Anomaliedetectie
- Anomaliedetectie meldt gedrag dat afwijkt van een geleerd model van normaal — over veel variabelen tegelijk, niet drempel voor drempel.
- Het vangt multivariate drift: combinaties van kleine binnen-de-grenzen-veranderingen die samen uitval of storing aankondigen.
- De meldingskwaliteit beslist alles: signalen moeten met gerangschikte bijdragende variabelen aankomen en bedrijfsregimes respecteren.
- Het is de voorkant van een pijplijn — detectie, dan attributie, dan actie — geen productcategorie op zich.
Anomaliedetectie is het werkpaard van industrieel ML: een model leert het gezamenlijke gedrag van de lijnvariabelen in normale productie en scoort livedata ertegen. Een hoge score betekent 'dit moment lijkt op geen enkele goede historie' — vaak lang voordat één variabele een alarmgrens overschrijdt.
Wat drempels missen
Enkelvariabele alarmen missen drie storingsvormen die echte verliezen domineren. Combinaties: vijf variabelen driften elk 1% — apart in orde, samen een uitvalsignatuur. Context: 180 °C is normaal voor product A en rampzalig voor product B; een geleerd model kent het verschil, een statische grens niet. Trage drift: drie weken kruipen naar de rand van de envelop die geen dagelijkse blik op trendlijnen registreert. Processignaaldrift wordt bovendien steeds vaker gebruikt als vroegere storingsvoorbode dan trilling, voor sommige apparatuurklassen.
Het meldingenkanon vermijden
De klassieke faalwijze is een systeem dat wolf roept tot operators het dempen. De verdediging: attributie (elke melding noemt haar belangrijkste variabelen zodat een ingenieur in seconden trieert), regimebewustzijn (omstellingen, opstarts en productmixen worden gemodelleerd, niet gemeld), en een ernstscore gekoppeld aan gevolgen die de fabriek raken — voorspelde uitval of kwaliteitsimpact, niet statistische afstand alleen. Evalueer precies dit in een pilot: meldingen per ploeg, aandeel dat een ingenieur actiewaardig achtte, tijd van melding tot verklaring.
FAQ
- Is anomaliedetectie hetzelfde als voorspellend onderhoud?
- Voorspellend onderhoud is één toepassing ervan. Anomaliedetectie op machinesignalen voorspelt storingen; dezelfde wiskunde op processignalen voorspelt kwaliteitsproblemen en drift. Platformen verschillen in welke signalen hun specialiteit zijn.
- Hoeveel historie heeft een anomaliemodel nodig?
- Genoeg normale productie om de echte bedrijfsregimes van de lijn te dekken — doorgaans maanden. Meer regimes (producten, seizoenen, ploegen) vragen meer historie; een lijn met stabiele producten traint ook nuttig met minder.
Elk getal op deze site — in één tabel met bronnen.
De marktrekensom van 43,6 mld. $, use-case-aandelen, adoptiebarrières en gepubliceerde resultaten, met de bronkolom intact. Klaar om in uw businesscase te plakken.