Condividi tramite

Che cos'è Rilevamento anomalie?

  • Articolo

Importante

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

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 alcune conoscenze di machine learning (ML), ovvero la convalida batch o l'inferenza in tempo reale.

Questa documentazione contiene i tipi di articoli seguenti:

  • Avvii rapidi, ovvero istruzioni dettagliate che consentono di effettuare chiamate al servizio e ottenere risultati in un breve periodo di tempo.
  • Demo interattiva che può essere utile per comprendere il funzionamento di Rilevamento anomalie con operazioni semplici.
  • Guide pratiche che contengono istruzioni per l'uso del servizio in modi più specifici o personalizzati.
  • Esercitazioni, ovvero guide più lunghe che illustrano come usare questo servizio come componente di soluzioni aziendali più ampie.
  • Esempi di codice, che illustrano come usare Rilevamento anomalie.
  • Articoli concettuali che forniscono spiegazioni approfondite delle caratteristiche e delle funzionalità del servizio.

Funzionalità Rilevamento anomalie

Con Rilevamento anomalie è possibile rilevare le anomalie di una variabile usando Rilevamento anomalie univariato, oppure rilevare anomalie su più variabili con Rilevamento anomalie multivariato.

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 Rilevamento anomalie univariato permette di monitorare e rilevare le anomalie nei dati di serie temporali senza bisogno di conoscere i concetti di Machine Learning. Gli algoritmi si adattano identificando e applicando automaticamente i modelli più appropriati 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.

Grafico a linee del rilevamento dei cambiamenti del modello delle richieste di servizi

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

Con il Rilevamento anomalie univariato è possibile rilevare automaticamente le anomalie in tutti i dati di serie temporali, o appena si verificano in tempo reale.

Funzionalità Descrizione
Rilevamento 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 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 multivariato consentono agli sviluppatori di integrare facilmente l'intelligenza artificiale avanzata per rilevare anomalie di 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 considerate automaticamente come fattori chiave. Questa nuova funzionalità consente di proteggere in modo proattivo dagli errori i sistemi complessi come le applicazioni software, i server, i computer di fabbrica, i veicoli spaziali o persino la propria azienda.

Grafico a linee per più variabili, tra cui rotazione, filtro ottico, pressione, cuscinetto con anomalie evidenziate in arancione.

Si immaginino 20 sensori di un motore automobilistico che generano 20 segnali diversi, ad esempio rotazione, pressione del carburante, cuscinetti, ecc. Le letture di questi segnali singolarmente possono non dire molto sui problemi a livello di sistema, ma insieme possono rappresentare l'integrità del motore. Quando l'interazione di questi segnali si discosta dall'intervallo abituale, la funzionalità di rilevamento delle anomalie multivariato può rilevare l'anomalia come un esperto del settore. I modelli di intelligenza artificiale sottostanti vengono sottoposti a training e personalizzati usando i dati in modo da comprendere le esigenze specifiche dell'azienda. Con le nuove API di Rilevamento anomalie, gli sviluppatori possono ora integrare facilmente le funzionalità di rilevamento delle serie temporali multivariato in soluzioni di manutenzione predittiva, soluzioni di monitoraggio AIOps per software aziendali complessi o strumenti di business intelligence.

Partecipare alla community di Rilevamento anomalie

Unisciti al gruppo Anomaly Detector Advisors in Microsoft Teams per un migliore supporto e per qualsiasi aggiornamento.

Algoritmi

Passaggi successivi