IoT 警报的 AI 建议
IoT 警报的 AI 建议通过将 IoT 警报转换为案例和工作订单来使用 IoT 数据，让组织能够在问题发生之前调查和解决问题。 AI 建议还可以从以前对 IoT 警报采取的操作中学习，提供关于优先级和事件类型的建议。 例如，如果您的组织定期收到 IoT 警报，表明计算机的温度超过了可接受的阈值。 在这种情况下，您的组织会经常将这些警报转换为工作订单。 AI IoT 模型使用这些历史数据从操作中学习。 当新的温度警报超过温度阈值时，AI 会加以识别并建议采取适当的操作。
实施这些 IoT 警报建议来：
- 深入了解 IoT 警报的优先级。
- 提高您主动解决关键问题的能力。
- 优化需要采取进一步操作的 IoT 警报的资源分配，如案例和工作订单。
- 使用 AI 学习经验丰富的人员在有效响应通过 IoT 数据发现的问题方面的知识。
先决条件
Field Service 的 IoT 设置为使用以下选项之一：
指工作订单中解决的主要问题的配置的事件类型，确定相关的详细信息，如工作订单类型、产品、服务和服务任务。
IoT 警报的优先级设置指示对业务的重要性级别，通常根据产生的成本或客户满意度等因素进行评估。
为了为模型提供足够的数据来生成准确的建议，建议至少有 50 个已转换为案例或工作订单的 IoT 警报。
启用 IoT 建议
- 在 Field Service 中，更改为设置区域。
- 在 IoT 下，选择设置，转到 IoT 建议选项卡。
- 将 IoT 建议开关设置为启用。
设置 IoT 建议的引导式体验将启动。
如果需要根据系统更改或不断变化的业务需要重新配置模型，您可以在 IoT 建议设置中选择重新配置 IoT 建议来启动引导式体验。
步骤 1：接受服务条款
同意服务条款，选择下一步。
步骤 2：选择设备标识符
选择组织主要如何使用与设备和客户资产有关的 IoT 警报。 请注意，存在一对多关系，即多个设备可以与一个客户资产有关。
- 如果您的组织主要管理来自单个设备的 IoT 警报，如发送温度读数的温度计，选择设备 ID。
- 如果您的组织主要管理来自与客户资产有关的设备的 IoT 警报，选择客户资产。
如果您不确定选择哪个选项或您的组织同时管理设备级别和客户资产级别的 IoT 警报，选择默认设备 ID 选项。
步骤 3：输入规则标识符
选择在 IoT 提供程序中定义的触发 IoT 警报的规则。 可以在 IoT 警报 JSON 中找到规则路径。
例如，IoT 中心的一个规则路径为 ruleoutput。
步骤 4：输入设备属性
选择 AI 模型在生成建议时应考虑的设备属性。 这些属性包含源自连接设备的信号以及与设备关联的其他变量和特征。 例如，一个连接 Internet 的温度计提供 72 度的温度读数。 在提出建议时应考虑此温度值。
默认情况下，IoT 中心中的读数类型和读数字段用作设备属性。 但是，也可以添加自定义字段。 例如，您可能有一个将财务成本与每个温度读数关联起来的模型。 这种自定义添加可以作为设备属性添加，供 AI 模型考虑。
步骤 5：完成
完成设置过程后，您将在 24 小时内开始收到建议。 AI 模型继而分析历史数据和传入数据。 建议每隔 24 小时刷新和更新一次。
要验证基于 AI 的建议是否正常运行，查看 IoT 警报上的优先 IoT 警报视图，在其中可以找到建议的优先级和事件类型。
IoT 警报记录中也会显示优先级和建议的事件类型。
AI 模型根据历史警报和相关实体为警报分配优先级分数。 动态阈值根据警报需要的反应速度对优先级高和低的警报加以区分。 模型在每个训练周期中优化此阈值，以适应不断变化的数据模式。 通过动态分配，随着模型不断学习和增强功能，先前评分的警报仍然具有相关性。 如果没有建议，模型将返回无建议。