Qué datos quiero: patrones a partir de series temporales

Lo primero que nos preguntamos, obviamente, es qué datos específicos debíamos utilizar. Esta elección condiciona la calidad del modelo, pues éste se construye en torno a ellos.

Cada vez que se produce la entrada o la salida de una entidad sobre una región concreta, el sistema almacena un registro a tal efecto en tiempo real, obteniendo de este modo series temporales de eventos que pueden ser explotadas para la extracción de modelos o patrones de comportamiento. La solución pasa, por tanto, por implementar un modelo capaz de detectar anomalías en dichos patrones.

No obstante, el primer problema surge por no disponer al inicio de registros previamente etiquetados o categorizados, es decir, no existe información o conocimiento previo sobre qué es una anomalía y qué no dentro del análisis de las series definidas.

Saltamos el obstáculo con el uso de un sistema no supervisado

Hasta que el sistema reciba dicha información etiquetada, solo se puede usar un método no supervisado, consistente esencialmente en un proceso de clasificación de registros en varios grupos, cada uno de ellos con sus propias características y centroides calculados.

Para la construcción del modelo, se utilizó el algoritmo K-means, implementado a su vez a través de la librería scikit-learn integrada en el proyecto. El modelo resultante es un clúster entrenado con tres centroides, de modo que todos los puntos (eventos de entrada o salida en el escenario práctico) que sean clasificados por el modelo dentro de un clúster que contenga menos del 20% de los puntos (eventos) totales, podrían considerarse como una anomalía.

En referencia al entrenamiento del modelo, se utilizan eventos de entrada y salida de entidades sobre regiones virtuales calculados y almacenados por el core del sistema de forma continua. En concreto, en las primeras pruebas se utilizaron 77.000 registros para ello. En el gráfico puede diferenciarse, por colores, el grupo o clúster en el que entra o es clasificado cada evento de entrada o salida. Es evidente concluir, a la vista de los resultados, cómo el modelo considera anomalías aquellos casos que arrojan valores altos.

Un par de mejoras: integración y chequeo

Muy bien pero ¿cómo se usa el modelo? ¿cómo se integra en el sistema de control de la producción? El uso del modelo de detección de anomalías por parte de terceros se materializa a través de la implementación de sus servicios sobre el API REST del sistema, sirviendo sus resultados en tiempo real a cada petición que se desee realizar.

Cabe destacar por último que la acción manual del usuario final puede resultar decisiva para el entrenamiento y la mejora constante del modelo en relación con la clasificación de anomalías. Más allá de la automatización no supervisada que propone, se considera de interés aportar interfaces que permitan a un usuario declarar de forma manual algún evento o suceso como anómalo, ayudando de este modo a la categorización llevada a cabo y, por tanto, a la mejora continua del sistema.