Deteção de anomalias
- A deteção de anomalias assinala comportamentos que se desviam de um modelo aprendido do normal: em muitas variáveis ao mesmo tempo, não um limiar de cada vez.
- Deteta a deriva multivariável: combinações de pequenas alterações dentro dos limites que, em conjunto, preveem refugo ou avaria.
- A qualidade dos alertas é decisiva: os avisos têm de chegar com as variáveis contribuintes ordenadas e respeitar os regimes de funcionamento.
- É a ponta de entrada de uma cadeia (deteção, depois atribuição, depois ação) e não uma categoria de produto por si só.
A deteção de anomalias é o cavalo de batalha do machine learning industrial: um modelo aprende o comportamento conjunto das variáveis de uma linha durante a produção normal e pontua os dados em tempo real face a esse modelo. Uma pontuação elevada significa “este momento não se parece com nenhum bom histórico”: muitas vezes muito antes de qualquer variável isolada ultrapassar um limite de alarme.
O que apanha e os limiares deixam escapar
Os alarmes de variável única deixam escapar três formas de falha que dominam as perdas reais. Combinações: cinco variáveis derivam cada uma 1%: individualmente normais, em conjunto uma assinatura de refugo. Contexto: 180 °C é normal para o produto A e desastroso para o produto B; um modelo aprendido conhece a diferença, um limite estático não. Deriva lenta: um deslizamento de três semanas em direção ao limite da janela operacional que nenhuma olhadela diária às tendências regista. A deriva dos sinais de processo é também cada vez mais usada como precursor de avaria mais precoce do que a vibração em algumas classes de equipamento.
Evitar o canhão de alertas
O modo de falha clássico é um sistema que grita «lobo» até os operadores o silenciarem. As defesas são a atribuição (cada aviso indica as principais variáveis contribuintes, para que um engenheiro faça a triagem em segundos), o reconhecimento de regimes (mudanças de série, arranques e misturas de produtos são modelados, não assinalados) e uma pontuação de gravidade ligada às consequências que importam à fábrica: refugo previsto ou impacto na qualidade, não apenas distância estatística. Avalie exatamente isto num piloto: alertas por turno, proporção de alertas que um engenheiro considerou acionáveis e tempo entre o aviso e a explicação.
Perguntas frequentes
- A deteção de anomalias é o mesmo que manutenção preditiva?
- A manutenção preditiva é uma das suas aplicações. A deteção de anomalias sobre sinais de máquina prevê avarias; a mesma matemática sobre sinais de processo prevê problemas de qualidade e deriva. As plataformas diferem nos sinais em que se especializam.
- Quanto histórico precisa um modelo de anomalias?
- Produção normal suficiente para cobrir os regimes de funcionamento reais da linha: tipicamente meses. Mais regimes (produtos, estações, turnos) exigem mais histórico; uma linha com produtos estáveis pode treinar de forma útil com menos.
Todos os números deste site: numa única folha de cálculo com fontes.
O cálculo do mercado de 43,6 mil milhões de dólares, o peso dos casos de uso, os obstáculos à adoção e os resultados de implementação publicados, com a coluna de fontes intacta. Pronto a colar no seu business case.