מגנט בשיתוף חברות אינטל ואפלייד מטיריאלס

במהלך השנים האחרונות עולה הצורך בטכניקות ניטור חדשות המסוגלות להתמודד עם מערכות מורכבות  בעלות מספר חיישנים גדול. מקרה מיוחד מתעורר בניטור של מערכות בעלות מספר מצבי פעולה (multi-mod), בהן הנתונים שנאספו מחיישנים מבוזרים אינם מייצגים באופן חד-ערכי את מצב המערכת. במקרים אלו, נתוני החיישנים יכולים לייצג התפלגות רב ממדית של אשכולות (clusters) חופפים. המורכבות והאתגר בניטור מערכות אלו נובע מכמה כיוונים - אשכולות הנתונים יכולים לחפוף, הנחת האי-תלות בין חיישנים מופרת לעתים קרובות וההנחה שהנתונים עוקבים אחר התפלגות גאוסיאנית רב-מימדית לא תקפה בהכרח.

הניטור של מערכת multi-mod דורש בראש ובראשונה את זיהוי המצב בו המערכת פועלת ואת מיפוי הקריאות הרב-ממדיות המאפיינות את כל אחד מהמצבים. בנוסף נדרש חישוב של מרווחי ביטחון כדי לזהות מתי המערכת אינה עובדת כמצופה לצורך מתן התראה. במחקרו של הדוקטורנט מרסלו בכר בהנחייתו של פרופ' עירד בן-גל  מוצעת שיטה לבקרת תהליכים סטטיסטי (SPC) שמטרתה התמודדות עם התרחישים הנ"ל. הסכמה המוצעת מבוססת על חלוקה של החיישנים לתתי קבוצות (subspaces) שנבחרו באקראי בשילוב עם תורת החלטות ומדדי תורת האינפורמציה. בפרט, המחקר עושה שימוש בשיטת -Rotation Forest בכדי לבנות קבוצת מסווגים  ((Ensembles of Classifiers, זאת תוך שילובה עם מודל הסתברות בייסאני על מנת להעריך את הניראות לקבלת דגימות נתונים בכל מצב מערכת. בפועל, התוצאה של שיטת הניטור החדשה היא זיהוי של שגיאה ומצב פעולה חדש של המערכת.

המחקר מראה כי לשימוש המשלב תתי-קבוצות של חיישנים ומודלים הסתברותיים יש פוטנציאל טוב לניטור של מערכות מולטי-מוד כאלה. במסגרת של קונסורציום METRO 450 מיושמת השיטה על נתוני אמת שנאספו ממכשירי מטרולוגיה בתעשיית המוליכים למחצה (אפלייד מטיריאלס). איור 1 מציג את התוצאות הראשוניות של השיטה המוצעת ואיור 2 מראה ךצורך השוואה את התוצאה בעת יישום שיטת PCA-Hotelling T² המקובלת כשיטת ניטור סטנדרטית לניטור מערכות רב מימדיות מורכבות.800  דגימות הנתונים הראשונות שייכות למצבי הפעלה רגילים, כאשר ממדגם 800 עד 1022 מקור דגימות הנתונים הינו ממצבי הפעלה חריגים (Out-Of-Control).תחת הגדרת השגיאה סטטיסטית מסוג ראשון של  0.9%, ניתן לזהות את כל דגימות הנתונים שנאספו ממצבי מערכת לא תקינים. לעומת זאת, בעת שימוש בשיטות SPC ידועות, שיעור השגיאה באיתור דגימות נתונים חריגים הינו בסביבות 27% עם שגיאה מסוג ראשון של כ-18%. לשיטת הניטור המוצעת קיימים מספר מאפיינים אטרקטיביים נוספים כגון יכולת הלמוד ואי תלות בהנחות יסוד.