Che cos'è Rilevamento anomalie?

  • Articolo

Importante

A partire dal 20 settembre 2023 non sarà possibile creare nuove risorse Rilevamento anomalie. Il servizio Rilevamento anomalie viene ritirato il 1° ottobre 2026.

Nota

A partire da luglio 2023, i Servizi di Azure AI includono tutti i servizi noti in precedenza come Servizi cognitivi e Servizi di intelligenza artificiale applicata di Azure. Non ci sono modifiche ai prezzi. I nomi Servizi cognitivi e intelligenza artificiale app Azure lied continuano a essere usati nelle API di fatturazione, analisi dei costi, listino prezzi e prezzo di Azure. Non sono state apportate modifiche di rilievo alle API (Application Programming Interface) o agli SDK.

Rilevamento anomalie è un servizio di intelligenza artificiale con un set di API, che consente di monitorare e rilevare anomalie nei dati delle serie temporali con conoscenze di Machine Learning (ML), ovvero la convalida batch o l'inferenza in tempo reale.

Questa documentazione contiene i tipi di articoli seguenti:

  • Le guide introduttive sono istruzioni dettagliate che consentono di effettuare chiamate al servizio e ottenere risultati in un breve periodo di tempo.
  • Demo interattiva può essere utile per comprendere il funzionamento di Rilevamento anomalie con operazioni semplici.
  • Le guide pratiche contengono istruzioni per l'uso del servizio in modi più specifici o personalizzati.
  • Le esercitazioni sono guide più lunghe che illustrano come usare questo servizio come componente in soluzioni aziendali più ampie.
  • Gli esempi di codice illustrano come usare Rilevamento anomalie.
  • Gli articoli concettuali forniscono spiegazioni approfondite delle funzionalità e delle funzionalità del servizio.

funzionalità di Rilevamento anomalie

Con Rilevamento anomalie, è possibile rilevare anomalie in una variabile usando Rilevamento anomalie Univariate oppure rilevare anomalie in più variabili con Rilevamento anomalie multivariate.

Funzionalità Descrizione
Rilevamento anomalie univariato Rilevare anomalie in una variabile, ad esempio ricavi, costi e così via. Il modello è stato selezionato automaticamente in base al modello di dati.
Rilevamento anomalie multivariato Rilevare anomalie in più variabili con correlazioni, che in genere vengono raccolte da apparecchiature o altri sistemi complessi. Il modello sottostante usato è di tipo Graph Attention Network.

Rilevamento anomalie univariato

L'API Univariate Rilevamento anomalie consente di monitorare e rilevare anomalie nei dati delle serie temporali senza dover conoscere l'apprendimento automatico. Gli algoritmi si adattano identificando e applicando automaticamente i modelli più adatti ai dati, indipendentemente dal settore, dallo scenario o dal volume di dati. Usando i dati di serie temporali, l'API determina i limiti per il rilevamento di anomalie, i valori previsti e quali punti dati sono anomalie.

Line graph of detect pattern changes in service requests.

L'uso del Rilevamento anomalie non richiede alcuna esperienza precedente nell'apprendimento automatico e l'API REST consente di integrare facilmente il servizio nelle applicazioni e nei processi.

Con il Rilevamento anomalie Univariate, è possibile rilevare automaticamente le anomalie nei dati delle serie temporali o quando si verificano in tempo reale.

Funzionalità Descrizione
Rilevamento di streaming Rilevare le anomalie nei dati di streaming usando i punti dati visualizzati in precedenza per determinare se la versione più recente è un'anomalia. Questa operazione genera un modello usando i punti dati inviati dall'utente e determina se il punto di destinazione è un'anomalia. Chiamando l'API con ogni nuovo punto dati generato, è possibile monitorare i dati durante la creazione.
Rilevamento in batch Usare le serie temporali per rilevare eventuali anomalie che potrebbero esistere in tutti i dati. Questa operazione genera un modello usando tutti i dati di serie temporali, in cui ogni punto è analizzato con lo stesso modello.
Rilevamento dei punti di modifica Usare la serie temporale per rilevare eventuali punti di modifica della tendenza presenti nei dati. Questa operazione genera un modello usando tutti i dati di serie temporali, in cui ogni punto è analizzato con lo stesso modello.

Rilevamento anomalie multivariato

Le API rilevamento anomalie multivariate consentono ulteriormente agli sviluppatori di integrare facilmente l'intelligenza artificiale avanzata per rilevare anomalie da gruppi di metriche, senza la necessità di conoscere o etichettare i dati di Machine Learning. Le dipendenze e le inter correlazioni tra un massimo di 300 segnali diversi vengono ora conteggiati automaticamente come fattori chiave. Questa nuova funzionalità consente di proteggere in modo proattivo i sistemi complessi, ad esempio applicazioni software, server, computer di fabbrica, veicoli spaziali o persino l'azienda, da errori.

Line graph for multiple variables including: rotation, optical filter, pressure, bearing with anomalies highlighted in orange.

Immaginate 20 sensori da un motore automatico che genera 20 segnali diversi, ad esempio rotazione, pressione del carburante, cuscinetto e così via. Le letture di questi segnali singolarmente potrebbero non indicare molto sui problemi a livello di sistema, ma insieme possono rappresentare l'integrità del motore. Quando l'interazione di questi segnali devia all'esterno dell'intervallo consueto, la funzionalità di rilevamento anomalie multivariato può rilevare l'anomalia come un esperto. I modelli di intelligenza artificiale sottostanti vengono sottoposti a training e personalizzati usando i dati in modo che comprendano le esigenze specifiche dell'azienda. Con le nuove API in Rilevamento anomalie, gli sviluppatori possono ora integrare facilmente le funzionalità di rilevamento anomalie delle serie temporali multivariate in soluzioni di manutenzione predittiva, soluzioni di monitoraggio aiOps per software aziendale complessi o strumenti di business intelligence.

Partecipare alla community di Rilevamento anomalie

Partecipare al gruppo Rilevamento anomalie Advisor su Microsoft Teams per ottenere supporto e aggiornamenti migliori.

Algoritmi

Passaggi successivi