宗福季教授课题荣获国家自然科学基金面上项目立项

国家自然科学基金会公布的2023年度国家自然科学基金集中受理申请项目评审结果中香港科技大学(广州)工业信息与智能研究所所长宗福季教授申报的”基于深度学习的工业场景时间序列异常检测和诊断课题获国家自然科学基金面上项目获批立项。

 

利用深度学习革新工业异常检测与诊断

在当今快速发展的工业领域中,快速识别和解决异常问题对于保持最佳运营状态和最小化停机时间至关重要。由数据科学与分析学域和质量与数据分析实验室的宗福季教授和他的研究团队领导的开创性研究项目为解决这一难题提供了一种有前景的新解决方案。该项目名为“基于深度学习的工业场景时间序列异常检测和诊断”,最近获得了中国国家自然科学基金委员会(NSFC)的资助,突显了其潜力,有望革新工业监测和管理异常的方式。

挑战

随着工业越来越多地采用数字技术,它们面临着庞大而复杂的数据集,难以分析和解释。这使得识别可能影响运营的异常模式和事件(例如设备故障)变得具有挑战性。现有的深度学习技术在检测异常方面表现出了一定的优势,但它们在几个方面都存在不足。例如,它们经常无法融合领域特定知识或考虑时间序列数据的时间自相关性。此外,深度学习模型的“黑盒”性质使得它们难以解释,从而阻碍了它们在工业环境中准确地确定和追踪异常的根本原因。

解决方案

为了解决这些问题,宗福季教授的研究项目旨在开发一种新的工业时间序列异常检测和诊断框架。通过利用行业专业人士的专业知识,该团队计划提高异常检测的准确性和效果。他们还将应用先进的统计方法来更可靠地识别真正不寻常的数据点。
此外,研究人员旨在改善深度学习模型的可解释性,使从业者更容易理解和信任其结果。这将使更准确地确定异常的根本原因成为可能,从而加快问题的解决速度和效果。该项目还旨在探索生成AI(AIGC)在工业异常检测中的潜力。

  影响

通过解决时间序列异常检测和诊断中的当前差距,这个创新性的研究项目承诺为工业从业者提供更专业、高效、稳定和易于理解的解决方案。所提出的框架将使工业更有效地监测和管理异常,最终减少停机时间,提高运营效率,增加利润。
宗福季教授和他的团队通过开发时间序列异常检测和诊断的开创性框架,将为工业领域做出重大贡献。通过他们的创新方法和深度学习技术的不断发展,他们正在为全球工业铺平一条更智能、更高效、更有利可图的道路。

Fugee

Fugee

宗福季

 

本项目负责人为香港科技大学(广州)宗福季教授。宗福季教授现为香港科技大学和香港科技大学(广州)讲座教授,工业信息与智能研究所(Triple-I Institute)所长,质量与数据分析实验室(QLab)主任。宗福季教授在工业大数据和质量工程领域享有国际声誉,因其在研究和教育方面的杰出贡献而闻名,他曾担任《质量技术期刊》(Journal of Quality Technology)主编,港科大工业工程与决策分析系主任,以及港科广信息枢纽的创始署理院长。宗教授的杰出成就使他获得了IAQ(国际质量科学院)、ASA(美国统计协会)、ASQ(美国质量协会)、IISE(美国工业与系统工程师协会)、和HKIE(香港工程师学会)等国际知名组织的会士。宗教授的大多数硕士/博士学生都在数据分析及质量控制管理的领域中取得了成功:有10名博士生已成为清华大学、上海交大、西安交大、天津大学、中国科大、澳门大学等知名大学的教授;另有部分学生已经成为相关领域企业如阿里巴巴、华为、飞利浦、家得宝等的质量管理和数据分析专业人士。

本文转载自 香港科技大学广州丨信息枢纽

2023-10-07