O que é o Detetor de Anomalias?
Importante
A partir de 20 de setembro de 2023, você não poderá criar novos recursos do Detetor de Anomalias. O serviço de Detetor de Anomalias está a ser desativado no dia 1 de outubro de 2026.
Nota
A partir de julho de 2023, os serviços de IA do Azure abrangem todos os que eram anteriormente conhecidos como Serviços Cognitivos e Serviços de IA Aplicada do Azure. Não há alterações nos preços. Os nomes Serviços Cognitivos e IA Aplicada do Azure continuam a ser usados na faturação do Azure, na análise de custos, na lista de preços e nas APIs de preços. Não há alterações significativas nas interfaces de programação de aplicativos (APIs) ou SDKs.
O Detetor de Anomalias é um serviço de IA com um conjunto de APIs, que permite monitorar e detetar anomalias em seus dados de séries temporais com pouco conhecimento de aprendizado de máquina (ML), seja validação em lote ou inferência em tempo real.
Esta documentação contém os seguintes tipos de artigos:
- Os inícios rápidos são instruções passo-a-passo que lhe permitem fazer chamadas para o serviço e obter resultados num curto período de tempo.
- Demonstração interativa você pode ajudar a entender como o Detetor de Anomalias funciona com operações fáceis.
- Os guias de instruções contêm instruções para usar o serviço de maneiras mais específicas ou personalizadas.
- Os tutoriais são guias mais longos que mostram como usar esse serviço como um componente em soluções de negócios mais amplas.
- Exemplos de código demonstram como usar o Detetor de Anomalias.
- Artigos conceituais fornecem explicações detalhadas sobre a funcionalidade e os recursos do serviço.
Capacidades do Detetor de Anomalias
Com o Detetor de Anomalias, você pode detetar anomalias em uma variável usando o Detetor de Anomalias Univariado ou detetar anomalias em várias variáveis com o Detetor de Anomalias Multivariado.
| Caraterística | Descrição |
|---|---|
| Deteção Univariada de Anomalias | Detete anomalias em uma variável, como receita, custo, etc. O modelo foi selecionado automaticamente com base no seu padrão de dados. |
| Deteção de anomalias multivariadas | Detetar anomalias em múltiplas variáveis com correlações, que geralmente são coletadas de equipamentos ou outros sistemas complexos. O modelo subjacente utilizado é uma Rede de Atenção Gráfica. |
Deteção Univariada de Anomalias
A API do Detetor de Anomalias Univariado permite que você monitore e detete anormalidades em seus dados de séries cronológicas sem precisar conhecer o aprendizado de máquina. Os algoritmos se adaptam identificando e aplicando automaticamente os modelos mais adequados aos seus dados, independentemente do setor, cenário ou volume de dados. Usando seus dados de séries temporais, a API determina limites para deteção de anomalias, valores esperados e quais pontos de dados são anomalias.
O uso do Detetor de Anomalias não requer nenhuma experiência prévia em aprendizado de máquina, e a API REST permite que você integre facilmente o serviço em seus aplicativos e processos.
Com o Detetor de Anomalias Univariado, você pode detetar automaticamente anomalias em todos os dados de suas séries cronológicas, ou como elas ocorrem em tempo real.
| Caraterística | Descrição |
|---|---|
| Deteção de streaming | Detete anomalias em seus dados de streaming usando pontos de dados vistos anteriormente para determinar se o mais recente é uma anomalia. Esta operação gera um modelo usando os pontos de dados enviados e determina se o ponto de destino é uma anomalia. Ao chamar a API a cada novo ponto de dados gerado, você pode monitorar seus dados à medida que são criados. |
| Deteção de lote | Utilize as suas séries cronológicas para detetar quaisquer anomalias que possam existir nos seus dados. Esta operação gera um modelo usando todos os seus dados de séries temporais, com cada ponto analisado com o mesmo modelo. |
| Deteção de pontos de alteração | Use sua série temporal para detetar quaisquer pontos de alteração de tendência existentes em seus dados. Esta operação gera um modelo usando todos os seus dados de séries temporais, com cada ponto analisado com o mesmo modelo. |
Deteção de anomalias multivariadas
As APIs de Deteção de Anomalias Multivariadas permitem ainda que os desenvolvedores integrem facilmente IA avançada para detetar anomalias de grupos de métricas, sem a necessidade de conhecimento de aprendizado de máquina ou dados rotulados. As dependências e inter-correlações entre até 300 sinais diferentes são agora automaticamente contabilizadas como factores-chave. Esta nova capacidade ajuda-o a proteger proativamente os seus sistemas complexos, tais como aplicações de software, servidores, máquinas de fábrica, naves espaciais ou até mesmo o seu negócio, contra falhas.
Imagine 20 sensores de um motor automático gerando 20 sinais diferentes, como rotação, pressão de combustível, rolamento, etc. As leituras desses sinais individualmente podem não dizer muito sobre problemas no nível do sistema, mas juntos eles podem representar a saúde do motor. Quando a interação desses sinais se desvia para fora do intervalo habitual, o recurso de deteção de anomalias multivariadas pode detetar a anomalia como um especialista experiente. Os modelos de IA subjacentes são treinados e personalizados usando seus dados para que ele compreenda as necessidades exclusivas do seu negócio. Com as novas APIs no Detetor de Anomalias, os desenvolvedores agora podem integrar facilmente os recursos de deteção de anomalias de séries temporais multivariadas em soluções de manutenção preditiva, soluções de monitoramento AIOps para software empresarial complexo ou ferramentas de business intelligence.
Juntar-se à comunidade do Detetor de Anomalias
Junte-se ao grupo Conselheiros do Detetor de Anomalias no Microsoft Teams para obter melhor suporte e atualizações!
Algoritmos
Blogs e artigos:
- Apresentando a API do Azure AI Anomaly Detetor
- Visão geral do algoritmo SR-CNN no Azure AI Anomaly Detetor
- Introdução à Deteção Multivariada de Anomalias
- Deteção de anomalias de séries cronológicas multivariadas através da rede de atenção gráfica
- Serviço de Deteção de Anomalias de Série Temporal na Microsoft (aceito pelo KDD 2019)
Vídeos: