《Machine Learning with Applications》：A Segmentation-based Episodic Representation Framework for Cross-Design Comparison in Multi-Mode Industrial Time Series
编辑推荐：
多模式工业时间序列包含反复出现的操作工况，其表示方式决定了后续过程行为被如何解读。分割（segmentation）通常被视为一个预处理选项，尽管不同的设计可能产生不同的状态词汇、情节边界和参考上下文。本文引入了基于分割的情节表示框架（Segmentation-
多模式工业时间序列包含反复出现的操作工况，其表示方式决定了后续过程行为被如何解读。分割（segmentation）通常被视为一个预处理选项，尽管不同的设计可能产生不同的状态词汇、情节边界和参考上下文。本文引入了基于分割的情节表示框架（Segmentation-based Episodic Representation Framework，SERF）。这一与检测器无关（detector-independent）的四阶段框架将异构的分割输出标准化为可比较的情节，并在共享的元模式空间中对齐方法特定的状态，以进行跨设计分析。在CNC生产数据上，SERF展示了异构分割设计如何能够在共同的情节空间中被标准化和比较，并通过k-means、HDBSCAN和HMM加以说明，同时将设计相关的差异与对齐后仍然稳定的循环结构区分开来。一项独立的留出工业控制评估首先在不使用攻击标签的情况下识别多通道极端性（multichannel extremeness）。然后，研究人员将所得模式与带注释的攻击进行比较，以确定表示引起的变化是否与异常过程事件相对应。结果表明，替代表示确实会显著改变多通道极端性，且其影响取决于分割粒度、元模式对齐以及未见的过程实现。凭借从正常发展数据中导出的99%通道级经验参考区间（channel-wise empirical reference intervals），55个SERF条件下配置中的32个在汇总AUROC中超过了GLOBAL，而在汇总AUPRC中则没有，这揭示了在异常行为敏感性与正常运行期间极端性之间反复出现的权衡。因此，SERF提供了一个通用的审计层，用于区分稳健的操作结构与依赖于分割的细节，并评估替代操作上下文表示的下游相关性。
以下是根据论文主体内容撰写的解读文章：
**研究背景与问题**
现代工业系统通过密集的传感、控制和日志基础设施进行监测，生成高维多元时间序列。在这些环境中，异常检测不仅需要识别偏离正常行为的现象，还要支持及时且有操作意义的诊断。然而，工业过程很少在单一平稳工况下运行，而是经历启动、升速、稳定生产、调整、短暂中断和过渡状态等多个操作阶段，每个阶段具有不同的统计特性、时间持续性和操作语义。在这种情况下，异常的判定本质上是依赖于上下文的：相同的信号配置在一个阶段是可接受的，在另一个阶段则可能存在问题。这种上下文依赖性使得多模式时间序列异常检测根本上有别于针对单一全局正常性概念的监测。
尽管工业异常检测方法已有显著进展，但大部分文献仍强调检测器架构和预测性能，而上游操作参考的构建相对隐式。将过程行为分解为模式、分段或情节通常被视为预处理选择、建模副作用或设计特定的实现细节。这造成了一个重要的方法论空白：在分割设计不同的情况下，产生的边界、状态词汇、持续时间和转换模式可能差异显著，下游偏差评估的差异可能既反映真实的过程结构，也可能源于分割设计本身。此外，预处理、边界构建和后处理决策可能无声地重新定义评估目标。第三个问题涉及可解释性和可审计性：许多时间序列异常检测系统返回的分数或决策难以转化为过程一致的解释，操作员需要基于阶段的理解，例如阶段是否异常延长、转换是否发生在不合理时刻、工况是否不稳定等。因此，需要一种显式且稳定的过程表示，能够在不同分割设计间保持可解释性。
为应对这些挑战，研究人员提出了基于分割的情节表示框架（Segmentation-based Episodic Representation Framework，SERF），这是一个与检测器无关的四阶段框架，旨在将异构分割输出标准化为可比较的情节，并在共享元模式空间中对齐方法特定状态。
**研究设计与主要技术方法**
该研究开发并验证了SERF框架，包含四个阶段：Stage 1构建共享操作状态表示，将异质工业记录统一为共同的多元时间序列；Stage 2应用备选分割设计，包括基于窗口的划分聚类（k-means）、基于窗口的密度聚类（HDBSCAN）和基于潜状态的序列分割（HMM，隐马尔可夫模型），生成时间排序的原始标签序列；Stage 3将原始分割输出转换为共同的情节形式，进行边界稳定化处理、原始标签原型构建和元模式对齐，采用Ward凝聚层次聚类将不同设计的原始状态映射到共享元模式词汇表；Stage 4在共享情节和元模式空间中进行跨设计评估，包括碎片化与持续性分析、元模式占用与转换结构、成对跨设计一致性（使用精确时间一致性指标和调整兰德指数ARI）、以及稳健情节核心提取。
研究在两项工业数据上进行了评估。结构性评估使用公开的5轴CNC铣削系列生产数据集，包含13个真实生产系列的机器内部控制信号，涵盖277个有效连续运行段，共331,254个时间点。功能性评估使用HAI 21.03硬件在环工业控制系统安全数据集，以train1.csv作为唯一正常开发数据（216,001个观测），test1至test5作为留出评估运行（402,005个时间戳，含50个标注攻击事件）。框架在完成所有数据依赖的开发决策后才引入外部标注进行独立功能验证。
**主要研究结果**
**Stage 2：分割过程**：在CNC案例中，k-means分支在不同窗口长度下均稳定恢复粗粒度操作词汇（K=4），产生约4,500个初步情节，中位持续时间为16-25个时间点；HDBSCAN分支在保守参数下产生13-21个簇并保持噪声比例在16-22%范围内；HMM分支中10状态对角协方差模型在拟合度、状态利用和时间一致性间取得最佳平衡。运行级切换密度分析显示，k-means中位切换密度为12.99次/千时间点，HMM为20.08，HDBSCAN为22.01（Friedman χ2=136.04, p=2.88×10?3?, Kendall's W=0.445）。
**Stage 3：边界稳定化与原型构建**：边界稳定化显著减少了所有分割族的片段数，但效果依赖设计：k-means 5s表示在dmin=5时减少38.8-45.1%，在dmin=10时减少63.2-79.5%；HDBSCAN 5s表示在dmin=5时减少41.5%，在dmin=10时减少70.4%；HMM各配置在dmin=5时减少31.4-58.9%，在dmin=10时减少45.7-73.6%。稳定化后族级差异依然显著。元模式对齐在HDBSCAN分支产生最强的切换整合效果，5s变体的切换减少量达53.5-55.9%，而k-means和HMM的整合效果较弱。
**Stage 4：跨设计情节评估**：CNC案例中5个保留三元组在元模式空间中呈现出不同的稳定性。组1、4、5具有较高的成对一致性，精确一致性范围为0.614-0.728，ARI范围为0.441-0.562，且识别出丰富的n=3稳健情节核心；组2中HDBSCAN和k-means的ARI达到0.581而精确一致性仅0.368；组3中k-means分支与其他设计明显偏离，ARI仅0.073-0.103。元模式对压缩CNC阶段标签的因果映射显示，推断的元模式与形式阶段标签呈结构化但非排他性的对应关系，主导阶段份额中位数为0.410-0.525。
**功能性评估**：在HAI数据上，11个保留分割设计产生了55个SERF条件下参考配置（5个表示×11个设计，含k-means 4个设计、HDBSCAN 4个设计、HMM 3个设计）。上下文条件化显著改变了多通道极端性分布：在99%参考覆盖下，GLOBAL平均Kt范围从test2的0.65到test4的2.35，而SERF条件下范围扩展至0.93-8.48。边界稳定化几乎未改变HAI上的多通道极端性，而元模式对齐产生较大影响：HDBSCAN在Kt≥5的极端时间比例从原生表示的23.74-33.99%降至对齐后的7.76-9.44%，k-means中KM13变体的相应范围从42.31-42.63%降至16.93-17.97%。对齐后的分析在共享操作工况M1-M7中局部化了功能效应：在Kt≥10层，M6的攻击覆盖率从GLOBAL的15.13-25.06%升至元模式条件下的59.47-86.39%，正常覆盖率仅从0.03-0.07%升至1.98-3.90%。
**外部功能验证**：在99%参考覆盖下，GLOBAL的汇总AUROC为0.834、AUPRC为0.439。55个SERF条件化配置中有32个超过GLOBAL的AUROC，但在汇总AUPRC中没有任何配置超过GLOBAL。运行级结果显示出强烈的过程实现依赖性：test2中全部55个SERF配置超过GLOBAL AUROC，而test4中没有任何配置超过。事件级分析表明，在Kt≥10时SERF条件化配置覆盖37-44个攻击事件（GLOBAL为34个），平均事件内覆盖率从GLOBAL的19.51%升至29.86-58.79%，但伴随着更高的正常操作极端性和更低的区间精确率。在98%和95%敏感度设置下观察到了相同的整体模式。
**讨论与结论**
讨论部分指出，分割设计的选择不仅仅改变局部标签，而是显著影响哪些结构被视为持续操作阶段、转换或碎片化区域。跨设计稳定性呈现分级视图：某些保留三元组在占用率、转换轴、成对一致性和稳健情节核心等维度上保持一致，而其他三元组则明显对设计选择敏感。功能性分析表明，上下文条件化可以改善对标注异常的敏感性，但也增加了正常操作的极端性负担，这一权衡无法通过单一的粗-细粒度排序来简单描述。外部标注验证确认，替代操作上下文表示的功能效应是真实的且依赖于分割粒度、共享操作工况和未见过程实现。SERF通过本身不解决分割设计的选择问题，而是提供一个审计层，使操作结构中的稳健部分与依赖设计的部分得以区分，从而支持对替代操作上下文表示的下游相关性进行系统评估。研究结论认为，操作上下文应被视为显式的分析对象，而非预处理附带产物。SERF的结构性和功能性评估共同将其定位为一个审计框架，用于确定哪些操作上下文结构在分割设计间保持稳健，以及替代表示如何传播到下游过程响应评估中。未来工作将测试更广泛的工业系统和分割原理，并将SERF导出的工况与既有异常检测器集成，以检验观察到的表示效应能否转化为改进的检测性能。
