(Lezione 04.03 · 18 minuti · Sensori di movimento · Primo modello)

Accorgersi di ciò che è strano.

Un guasto capita di rado e ogni volta in modo diverso. Qui un modello impara solo com'è il normale, con il telefono appoggiato sulla lavatrice, e segnala tutto quello che se ne allontana.

Cosa impari

Perché per i guasti si impara il normale invece delle classi
Due modi di misurare quanto una cosa è strana
Come si sceglie la soglia dell'allarme
Cos'è la deriva e perché il normale va aggiornato

Ti serve sapere

Se non ti ricordi una di queste cose, il link ti porta al capitolo che la spiega.

Come vuoi seguirla

Preparo la scena…

01 Il problema
I guasti sono rari, e ognuno è diverso.

Vuoi accorgerti che la lavatrice si è sbilanciata. Per un classificatore servirebbero tanti esempi di lavatrice sbilanciata, e di ogni altro modo in cui può rompersi. Non li hai, e non vuoi romperla per averli. Di lavaggi normali invece puoi registrarne quanti vuoi. Un modello per le anomalie^01.04 parte proprio da lì.

In pratica. Quando i casi da trovare sono rari o tutti diversi, pensa alle anomalie prima che alle classi. Ti servono solo esempi di quando va tutto bene.
02 Il normale
Il modello impara solo com'è il normale.

Appoggi il telefono sulla lavatrice e registri qualche lavaggio normale. Ogni finestra^04.01 di pochi secondi diventa un punto, descritto dalle sue caratteristiche^04.01, per esempio quanto è forte la vibrazione. I punti normali si raccolgono in una nuvola. Il modello impara la forma di quella nuvola, e nient'altro.

In pratica. Registra il normale in tutte le sue varianti. A 30 e a 60 gradi, pieno e mezzo vuoto, centrifuga lenta e veloce. Il normale è più largo di quanto pensi.
03 La distanza
Strano vuol dire lontano da tutto quello che hai visto.

Per una finestra nuova il modello misura quanto è lontana dalla nuvola del normale. Il modo più semplice è cercare i punti normali più vicini^01.04 e misurare la distanza. Una finestra vicina alla nuvola è normale, una lontana è un'anomalia, qualunque sia la causa. Il modello non sa cosa si è rotto, sa solo che è diverso.

In pratica. Un modello per le anomalie non dà un nome al problema. Se ti serve il nome, conserva le anomalie che trova e più avanti addestra un classificatore con quelle.
04 La copia
Una rete che prova a ricopiare quello che vede.

Un altro metodo usa una rete a forma di clessidra. Riceve la finestra, la stringe in pochi numeri e prova a ricostruirla. Addestrata solo sul normale, lo ricopia bene. Una vibrazione strana invece la ricopia male, perché non l'ha mai vista. L'errore della copia diventa il punteggio di stranezza. Questa rete si chiama autoencoder.

In pratica. Guarda l'errore della copia lungo un lavaggio intero. Deve restare basso e piatto nel normale, e salire solo quando succede qualcosa.
05 La soglia
Si decide dove finisce il normale.

Il punteggio di stranezza è un numero, e serve una soglia oltre cui dare l'allarme. Si sceglie guardando i punteggi di finestre normali che il modello non ha visto. Spesso si prende il valore che solo una su cento supera. Così si accetta un allarme a vuoto ogni cento finestre, e si prende quasi tutto quello che è davvero fuori.

In pratica. Una finestra strana da sola può essere un colpo sul mobile. Dai l'allarme solo se restano strane più finestre di fila.
06 La deriva
Anche il normale cambia con il tempo.

Dopo sei mesi la lavatrice vibra un po' di più, i piedini si sono allentati, il pavimento non è più lo stesso. Per il modello tutto è diventato un po' strano, e gli allarmi aumentano. Questo spostamento lento si chiama deriva. Ogni tanto il modello va aggiornato con il nuovo normale, senza insegnargli come normale un guasto vero.

In pratica. Salva con la data i punteggi di stranezza. Se la media sale piano per settimane è deriva, se salta in un giorno è un guasto.
07 In fabbrica
Le stesse idee tengono d'occhio le macchine.

Nelle fabbriche si fa lo stesso con motori, pompe e ventilatori. Un sensore di vibrazione sta attaccato alla macchina e un modello piccolo lì accanto decide se il rumore è quello di sempre. Si chiama manutenzione predittiva. Lo scopo è accorgersi di un cuscinetto che si consuma settimane prima che si rompa.

In pratica. Il telefono è un buon prototipo per capire se un problema si sente dalla vibrazione. Se funziona con il telefono, un sensore da pochi euro farà lo stesso.

01 / 07

(Approfondisci)

Qualche numero in più.

(01)

Perché non bastano le classi

Immagina una macchina che si guasta una volta all'anno. Con una finestra ogni due secondi, in un anno registri quasi sedici milioni di finestre normali e forse qualche decina di finestre del guasto. Nessun classificatore impara da un rapporto così, e comunque il guasto dell'anno dopo sarà diverso.

Per questo le anomalie si trattano al contrario. Si descrive bene una sola cosa, il normale, di cui gli esempi abbondano. Tutto quello che non gli somiglia diventa sospetto, anche un guasto che nessuno aveva mai visto.

15,8 Mfinestre di due secondi in un anno
1guasto all'anno

(02)

L'autoencoder in pratica

Per le vibrazioni basta un autoencoder piccolissimo. Entrano per esempio 30 caratteristiche, la rete le stringe a 8 e poi a 3 numeri, e poi le riallarga a 8 e di nuovo a 30. Il collo di tre numeri obbliga la rete a imparare solo le regole del normale, non a copiare tutto.

Il punteggio di stranezza è la media dei quadrati delle differenze tra ingresso e copia. Si addestra con le sole finestre normali, per poche decine di epoche, e sul telefono pesa qualche kilobyte.

stranezza = media( (ingresso − copia)² )
allarme se stranezza > soglia per 3 finestre di fila

(03)

Come si controlla che funzioni

Per addestrare bastano esempi normali, ma per dare un voto al modello servono anche alcune anomalie. Se non ne hai, si possono creare in modo sicuro. Un peso mal distribuito nel cestello, un ventilatore con una moneta attaccata a una pala, un piedino rialzato con un libro.

Poi si contano due cose. Quante anomalie vere il modello trova, e quanti allarmi a vuoto dà su ore di funzionamento normale. Sono gli stessi due errori di ogni sistema che sorveglia, e la soglia sposta l'equilibrio tra loro.

(Prova sul telefono)

Il ventilatore sbilanciato

Nel laboratorio addestri un modello per le anomalie con un ventilatore da tavolo o la lavatrice. Servono dieci minuti e un pezzo di nastro adesivo.

Apri il laboratorio, scegli l'ingresso Movimento e il compito Anomalie.
Appoggia il telefono sopra il ventilatore acceso. Con Registrazione continua registra un minuto alla prima velocità, poi un minuto alla seconda.
Premi Addestra. Il modello impara solo il normale.
Spegni il ventilatore e attacca una moneta a una pala con il nastro adesivo.
Riaccendilo, vai in Usa e premi Prova dal vivo. Guarda la stranezza salire, poi togli la moneta e guardala scendere.

Apri il laboratorio →

(Verifica)

4 domande per chiudere la lezione.

Quando rispondi a tutte, la lezione risulta fatta e sulla mappa la sua pietra diventa gialla. Conta rispondere, non il punteggio.

(01)

Perché per i guasti si impara il normale invece di addestrare un classificatore?
(02)

Un autoencoder addestrato sul normale ricopia male una vibrazione nuova. Cosa vuol dire?
(03)

Come si sceglie la soglia dell'allarme?
(04)

Dopo mesi gli allarmi aumentano piano, settimana dopo settimana. Cosa sta succedendo?

Parole nuove, e dove sono spiegate

Autoencodercapitolo 4
Derivacapitolo 6

Fonti e letture

Per chiudere la lezione rispondi alla verifica

← Riconoscere un gesto o un'attività Torna alla mappa

(Prossima lezione · 04.04) Prevedere un numero