AI-suggesties voor IoT-waarschuwingen

AI-suggesties voor IoT-waarschuwingen gebruiken IoT-gegevens door IoT-waarschuwingen om te zetten in cases en werkorders, waardoor organisaties problemen kunnen onderzoeken en aanpakken voordat deze zich voordoen. AI-suggesties kunnen ook leren van eerdere acties die zijn ondernomen op IoT-waarschuwingen, door aanbevelingen te doen over prioriteit en typen incidenten. Bijvoorbeeld als uw organisatie regelmatig IoT-waarschuwingen ontvangt die aangeven dat de temperatuur van een machine de aanvaardbare drempel overschrijdt. In dergelijke gevallen zet uw organisatie deze alerts regelmatig om in werkorders. Het AI IoT-model gebruikt deze historische gegevens om te leren van de acties. Wanneer een nieuw temperatuuralarm binnenkomt dat de temperatuurdrempel overschrijdt, herkent de AI dit en stelt passende acties voor.

Implementeer deze IoT-waarschuwingssuggesties om het volgende te doen:

• Inzicht krijgen in de prioritering van IoT-waarschuwingen.
• Uw vermogen verbeteren om kritieke problemen proactief aan te pakken.
• De toewijzing van resources optimaliseren aan IoT-waarschuwingen die verdere actie vereisen, zoals cases en werkorders.
• AI gebruiken om te leren van de kennis van ervaren personeel om effectief te reageren op problemen die zijn geïdentificeerd door middel van IoT-gegevens.

Vereisten

• IoT voor Field Service wordt ingesteld om een van de volgende opties te gebruiken:

  • Connected Field Service voor Azure IoT Hub
  • IoT-provider voor aangepaste IoT-oplossingen

• Geconfigureerde incidenttypen die verwijzen naar het primaire probleem dat in een werkorder wordt behandeld en de bijbehorende details bepalen, zoals werkordertype, producten, services en servicetaken.

• Prioriteitsinstellingen voor IoT-waarschuwingen geven het belang voor het bedrijf aan, doorgaans op basis van factoren zoals gemaakte kosten of klanttevredenheid.

• Om het model van voldoende gegevens te voorzien voor het genereren van nauwkeurige suggesties, wordt aanbevolen om minimaal 50 IoT-waarschuwingen te hebben die zijn omgezet in cases of werkorders.

IoT-suggesties inschakelen

1. Schakel in Field Service over naar het gebied Instellingen.
2. Selecteer onder IoT de optie Instellingen en ga naar het tabblad IoT-suggesties.
3. Stel de schakeloptie IoT-suggesties in op Ingeschakeld.

Een begeleide ervaring om lanceringen van IoT-suggesties in te stellen.

Als het model opnieuw moet worden geconfigureerd op basis van wijzigingen in het systeem of gewijzigde zakelijke behoeften, kunt u de begeleide ervaring starten door IoT-suggesties opnieuw configureren in de instelling voor IoT-suggesties te selecteren.

Stap 1: Accepteer de gebruiksvoorwaarden

Ga akkoord met de servicevoorwaarden en selecteer Volgende.

Stap 2: Apparaat-id selecteren

Selecteer hoe uw organisatie IoT-waarschuwingen voornamelijk gebruikt met betrekking tot apparaten en klantactiva. Let wel: dit is een een-op-veel-relatie. Dat wil zeggen dat veel apparaten aan één klantactivum kunnen worden gerelateerd.

• Kies Apparaat-id als uw organisatie voornamelijk de IoT-waarschuwingen beheert vanuit individuele apparaten, zoals thermometers die temperatuurmetingen verzenden.
• Kies Klantactivum als uw organisatie voornamelijk de IoT-waarschuwingen beheert van apparaten die betrekking hebben op klantactiva.

Als u niet zeker weet welke optie u moet kiezen of als uw organisatie IoT-waarschuwingen beheert op zowel apparaatniveau als klantactivumniveau, kiest u de standaardoptie Apparaat-id.

Stap 3: Regel-id invoeren

Kies de regels die u hebt gedefinieerd in IoT-provider die IoT-waarschuwingen activeren. De regelpaden zijn te vinden in de JSON van de IoT-waarschuwing.

Een voorbeeld van het regelpad voor IoT Hub is ruleoutput.

Stap 4: Apparaateigenschappen invoeren

Selecteer de apparaateigenschappen waarmee het AI-model rekening moet houden bij het genereren van suggesties. Deze eigenschappen omvatten de signalen die afkomstig zijn van aangesloten apparaten en andere variabelen en kenmerken die aan de apparaten zijn gekoppeld. Bijvoorbeeld een op internet aangesloten thermometer die een temperatuurmeting van 72 graden geeft. Met deze temperatuurwaarde moet rekening worden gehouden bij het doen van suggesties.

Standaard worden de velden Type meting en Meting in IoT Hub als apparaateigenschappen gebruikt. U kunt echter ook aangepaste velden toevoegen. U hebt bijvoorbeeld een model dat financiële kosten koppelt aan elke temperatuurmeting. Deze aangepaste toevoeging kan worden toegevoegd als een apparaateigenschap waarmee het AI-model rekening moet houden.

Stap 5: Voltooien

Nadat u het installatieproces hebt voltooid, ontvangt u binnen 24 uur aanbevelingen. Het AI-model analyseert zowel historische gegevens als binnenkomende gegevens in de toekomst. Suggesties worden elke 24 uur vernieuwd en bijgewerkt.

Als u wilt controleren of de op AI gebaseerde suggesties goed werken, raadpleegt u de weergave IoT-waarschuwingen met prioriteit in IoT-waarschuwingen, waar u voorgestelde prioriteiten en incidenttypen vindt.

De prioriteit en het voorgestelde incidenttype worden ook weergegeven in de IoT-waarschuwingsrecords.

Het AI-model kent een prioriteitsscore toe aan waarschuwingen op basis van historische waarschuwingen en relevante entiteiten. Een dynamische drempel maakt onderscheid tussen waarschuwingen met hoge en lage prioriteit, afhankelijk van hoe snel ze een reactie vereisen. Het model optimaliseert deze drempel tijdens elke trainingscyclus om zich aan te passen aan veranderende gegevenspatronen. Met een dynamische distributie blijven waarschuwingen waaraan eerder een score is gegeven relevant omdat het model blijft leren en de eigen mogelijkheden uitbreiden. Het model retourneert Geen suggesties als er geen aanbeveling is.

Volgende stappen

• IoT-waarschuwingen maken en IoT-waarschuwingen omzetten in werkorders
• IoT-integratie met Connected Field Service