contra métodos de classificação individual (Informação Mútua, Correlação, Variância, Carregamento de PCA, Baixo Desvio, Baixa Redundância), seleção aleatória e uma linha de base de todos os sensores.
5. Teste de Robustez: O framework é testado sob estresse em três condições: (a) estresse de ausência de dados (10–30% de dados de teste mascarados e imputados via mediana de treinamento), (b) deriva artificial (deslocamento sistemático de escala-local aplicado ao sensor mais informativo) e (c) validação rígida estrutural (remoção do canal do sensor dominante, PT08.S2(NMHC)).

Principais Resultados

• Preservação Preditiva: Sob validação temporal normal, o subconjunto selecionado pelo ESA (usando apenas um sensor, PT08.S2(NMHC)) alcançou um macro-F1 médio de 0,9996, igualando o desempenho da linha de base de cinco sensores. Este desempenho foi estatisticamente indistinguível das melhores linhas de base de critério único (Informação Mútua, Correlação, PCA), mas oferece um racional de interpretabilidade unificado.
• Estabilidade de Seleção: A análise de frequência de seleção corrigida revelou que o PT08.S2(NMHC) foi selecionado em 100% das divisões temporais para $k=1$. Quando $k=2$, o PT08.S5(O3) emergiu como o canal secundário mais estável (frequência de 72,7%). Isso indica que o ESA identifica uma hierarquia consistente de sensores acionáveis em vez de seleções aleatórias específicas de cada divisão.
• Robustez à Ausência de Dados: Sob estresse de ausência de dados (até 30% de dados de teste ausentes), o subconjunto-ESA (usando $k=2$) manteve o desempenho quase idêntico ao da linha de base de todos os sensores, demonstrando resiliência à indisponibilidade parcial de sensores.
• Limitações sob Deriva: Em cenários de deriva artificial, o subconjunto-ESA mostrou desempenho reduzido (macro-F1 caindo para 0,5722 com 30% de deriva) em comparação com o ranking baseado em variância, que permaneceu mais estável. Os autores explicitamente notam isso como um limite da formulação atual.
• Validação Rígida: Quando o sensor dominante (PT08.S2(NMHC)) foi removido, o subconjunto-ESA permaneceu competitivo (macro-F1 0,8798 com $k=4$), embora não tenha superado o carregamento de PCA (0,8860). Isso confirma a capacidade do framework de redistribuir a acionabilidade entre os canais restantes em vez de colapsar quando um sensor primário é perdido.

Significância e Alegações
O artigo alega que o ESA fornece uma camada compacta, interpretável e temporalmente admissível para o monitoramento de sensores de campo multissensoriais. Sua principal significância reside na mudança do foco da "otimização do classificador" para a "acionabilidade do sensor". Ao integrar informação, estabilidade, redundância e completude em uma única regra, o ESA permite a retenção de um subconjunto mínimo de sensores que é operacionalmente viável sob condições de campo em mudança.

Os autores alegam modestamente que o ESA não oferece necessariamente uma precisão preditiva superior sobre todos os métodos concorrentes em todos os cenários (notando que métodos de critério único performaram igualmente bem em condições normais e o PCA performou melhor sob validação rígida). Em vez disso, a contribuição é o framework metodológico em si: uma regra que produz uma configuração de monitoramento teoricamente defensável. O framework apoia decisões práticas relativas à priorização, manutenção e calibração de sensores ao identificar sensores que não são apenas preditivos, mas também estáveis e não redundantes ao longo do tempo. O estudo conclui que a acionabilidade de subconjuntos resolvida por entropia é uma abordagem viável para alcançar a retenção de sensores compacta e interpretável em dados de campo estruturados temporalmente.