Un metodo di ricerca della struttura ottima di un sistema multiagente per l’individuazione di anomalie in applicazioni spaziali

Implementing an anomaly detection system for a plant or a technological equipment is a potentially problematic activity requiring to take into consideration the caracteristics of the monitored processes, the underlying physical phenomena, and their interdependencies. Many anomaly detection methods rely either on detailed domain knowledge or on big datasets from wich to extract information about the behaviour of the monitored system. Therefore the possible absence of domain knowledge combined with a lack of data gathered during nominal operations can represent a significant obstacle. For this reason space missions constitute a particularly challenging context in which anomaly detection might prove tricky. To tackle this problem we propose to use a multiagent system whose flexibility in the addition, removal and aggregation of the agents provides good scalability and adaptability. Each agent is associated with a model of the nominal behaviour of a given variable and will be used to evaluate the data coming from the space system and to estimate how anomalous the mesurement is. The purpose of this thesis is to integrate an existing anomaly detection multiagent system with a method to search the optimal structure of the agents to be used for the aggregation of their results. Several search algorithms are proposed together with many aggregation functions, whose performance is evaluated with respect to different test cases. It is shown that the proposed approach shows promising results as it allows to obtain a structure of agents able to achieve high accuracy in the detection of anomalies for all test cases.

Implementare un sistema di anomaly detection per un impianto o un apparato tecnologico è un'attività complessa che coinvolge considerazioni legate alla natura dei processi monitorati, ai fenomeni fisici sottostanti e alle loro interdipendenze. Molti metodi di anomaly detection sfruttano dettagliata domain knowledge o vasti dataset dai quali estrarre informazioni relative al comportamento del sistema. Pertanto l'eventuale assenza di domain knowledge unita ad una scarsa disponibilità di dati di funzionamento nominale potrebbe costituire un significativo ostacolo. Per questo motivo l'ambito delle missioni spaziali è un contesto in cui la anomaly detection è particolarmente delicata. Per affrontare questo problema proponiamo di utilizzare un sistema multiagente, la cui flessibilità nell'aggiunta, rimozione ed aggregazione degli agenti offre buona scalabilità e adattabilità. Ogni agente è associato ad un modello del comportamento nominale di una variabile ed è utilizzato per analizzare i dati provenienti dal sistema monitorato e valutare quanto la misurazione sia anomala. Lo scopo di questa tesi è integrare un sistema di anomaly detection multiagente esistente con un metodo di ricerca della struttura ottima per l'aggregazione dei risultati calcolati dagli agenti. Nella tesi sono proposti diversi algoritmi per la ricerca della struttura ottima del sistema multiagente e funzioni di aggregazione le cui performance sono state valutate con diversi casi di test. Si è osservato che L'approccio proposto è promettente in quanto permette di ottenere un'elevata accuratezza nel riconoscimento delle anomalie per tutti i casi di test.