لتحسين الكشف عن الشذوذ المنطقي، قامت بعض الدراسات السابقة بدمج تقنيات التجزئة مع أساليب الكشف التقليدية عن الشذوذ. وعلى الرغم من فعالية هذه الأساليب، فإنها تؤدي غالبًا إلى نتائج تجزئة غير مرضية وتحتاج إلى تسميات يدوية. وللتغلب على هذه العيوب، نطور تقنية غير مراقبة لتجميع المكونات تعتمد على النماذج الأساسية لتكوين تلقائي لملفات التدريب الخاصة بشبكة تجزئة خفيفة الوزن دون الحاجة إلى تسميات بشرية. وبدمج هذه التقنية الجديدة مع وحدة "مخطط التجزئة بالقطع" (Patch Histogram) التي نقترحها، ووحدة "الطالب-المعلم المحلي-الكلي" (LGST)، نحقق أداءً بنسبة AUC-ROC تبلغ 95.3% في مجموعة بيانات MVTec LOCO AD، مما يتفوق على أحدث الطرق المُعلنة سابقًا. علاوةً على ذلك، تتميز الطريقة المقترحة بتأخير أقل وأداءً أعلى (Throughput) مقارنةً بمعظم الأساليب الحالية.