Partager via

Présentation du Détecteur d’anomalies

  • Article

Important

À partir du 20 septembre 2023, vous ne pourrez plus créer de ressources Détecteur d’anomalies. Le service Détecteur d’anomalies sera supprimé le 1er octobre 2026.

Le Détecteur d’anomalies est un service IA avec un ensemble d’API, qui vous permet de surveiller et de détecter les anomalies dans vos données de série chronologique avec peu de connaissances en Machine Learning (ML), comme la validation par lots ou l’inférence en temps réel.

Cette documentation contient les types d’articles suivants :

  • Les guides de démarrage rapide sont des instructions pas à pas qui vous permettent d’effectuer des appels au service et d’obtenir des résultats en peu de temps.
  • La démonstration interactive pourrait vous aider à comprendre le fonctionnement du Détecteur d’anomalies avec des opérations faciles.
  • Les Guides pratiques contiennent des instructions sur l’utilisation du service de manière plus spécifique ou personnalisée.
  • Les tutoriels sont des guides plus longs qui montrent comment utiliser ce service en tant que composant dans des solutions métier plus larges.
  • Les exemples de code montrent comment utiliser le Détecteur d’anomalies.
  • Les articles conceptuels fournissent des explications approfondies sur les fonctions et fonctionnalités du service.

Fonctionnalités du Détecteur d’anomalies

Avec le Détecteur d’anomalies, vous pouvez détecter des anomalies dans une variable à l’aide d’un Détecteur d’anomalies univariées ou détecter des anomalies dans plusieurs variables avec le Détecteur d’anomalies multivariées.

Fonctionnalité Description
Détection d’anomalies univariées Détectez les anomalies dans une variable, comme le chiffre d’affaires, le coût, etc. Le modèle a été sélectionné automatiquement en fonction de votre modèle de données.
Détection d’anomalies multivariées Détectez les anomalies dans plusieurs variables avec des corrélations, qui sont généralement collectées à partir de l’équipement ou d’un autre système complexe. Le modèle sous-jacent utilisé est le réseau d’attention Graph.

Détection d’anomalies univariées

L’API Détecteur d’anomalies univariées vous permet de superviser et de détecter des anomalies dans vos données de séries chronologiques, sans avoir à connaître le Machine Learning. Les algorithmes s’adaptent en identifiant et en appliquant automatiquement les modèles les mieux adaptés à vos données, indépendamment du secteur d’activité, du scénario ou du volume de données. À l’aide de vos données de série chronologique, l’API détermine les limites pour la détection des anomalies, les valeurs attendues et les points de données qui constituent des anomalies.

Graphique linéaire de détection des modifications de modèle dans les demandes de service.

L’utilisation du Détecteur d’anomalies ne nécessite aucune expérience préalable en machine learning. L’API REST vous permet d’intégrer facilement le service dans vos applications et processus.

Le Détecteur d’anomalies univarié détecte automatiquement les anomalies dans vos données de séries chronologiques ou en temps réel.

Fonctionnalité Description
Détection dans la diffusion en continu Détectez les anomalies dans vos données de diffusion en continu à l’aide des points de données préalablement vus pour déterminer si le dernier point est une anomalie. Cette opération génère un modèle à l’aide des points de données que vous envoyez et détermine si le point cible est une anomalie. En appelant l’API avec chaque nouveau point de données que vous générez, vous pouvez surveiller vos données au moment de leur création.
Détection par lot Utilisez votre série chronologique pour détecter d’éventuelles anomalies dans l’ensemble de vos données. Cette opération génère un modèle à l’aide de vos données de série chronologique complètes, chaque point étant analysé avec le même modèle.
Détection des points de changement Utilisez votre série chronologique pour détecter les points de changement de tendance présents dans vos données. Cette opération génère un modèle à l’aide de vos données de série chronologique complètes, chaque point étant analysé avec le même modèle.

Détection d’anomalies multivariées

Les API de détection d’anomalies multivariées permettent encore aux développeurs d’intégrer facilement l’intelligence artificielle avancée pour détecter les anomalies à partir de groupes de métriques, sans avoir besoin de connaissances en apprentissage automatique ni de données étiquetées. Les dépendances et les intercorrélations entre un maximum de 300 signaux différents sont désormais automatiquement comptabilisées comme des facteurs clés. Cette nouvelle capacité vous aide à protéger de manière proactive vos systèmes complexes tels que les applications logicielles, les serveurs, les machines d’usine, les engins spatiaux, voire votre entreprise, contre les défaillances.

Graphique linéaire pour plusieurs variables, notamment : rotation, filtre optique, pression, roulement, avec les anomalies mises en évidence en orange.

Imaginez 20 capteurs d’un moteur automobile générant 20 signaux différents comme les vibrations, la température, la pression du carburant, etc. Les lectures de ces signaux, prises individuellement, peuvent ne pas vous renseigner sur les problèmes au niveau du système, mais, ensemble, elles peuvent représenter la santé du moteur. Lorsque l’interaction de ces signaux s’écarte de la plage habituelle, la fonctionnalité de détection d’anomalie multivariée peut détecter l’anomalie comme un expert chevronné. Les modèles d’IA sous-jacents sont formés et personnalisés à l’aide de vos données, de sorte qu’ils comprennent les besoins uniques de votre entreprise. Grâce aux nouvelles API de Détecteur d’anomalies, les développeurs peuvent désormais intégrer facilement les capacités de détection d’anomalie de séries chronologiques multivariées dans les solutions de maintenance prédictive, les solutions de supervision AIOps pour les logiciels d’entreprise complexes ou les outils décisionnels.

Rejoindre la communauté du détecteur d’anomalies

Rejoignez le groupe Conseillers du détecteur d'anomalies sur Microsoft Teams pour une meilleure prise en charge et toutes les mises à jour !

Algorithmes

Étapes suivantes