OAS

Nell'ambito della modellistica previsionale, e in particolare della ricerca di anomalie in grandi dataset, si è sviluppato un modulo software per l'apprendimento non supervisionato (OnAIR Anomaly Score, OAS). OAS include diversi algoritmi allo stato dell'arte operanti sia in batch, combinando dati statistici provenienti da dispositivi simili, sia online analizzando in real-time i dati forniti da un singolo dispositivo.

Tramite OAS si è allestito un dimostratore di un possibile cruscotto per il monitoraggio di un insieme di hard disk in un grande datacenter. I dati provengono da BackBlaze e riguardano un particolare modello HITACHI in uso negli anni 2013/2014 per il quale si sono raccolti più di due milioni di record. Il modello statistico non supervisionato generato da OAS è in grado di anticipare tutte le rotture con un ridotto tasso di falsi allarmi.

Una visualizzazione del cruscotto per un sottoinsieme dei dati è consultabile a questo link.

Lo stesso modello, in modalità online learning, consente di analizzare in real-time il comportamento di un apparato, identificando per tempo l'insorgere di anomalie. Questa modalità è stata validata su diversi dataset relativi alle vibrazioni di cuscinetti sottoposti a stress (PHM2012). In tutti i casi osservati OAS riesce ad anticipare i problemi prima che essi portino ad un degrado irreversibile.

Una visualizzazione del cruscotto PHM2012 è consultabile a questo link.