Anomaly Detectionコネクタ

概要

Anomaly Detectionコネクタは、機械学習を使用してデータストリーム内の異常を検出します。

コネクタタイプ: MeddleAnomalyDetect

アルゴリズム: Isolation Forest

設定

{
  "type": "MeddleAnomalyDetect",
  "config": {
    "algorithm": "IsolationForest",
    "parameterKeys": ["temperature", "pressure"],
    "iforestConfig": {
      "numTrees": 100,
      "subsampleSize": 256,
      "anomalyRatio": 0.05,
      "retrainEvery": 50,
      "windowSize": 1000
    }
  }
}

設定パラメータ

algorithm: IsolationForest（現在サポートされている唯一のアルゴリズム）
parameterKeys: 分析するペイロードキーの配列
iforestConfig: Isolation Forest固有の設定

Isolation Forestパラメータ

numTrees: フォレスト内のツリー数（デフォルト：100）
subsampleSize: 各ツリーのサンプルサイズ（デフォルト：256）
anomalyRatio: 予想される異常の比率（デフォルト：0.05 = 5%）
retrainEvery: Nサンプルごとにモデルを再トレーニング（デフォルト：50）
windowSize: トレーニングウィンドウサイズ（デフォルト：1000）

仕組み

トレーニングフェーズ: モデルを構築するために初期データを収集
検出フェーズ: 新しいデータポイントに異常スコアを付ける
再トレーニング: 新しいデータで定期的にモデルを更新
出力: ペイロードにanomaly_scoreとis_anomalyを追加

出力例

入力:

{
  "temperature": 25.5,
  "pressure": 101.3
}

出力:

{
  "temperature": 25.5,
  "pressure": 101.3,
  "anomaly_score": 0.42,
  "is_anomaly": false
}

異常検出:

{
  "temperature": 95.0,
  "pressure": 150.0,
  "anomaly_score": 0.89,
  "is_anomaly": true
}

ユースケース

予知保全 - 故障前に機器の異常を検出
品質管理 - 欠陥製品を特定
プロセス監視 - 異常なプロセス動作を検出
セキュリティ - 異常なシステム動作を特定

パラメータチューニング

ノイズの多いデータの場合

anomalyRatioとsubsampleSizeを増やす：

{
  "anomalyRatio": 0.1,
  "subsampleSize": 512
}

安定したプロセスの場合

anomalyRatioを減らし、windowSizeを増やす：

{
  "anomalyRatio": 0.01,
  "windowSize": 2000
}

急速に変化する条件の場合

retrainEveryを減らす：

{
  "retrainEvery": 25
}

ベストプラクティス

関連パラメータを選択 - 意味のあるメトリクスのみを含める
トレーニング期間を許可 - モデルは学習するために初期データが必要
異常比率を調整 - ドメインに合わせて適応
誤検知を監視 - 誤アラームが多すぎる場合はパラメータを調整
アラートと組み合わせる - 通知のためにAlertコネクタと使用

ワークフロー例

OpcuaReader → AnomalyDetect → Trigger → Alert
                                  ↓
                            InfluxDb2Writer

センサーデータを読み取る
異常を検出
is_anomaly == trueでトリガー
アラートを送信してデータベースに保存