La solution Surveillance à distance permet une analyse de la cause racine avec Azure Time Series Insights

Publié le 20 septembre, 2018

Program Manager II, Azure IoT Solution Accelerators

Avec l’abondance des données provenant des appareils IoT et de la nature internationale des entreprises d’aujourd’hui, il est essentiel de pouvoir comprendre les corrélations et suivre les tendances historiques au sein de vos actifs.

Supposons que vous gérez une flotte de camions transportant des articles devant être maintenus à une température spécifique. Parfois, une alerte indiquant une basse température est déclenchée pour certains de vos camions lors de la livraison programmée quotidienne. En tant qu’opérateur, vous devez effectuer une analyse des causes racines pour comprendre pourquoi cela se produit, s’il existe des modèles récurrents et comment empêcher que cela se produise à l’avenir.

Pour vous aider, nous sommes heureux d’annoncer que nous avons à présent intégré Azure Time Series Insights dans l’accélérateur de solution Surveillance à distance Azure IoT. Avec Time Series Insights, vous pouvez mieux connaître les données chronologiques de vos capteurs en repérant les tendances, les anomalies et les corrélations entre les données en temps réel et les données historiques de tous vos sites. Les nouveaux déploiements Surveillance à distance (à la fois De base et Standard) incluent Time Series Insights*, sans frais supplémentaires. Toutes les données de messages de vos appareils IoT sont stockées dans Time Series Insights, mais vos alarmes, règles et paramètres de configuration restent dans Cosmos DB.

Cette fonctionnalité supplémentaire vous permet à présent d’effectuer les actions suivantes :

1. Visualisez vos données de télémétrie dans l’explorateur Time Series Insights en cliquant sur l’un des liens sortants sur le tableau de bord Surveillance à distance :

tsi-rm-dashboard

2. Explorez les données de vos appareils sur tous les sites et observez les changements de seconde en seconde dans vos flux :

tsi-chiller-pressure

3. Diagnostiquez les causes racines des anomalies en ajoutant d’autres flux de données à votre vue et en découvrant des corrélations susceptibles de vous aider à identifier les causes :

tsi-all-streams

4. Tirez des enseignements de vos explorations et définissez des règles supplémentaires pour vous assurer que l’intégrité de vos actifs est toujours à son maximum :

rm-new-rule

*Remarque : Time Series Insights n’est pas encore disponible dans le cloud Azure Chine. Les nouveaux déploiements dans le cloud Azure Chine continuent à utiliser Cosmos DB pour tout le stockage.

Time Series Insights active une expérience de bout en bout qui vous permet non seulement de comprendre quand une anomalie est survenue, mais aussi pourquoi. Nous sommes impatients de découvrir en quoi Time Series Insights a accru l’intelligence de votre solution IoT, ainsi que de recueillir vos commentaires sur cette nouvelle fonctionnalité.

Étapes suivantes