DataEngine PlugIns:
ProcessAnalyzer - DataEngine PlugIn zur Klassifikation von Zeitreihen
Vorgestellt wird eine Methode zur Modellierung eines Klassifikators. Gegeben sind Zeitreihendaten eines Prozesses und jeweils Prozessergebnisse in Form von Klassenzuordnungen, z. B. {gut, mittel, schlecht} (Abbildung 1, oben).
Ziel ist es, ähnliche Prozessabläufe anhand von Merkmalen zu einer vorgegebenen Klasse zuzuordnen. Diese Aufgabe übernimmt ein Klassifikator mit einer Struktur gemäß Abbilung 1, unten. Die Zuordnung eines Prozessablaufs anhand von Merkmalen zu einem Ergebnis erfolgt über Regeln, die automatisch aus den verfügbaren Daten erlernt werden. Dazu dient das Entscheidungsbaumverfahren, das in DataEngine über einen benutzerdefinierten Funktionsblock DecisionXpert verfügbar ist. Als klassifizierte Größen kommen beispielsweise in Betracht:
- Ausbeute eines Herstellungsprozesses
- Qualität oder spezielle Produkteigenschaft
Daten ohne Zeitbezug können direkt zur Regelgenerierung genutzt werden. Für die Analyse von Zeitreihen ist hingegen eine Datenvorverarbeitung und Merkmalgenerierung erforderlich. Einfache statistische Kennwerte einer Zeitreihe wie Mittelwert, Varianz usw. charakterisieren den Verlauf nur sehr grob. Neuartige und weiterreichende Möglichkeiten zur Merkmalgenerierung bietet das Verfahren der Trendanalyse. Die Trendanalyse läuft in den folgenden Phasen ab:
- Dekomposition der Zeitreihen in Trends (Wavelettransformation):
- Die Zeitreihen werden über Wavelettransformation stufenweise immer stärker gefiltert.
- Zu jeder Filterungsstufe ermittelt das Verfahren die Wendepunkte und Extrempunkte im Signal.
- Zwischen Wendepunkt und Wendepunkt/Extrempunkt beschreibt einer von sieben elementaren Trendtypen abschnittsweise den prinzipiellen Verlauf der Zeitreihe.
- Ergebnis der Trendzerlegung sind Zeichenfolgen je Filterungsstufe zur abstrakten Beschreibung des Verlaufs und jeweils die zugehörigen Kennwerte, vgl. Abbildung 3.
- Mustererkennung in Trendreihenfolge: Um ähnlichen Prozessabläufe vergleichen zu können, müssen aus den verallgemeinerten Beschreibungen der Verläufe je Charge und Filterungsstufe die Trendabfolgen in übereinstimmende und nicht übereinstimmende Abschnitte unterteilt werden.
- Merkmalsgenerierung: Durch die Mustererkennung ergeben sich jeweils die vier quantitativen Merkmale je Trend für die übereinstimmenden Bereiche der verallgemeinerten Beschreibungen (Abbildung 4b). Trends, die nicht in allen verallgemeinerten Beschreibungen der Messreihen enthalten sind, werden für die Merkmalgenerierung nicht herangezogen (Abbildung 4a).
Ein Beispiel zur stufenweise Filterung einer Zeitreihe mit Markierung der Trendgrenzen in Form von senkrechten Strecken zeigt Abbildung 5, links. Stufe 7 (oben) bildet den ungefilterten Signalverlauf ab. Mit zunehmender Filterung entfallen immer mehr elementare Trends. Der dunkel markierte Bereich hebt dasjenige Merkmal hervor, das bei der Induktion des Entscheidungsbaumes (Abbildung 5, rechts) als das signifikanteste Merkmal erkannt wurde.
Durch Trendanalyse können aus ähnlichen Zeitreihen Merkmale zur Modellierung eines Klassifikators automatisch erzeugt werden. Diese Merkmale lassen sich gleichberechtigt neben anderen, nicht zeitbezogenen Prozessdaten für die Generierung von Klassifikationsregeln mit Hilfe des Entscheidungsbaumverfahrens nutzen. Das beschriebene Trendanalyseverfahren wird als benutzerdefinierter Funktionsblock für DataEngine implementiert. Es eignet sich besonders zum automatischen Wissenserwerb bei technischen (Chargen-)Prozessen.