Avvikelseövervakning
Proaktiv anomalidetektering säkrar drift och datakvalitet
Avvikelseövervakning är en kritisk funktion som hjälper dig att upptäcka ovanliga mönster och beteenden i dina IoT-enheter. Genom att använda AI-modeller kan du identifiera potentiella problem innan de eskalerar, vilket säkerställer driftsäkerhet och datakvalitet.
Hur avvikelseövervakning fungerar
Utnyttja AI för realtidsdetektering
-
Datainsamling: Du lägger till en avvikelseövervakningsprenumeration till dina IoT-enheter, och framtida datapunkter kommer att granskas för avvikelser i realtid.
-
AI-modellanalys: När du väljer att lägga till en prenumeration på en IoT-enhet tränas en skräddarsydd modell. Modellen är tränad för att identifiera avvikelser från normala mönster.
-
Detektering och larm: Resultaten från avvikelseövervakningen kan användas för att utlösa vidare funktioner, såsom att skicka ett e-postmeddelande.
Prenumerera på avvikelseövervakning
Steg för att implementera effektiv avvikelseövervakning
Kontakta oss för att ställa in och konfigurera avvikelseövervakning för dina IoT-enheter.
Effektivitet av avvikelseövervakning
Beprövade prestandamått
Vårt system för avvikelsedetektering har rigoröst testats på en omfattande uppsättning av offentligt tillgängliga dataset med märkta avvikelser. Här är prestandamåtten:
-
Recall (träffsäkerhet): Vårt system uppnår en träffsäkerhet på 90%, vilket innebär att det framgångsrikt upptäcker 90 av 100 faktiska avvikelser. Denna höga träffsäkerhet säkerställer att de flesta avvikelser identifieras, vilket minimerar risken för oupptäckta problem.
-
Precision: Precisionen i vårt system är 50%. Detta innebär att, i genomsnitt, varannan avvikelse som flaggas av vårt system är en verklig avvikelse. Även om det kan förekomma vissa falska positiva, hjälper denna precision att balansera noggrann upptäckt med hanterbar larmvolym.
Dessa mått representerar genomsnittlig prestanda, och faktiska resultat kan variera beroende på de specifika egenskaperna hos din data och ditt användningsfall.
Begränsningar gällande avvikelseövervakning
Krav på numerisk nata
En avvikelseövervakningsprenumeration kan läggas till på alla IoT-enhets dataströmmar (temperatur, ljus, CO2, RSSI, etc.) så länge mätningen representeras av siffror.