通用电气公司的机器学习(异常检测)能力

Question

背景：

我正在研究工业机器数据的时间序列异常检测，偶然发现了通用电气公司.这似乎是一个很有前途的工具，然而，我不熟悉他们的异常检测方法。

问题：

有没有人在异常检测领域有过通用电气公司的经验？如何评价它的异常检测能力？它使用什么技术方法(算法)？关于通用电气公司的其他文献，除了下面的参考文献外，还有我遗漏过的公开可用的文献吗？是否有可用的基准(例如，相对于斯普伦克+普雷尔特)？谁是它的竞争对手？

参考文献：

1) https://www.predix.com/sites/default/files/predixplatformbrief-march_2016.pdf

2) https://www.predix.com/sites/default/files/GE-Software-Modernizing-Machine-to-Machine-Interactions.pdf

Answer 1

(完全披露，我为通用电气工作)

通用电气本身一直在使用其通用电气公司的异常检测算法为工厂建立异常与机器故障之间的关系，以建立预防性维护框架。这些算法经过了大量的测试，以从机器数据中捕捉任何点异常。继续测试数据集:这些算法可供注册开发人员(目录中)在他们的应用程序中使用。

技术方法(算法)：单变量/多变量异常检测算法。它检测移动异常、物理系统行为的意外趋势、异常模式&检测不同变量之间关系的变化。它还检测非常高尺寸(>100)的数据。Mann、Mann、核密度估计等是常用的一些关键算法.