Visual analytics e outlying aspect mining: contextualização de anomalias considerando questões temporais e multidimensionais

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Benghi, Felipe Marx lattes
Orientador(a): Gomes Junior, Luiz Celso lattes
Banca de defesa: Santanche, Andre lattes, Gomes Junior, Luiz Celso lattes, Delgado, Myriam Regattieri de Biase da Silva lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Tecnológica Federal do Paraná
Curitiba
Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/25358
Resumo: Outlying Aspect Mining (OAM) é um novo método para o tratamento de anomalias que, em vez de focar somente na detecção, também fornece uma explicação para o estado anormal. Para tanto, é apresentado um subespaço com os atributos considerados mais relevantes para a compreensão dos aspectos excepcionais da amostra. Existem muitos desafios na aplicação de OAM, como a explosão combinatória do espaço de busca e a habilidade de se comparar métricas calculadas para subespaços com diferentes dimensionalidades. Ainda assim, listar um grupo de atributos não é o bastante para um especialista humano compreender a situação e tomar as medidas necessárias. Uma abordagem visual e de alto nível pode melhorar o processo e fornecer melhores indícios cognitivos para especialistas. Neste trabalho, descrevemos a aplicação de uma técnica de OAM em um problema de detecção de falhas em locomotivas. A partir da experiência adquirida neste caso de uso, propusemos e desenvolvemos uma plataforma de Análise Visual para processamento e apresentação de dados de forma amigável a humanos. Uma novidade disponível nesta plataforma são gráficos de coordenadas paralelas que exibem dados temporais multidimensionais. Esta representação busca contornar as limitações do sistema visual humano e ajuda na investigação de anomalias. Para explorar e validar a usabilidade da ferramenta desenvolvida, o caso de uso de operação de locomotivas é novamente empregado.