في عالم إنترنت الأشياء (IoT) والأنظمة الفيزيائية الإلكترونية، تُعد عملية الكشف عن الشذوذ في السلاسل الزمنية واحدة من أكثر التطبيقات المبتكرة. لكنها، للأسف، تعاني من تحديات كبيرة في تقييم أدائها. غالبًا ما تصطدم المقاييس التقليدية بتنوع الأهداف المُستخدمة، مما يصعب عملية اتباع معايير تقييم واحدة.

تقديم بحث جديد، قُدم إطار عمل يعتمد على المشاكل، حيث أعيد تفسير المقاييس الحالية بناءً على التحديات المحددة التي تهدف إلى معالجتها. هذا البحث يحلل أكثر من 20 مقياسًا مستخدمًا بشكل شائع ويصنفها ضمن ستة أبعاد رئيسية:

1. التقييم المدفوع بدقة النتائج الأساسية.
2. آليات المكافآت التي تأخذ في الاعتبار توقيت النتائج.
3. التسامح مع عدم الدقة في التصنيف.
4. العقوبات التي تعكس تكاليف التدقيق البشري.
5. القوة ضد الأرقام العشوائية أو المبالغ فيها.
6. قابلية المقارنة دون اعتماد على المعلمات لتقييم الأداء عبر مجموعات البيانات.

أُجريت تجارب شاملة لاختبار سلوك المقاييس في سيناريوهات الكشف الحقيقية والعشوائية والمثالية، وقام الباحثون بمقارنة توزيعات نتائج هذه المقاييس لتقييم قدرتها على التمييز بين الاكتشافات الفعلية والضوضاء العشوائية. أظهرت النتائج أن معظم مقاييس المستوى الحدثي تتمتع بقدرة تمييز قوية، بينما أظهرت مقاييس شائعة الاستخدام، مثل NAB و Point-Adjust، مقاومة محدودة للتضخم العشوائي.

تكشف هذه النتائج أن ملاءمة المقاييس يجب أن تكون اعتمادية على المهام ومدعومة بأهداف التشغيل لعمليات إنترنت الأشياء. كما يوفر الإطار المقترح رؤية تحليلية موحدة لفهم المقاييس الحالية، ويعطي إرشادات عملية لاختيار أو تطوير منهجيات تقييم أكثر توافقًا ومرونة في الكشف عن الشذوذ في السلاسل الزمنية.