Ensembles non supervisés de détection de changepoints hors ligne

Les algorithmes de détection de points de changement (CPD) hors ligne sont utilisés pour segmenter les signaux de manière optimale. Généralement, ces algorithmes reposent sur l'hypothèse que les propriétés statistiques modifiées du signal sont connues, et qu’un modèle approprié (mesures, fonctions de coût) est utilisé pour la détection des points de changement. En l’absence de cette connaissance, le processus de sélection du modèle adéquat peut devenir fastidieux, chronophage et aboutir à des résultats incertains. Bien que l’approche en ensemble soit bien connue pour renforcer la robustesse des algorithmes individuels et faire face aux défis susmentionnés, elle est faiblement formalisée et beaucoup moins explorée dans le contexte des problèmes de détection de points de changement que dans celui de la détection d’anomalies ou de la classification. Ce papier propose une procédure non supervisée d’ensemble pour la détection de points de changement (CPDE), incluant le pseudocode des algorithmes d’ensemble proposés ainsi qu’un lien vers leur implémentation en Python. L’originalité de l’approche réside dans l’agrégation préalable de plusieurs fonctions de coût avant le lancement de la recherche de points de changement, durant l’analyse hors ligne. Les expériences numériques montrent que le CPDE proposé surpasse les méthodes de détection de points de changement non ensembles. Par ailleurs, nous avons mené une analyse approfondie des algorithmes classiques de CPD, des méthodes d’agrandissement (scaling) et des fonctions d’agrégation, en les comparant au cours des expériences numériques. Les résultats ont été obtenus sur deux benchmarks d’anomalies contenant des défauts et pannes industrielles : le Tennessee Eastman Process (TEP) et le Skoltech Anomaly Benchmark (SKAB). Une application potentielle de cette recherche consiste à estimer le moment de survenue d’une défaillance, ce qui est pertinent pour les problèmes d’identification et d’isolement de défauts en diagnostic technique.