Detección de anomalías en datos de inspección de vehículos

Abstract

El objetivo de este TFM ha sido desarrollar una aplicación que sea capaz de obtener la información necesaria para discernir si una inspección de ITV tiene anomalías en sus resultados o no a partir de una fuente de datos introducida por texto o Excel. En particular, nos interesa detectar si diferentes inspectores dentro de la misma ITV actúan de forma diferente. Para ello partiremos de un fichero de datos con los datos de las inspecciones durante un periodo relativamente largo (por ejemplo, un año). Con este propósito nos hemos servido del cálculo de reglas de asociación mediante el algoritmo Apriori. Las reglas de asociación nos permiten saber qué deficiencias de los vehículos se encuentran habitualmente de forma conjunta durante la inspección de un vehículo. Usando los resultados de las reglas de asociación junto con los test estadísticos, podremos verificar si hay alguna discrepancia entre los resultados obtenidos por cada inspector en las ITV. El resultado del trabajo es un método que permite detectar estas anomalías, mostrar los defectos que atestiguan el comportamiento anómalo y, lo que es más importante, asegurar que las anomalías detectadas son estadísticamente significativas. Este método ha sido implementado en una herramienta disponible que puede ser empleada por entidades de inspección de ITVs como ENAC.

The objective of this TFM has been to develop an application that can discern if an ITV inspection has anomalies in its results from a data source entered by text or Excel. In particular, we are interested in detecting if different inspectors within the same inspection station act differently. The dataset considered consists of data files containing the inspection data for a relatively long period (e.g. one year). To do this, we have used the association rules using the Apriori algorithm. The association rules allow us to know which deficiencies of the vehicles are usually found together during the inspection of a vehicle. Using the results of the association rules together with the statistical tests, we will be able to verify if there is any discrepancy between the results obtained by each inspector in the ITV. The result of the work is a method to detect these anomalies, to show the defects that testify to the abnormal behavior and, more importantly, to ensure that the anomalies detected are statistically significant. This method has been implemented in an available tool that can be used by ITVs inspection entities such as ENAC.