SMKC: Methode erkennt Anomalien in Zeitreihen mit wechselnder Variablendichte
In vielen industriellen Überwachungssystemen ändern sich die gemessenen Sensoren ständig – neue Sensoren werden eingebaut, alte fallen aus oder werden umbenannt. Diese „Sensor‑Churn“-Phänomene führen zu Zeitreihen, deren Variablendichte sich im Verlauf ändert und die während des Trainings unbekannte Werte enthalten können. Traditionelle Anomalie‑Erkennungsalgorithmen gehen jedoch davon aus, dass die beobachteten Variablen konstant bleiben, was in solchen Szenarien zu Fehlalarmen oder verpassten Anomalien führt.
