Partager via


Détecter les pics et les écarts dans les données des capteurs

Important

Ce contenu est archivé et n’est pas mis à jour. Pour accéder aux dernières ressources documentaires, voir Nouveautés ou changements dans Dynamics 365 Supply Chain Management. Pour les derniers plans de lancement, voir Plans de lancement pour Dynamics 365, Power Platform et Cloud for Industry.

Activé(e) pour Version préliminaire publique Disponibilité générale
Utilisateurs par administrateurs, créateurs ou analystes 2 oct. 2023 -

Valeur commerciale

Pour garantir le bon fonctionnement des opérations, les entreprises doivent optimiser le temps de disponibilité de tous les équipements et agir rapidement si nécessaire pour éviter les pannes dommageables. En dotant les équipements et autres actifs de capteurs électroniques automatiques, les entreprises peuvent surveiller les performances de chaque actif au fil du temps. Sensor Data Intelligence pour Dynamics 365 Supply Chain Management inclue désormais un détecteur d’anomalies qui sélectionne le meilleur algorithme d’anomalie pour chaque type de données de capteur. Cette fonctionnalité peut détecter les pics, les creux et autres écarts pour identifier et prévoir les problèmes avant qu’ils ne deviennent urgents.

Détails de la fonctionnalité

Le nouveau détecteur d’anomalies pour Sensor Data Intelligence permet d’effectuer les opérations suivantes :

  • Recueillir des détails des machines et équipements pour détecter les anomalies afin de prévoir et de prévenir les problèmes avant qu’ils ne deviennent urgents.
  • Configurer la solution en utilisant un simple assistant d’intégration plutôt que d’installer et de configurer manuellement ses composants à partir de Lifecycle Services.
  • Configurer, mettre à l’échelle et étendre la solution pour répondre aux besoins uniques de votre entreprise. La logique métier s’exécute sur des composants Azure gérés à l’aide de votre propre abonnement Azure, ce qui offre la flexibilité nécessaire pour personnaliser la solution selon les besoins.

Voir aussi

Scénario de détection des anomalies (documents)