MTV：用于检测、研究和标注多变量时间序列异常的可视化分析系统

检测时变多变量数据中的异常对于各行业的设备预测性维护至关重要。许多机器学习算法已被用于支持自动异常识别。然而，解读、分析和校准自动分析结果仍需要大量人类知识。本研究调查了工业环境中用于检测和研究时间序列异常的当前实践，并确定了相应需求。通过与来自两个行业领域（航空航天和能源）的九位专家进行迭代设计，我们总结了成功支持有效检测、调查和标注时间序列异常的可视化系统所需的六个设计元素。我们总结了一个理想的人类-AI协作工作流程，以简化流程并支持高效协作分析。我们介绍了MTV（多变量时间序列可视化），一个支持此类工作流程的可视化分析系统。该系统包含一组新颖的可视化和交互设计，以支持多方面的时间序列探索、高效的现场异常标注和洞察交流。进行了两项用户研究，一项与六名具有常规异常分析任务的航天器专家进行，另一项与25名没有此类任务的一般最终用户进行，以证明MTV的有效性和实用性。