Detecção de anomalias aplicada em internet das coisas industriais

Abstract

Num ambiente com a Internet das Coisas é gerado cada vez mais dados provenientes de sensores, e esses dados podem ser analisados para gerar informações úteis. Dados anômalos trazem informação consigo, porém, caso sejam ignorados, eles podem atrapalhar as análises, alterando as informações geradas e assim tomando conclusões imprecisas. Esse trabalho visa investigar técnicas de detecção de anomalias em séries temporais, para trazer mais informações sobre a séries estudadas, e aplicar algumas dessas técnicas utilizando Python para avaliar os resultados, integrando o processo todo utilizando a plataforma ThingsBoard. O modelo aplicado, ARIMA, trouxe resultados satisfatórios e a plataforma atendeu as funcionalidades exigidas.

Within an Internet of Things environment, more and more data is generated from sensors, and this data can be analyzed to generate useful information. Anomalous data bring information with them, but if ignored, they can disrupt the analysis, altering the information generated and thus taking inaccurate conclusions. This work aims to investigate anomaly detection techniques for time series, to bring more information about the studied series, and apply some of these techniques using Python to evaluate the results, integrating the whole process using the ThingsBoard platform. The applied model, ARIMA, brought satisfactory results and the platform met the required functionalities.