TIME-SERIES FAULT DETECTION, FAULT CLASSIFICATION, AND TRANSITION ANALYSIS USING A K-NEAREST-NEIGHBOR AND LOGISTIC REGRESSION APPROACH

Methods and systems for time-series transient analysis of data are disclosed herein. A method includes receiving time-series data, generating a training data set including randomized data points, generating randomized data point combinations using a set of the randomized data points that are within a time window, computing distance values based on the randomized data point combinations, generating a classifier based on a plurality of computed distance values, and determining, using the classifier, a probability that new timeseries data generated during a new execution of the process matches the time-series data. A system for performing the method is also disclosed. L'invention concerne des procédés et des systèmes d'analyse transitoire de données de série chronologique. Un procédé consiste à recevoir des données de série chronologique, à générer un ensemble de données d'apprentissage comprenant des points de données randomisés, à générer des combinaisons de points de données randomisés à l'aide d'un ensemble des points de données randomisés qui se trouvent à l'intérieur d'une fenêtre temporelle, à calculer des valeurs de distance sur la base des combinaisons de points de données randomisés, à générer un classificateur sur la base d'une pluralité de valeurs de distance calculées, et à déterminer, à l'aide du classificateur, une probabilité de correspondance de nouvelles données de série chronologique générées pendant une nouvelle exécution du processus avec les données de série chronologique. L'invention concerne également sur un système de mise en œuvre du procédé.