多產品網路物理系統中用於穩健過程監控的產品感知深度自動編碼器

研究論文探討在工業 4.0 加速網路物理系統整合的背景下，異常偵測對確保製造過程安全的重要性。現有數據驅動方法通常採用「產品無關」或全域模型，訓練於所有正常操作數據的聚合上。然而，現代工業設施常運作於多樣化產品等級下，這些全域模型在決策邊界上擴展以適應多模式變異，從而產生盲點，使細微異常或針對性網路物理攻擊可能被模型寬廣的接受區域所掩蓋。本文首先示範上述漏洞存在於跨多產品等級運作的全域無關模型中，接著提出產品感知自動編碼器作為原則性緩解措施，將學習領域限制到等級特定分布。此方法減少識別出的盲點風險，但並非宣稱其為所有可能替代方案中的最佳選擇。研究使用擴展田納西東部過程基準測試嚴格驗證此方法對抗全域無關基線。實證結果表明，產品感知框架在標準偵測指標上與全域基線性能相當，同時在產品等級特定操作模式下提供改進的穩健性。最關鍵的是，壓力測試模擬假設攻擊場景顯示，全域模型在 77.8% 場景中未能偵測到操作偏差，而產品感知系統達到 100% 偵測準確率。這些發現暗示，在彈性製造環境中，通用異常偵測器可能帶來非平凡安全風險，激勵轉向模式感知診斷架構。