前言

一般而言,我们希望监控可以指标,比如交易的成功率。

  [plaintext]
1
成功率 = (成功数 / 交易总数) * 100%

然后配置阈值 成功率 < 80%,我们就报警。

但实际可能会存在问题,比如交易数过低问题、或者某些时间段就是特别低,一直如此。

经常性的问题,我们就不认为这个有问题。

有没有什么好的方法,可以解决这个问题?

有的:

  [plaintext]
1
预期成功率 = 成功率 / 模型预期成功率

这里的模型可以是一个简单的 触须线(Whiskers)。

chat

监控中的Whisker线详解

一、数据监控中的Whisker线(箱线图)

监控中的Whisker线详解

一、数据监控中的Whisker线(箱线图)

箱线图(Box and Whisker Plot)是一种用于数据分布可视化和异常值检测的统计工具,其核心组成部分包括箱体(Box)和触须线(Whiskers)。

在监控场景中,Whisker线通过定义数据范围边界,帮助识别异常值并分析数据分布特征。

1. 定义与结构
  • 箱体:由第一四分位数(Q1)到第三四分位数(Q3)构成,箱体内部的中线表示中位数(Q2),反映数据的集中趋势。
  • Whisker线:从箱体两端延伸至最小值和最大值,通常定义为:
    • 上限:Q3 + 1.5×IQR(四分位距,即Q3-Q1)
    • 下限:Q1 - 1.5×IQR。
  • 异常值:超出Whisker范围的数据点被视为异常值,需单独标记。
2. 应用场景与优势
  • 工业过程监控:例如在烧结矿FeO含量预测中,箱线图用于剔除异常数据,提升模型准确性。
  • 科研数据分析:通过Whisker线快速识别实验数据中的极端值,减少噪声干扰。
  • 商业决策支持:在用户行为分析中,Whisker线可帮助发现异常交易或流量波动。
3. 动态调整与局限性
  • 动态范围:某些场景下,Whisker线可能基于2倍标准差或其他阈值定义,需根据具体需求调整。
  • 局限性:对非对称分布的数据,Whisker线可能无法完全反映尾部特征,需结合密度图使用。

二、物理监控中的Whisker传感器

Whisker传感器是一种仿生触觉装置,模拟动物胡须的机械感知能力,广泛应用于机器人、水下探测和工业自动化等领域。

1. 工作原理与技术实现
  • 机械形变检测:当Whisker接触物体时,其根部产生弯曲形变,通过应变片、压电材料或光学传感器转换为电信号。
  • 信号处理
    • 单比特型:仅检测接触状态(ON/OFF),适用于低成本障碍物避让。
    • 模拟型:测量形变量以估算接触距离和方向,需结合霍尔效应或摩擦电技术实现高精度。
  • 材料选择:常用弹性合金(如TiNi形状记忆合金)或碳纤维增强复合材料,兼具灵敏度和耐久性。
2. 典型应用案例
  • 机器人导航:移动机器人通过Whisker阵列感知障碍物位置,动态调整路径。
  • 水下探测:仿海豹胡须传感器检测水流扰动,用于自主水下航行器(AUV)的导航与目标追踪。
  • 工业质检:旋转式Whisker传感器扫描表面缺陷,结合机器学习算法实现高精度异常检测。
3. 技术挑战与创新
  • 多模态感知:通过集成多个Whisker传感器和视觉/听觉模块,提升环境感知的鲁棒性。
  • 微型化设计:采用3D打印和MEMS技术,减少传感器体积并提高集成度。
  • 自供能技术:摩擦纳米发电机(TENG)可将机械能转化为电能,实现无源传感。

三、Whisker在不同监控场景中的对比分析

维度 箱线图Whisker线 Whisker传感器
核心功能 数据分布可视化与异常值检测 物理环境感知与接触检测
适用场景 数据分析、工业过程监控、科研 机器人、水下探测、工业自动化
精度 依赖统计阈值,受数据分布影响 微米级形变检测,部分型号支持多维力反馈
成本 低(软件工具实现) 中高(材料与制造工艺复杂)
实时性 延迟较高(需批量数据处理) 毫秒级响应,支持动态交互
环境适应性 仅限数字环境 耐水下高压、极端温度及电磁干扰

四、未来发展趋势

  1. 智能化融合:箱线图Whisker线将与机器学习结合,实现动态阈值优化;Whisker传感器则通过边缘计算提升实时决策能力。
  2. 跨领域协同:例如在智能工厂中,箱线图监控生产数据异常,同时Whisker传感器检测设备物理状态,形成闭环质量控制。
  3. 仿生学突破:基于海豹胡须的流体动力学特性,开发下一代水下Whisker传感器,提升远距离目标追踪能力。

五、总结

监控中的Whisker线涵盖数据科学与物理传感两大领域:在数据分析中,箱线图的Whisker线是异常检测的核心工具;

在物理监控中,Whisker传感器通过仿生设计实现高精度环境感知。

两者共同推动着工业自动化、机器人技术和智能系统的进步,未来在智能化与跨学科融合中将发挥更关键的作用。

参考资料