Detekce anomálií lineární Time Series (Preview)

  • Článek
  • 2 min ke čtení

Nová rozhraní API pro detekci anomálií lineární ještě vývojářům umožňují snadnou integraci pokročilého AI pro detekci anomálií ze skupin metrik, aniž by to mělo znalosti strojového učení ani data s popisky. Závislosti a vzájemné korelace mezi až 300 různými signály se teď automaticky počítají jako klíčové faktory. Tato nová funkce vám pomůže aktivně chránit komplexní systémy, jako jsou softwarové aplikace, servery, výrobní počítače, kosmické lodi nebo dokonce i vaše podnikání, a to z chyb.

Více grafů pro spojnici časových řad pro proměnné: rotace, optický filtr, tlak, se zvýrazněnými anomáliemi zvýrazněnými oranžově

Imagine 20 senzorů z automatického motoru generujících 20 různých signálů, jako je rotace, tlak paliva, nosné atd. Čtení těchto signálů jednotlivě nemusí informovat o problémech na úrovni systému, ale společně mohou představovat stav motoru. Pokud se interakce těchto signálů odchyluje mimo obvyklý rozsah, funkce detekce anomálií lineární může vyhodnotit anomálii, jako je například zkušený odborník. Základní modely AI jsou vyškolené a přizpůsobené pomocí vašich dat tak, aby rozuměly jedinečným potřebám vaší firmy. Díky novým rozhraním API v detektoru anomálií teď můžou vývojáři snadno integrovat možnosti detekce anomálií lineární Time Series do řešení prediktivní údržby, řešení AIOps Monitoring pro komplexní podnikový software nebo business intelligence nástroje.

Kdy použít lineární versus univariate

Pokud je vaším cílem zjistit anomálie z normálního vzoru pro každou jednotlivou časovou řadu čistě na základě vlastních historických dat, použijte rozhraní API pro detekci anomálií univariate. Například chcete detekovat denní anomálie v výnosech na základě dat o výnosech nebo chcete zjistit špičku procesoru čistě na základě dat procesoru.

Pokud je vaším cílem zjistit anomálie na úrovni systému ze skupiny dat časových řad, použijte rozhraní API pro detekci anomálií lineární. Obzvláště pokud se vám v každé z jednotlivých časových řad neřekne hodně a Vy se budete muset podívat na všechny signály (skupiny časových řad) komplexní a určit problém na úrovni systému. Máte například nákladný fyzický prostředek, jako je letadlo, vybavení v olejovém nebo satelitu. Každý z těchto prostředků má desítky nebo stovky různých typů senzorů. Museli byste se podívat na všechny signály časových řad od těchto senzorů a rozhodnout se, jestli dochází k problémům na úrovni systému.

Poznámkový blok

Pokud se chcete dozvědět, jak volat rozhraní API pro detekci anomálií (lineární), zkuste tento Poznámkový blok. V tomto Jupyter Notebook se dozvíte, jak odeslat požadavek rozhraní API a vizualizovat výsledek.

Pokud chcete spustit Poznámkový blok, měli byste získat platný klíč předplatného rozhraní API detektoru anomálií a koncový bod rozhraní API. V poznámkovém bloku přidejte do proměnné svůj platný klíč předplatného rozhraní API detektoru anomálií subscription_key a změňte endpoint proměnnou na koncový bod.

Podpora oblastí

Verze Preview lineární detektoru anomálií je aktuálně dostupná ve 10 oblastech Azure: jihovýchodní Asie, Austrálie – východ, Kanada – střed, Severní Evropa, Západní Evropa, Východní USA, Východní USA 2, Střed USA – jih, Západní USA 2 a Velká Británie – jih.

Algoritmy

Informace o použitých algoritmech najdete v následujících technických dokumentech:

Zapojení do komunity Detektoru anomálií

Další kroky

  • Kurz: Tento článek je ucelený kurz použití rozhraní API lineární.
  • Rychlé starty.
  • Osvědčené postupy: Tento článek se týká doporučených vzorů pro použití s rozhraními API lineární.