Disponible dans les analyses en temps réel et les analyses de Big Data.
L’outil Détecter les écarts est disponible à la fois dans les analyses temps réel et dans les analyses de Big Data, mais les fonctionnalités et spécificités du fonctionnement de cet outil diffèrent selon les types d’analyse. Dans les analyses temps réel, l’outil Détecter les écarts surveille chaque observation entrante ainsi que les rapports lorsqu’une ou plusieurs traces dépassent la durée des écarts spécifiée. La détection des écarts est réalisée à la fréquence spécifiée par un intervalle de détection des écarts, et une notification d’écart est créée en tant qu’événement en sortie. Par ailleurs, dans les analyses de Big Data, l’outil Détecter les écarts traite la totalité du jeu d’entités fourni à l’outil et, en fonction des valeurs des champs de clé Track ID et Start Time, identifie les entités d’écart de début, de fin ou en cours conformément aux paramètres que vous définissez pour chaque trace.
Exemples
Vous trouverez ci-dessous des exemples d’utilisation de l’outil Détecter les écarts :
- Lors d’une analyse temps réel, un réseau de manomètres intelligents indique le niveau de pression toutes les 10 secondes. Une équipe de maintenance souhaite savoir à quel moment les manomètres sont désactivés et cessent d’indiquer les informations sur la pression. L’outil Détecter les écarts peut être configuré avec une durée des écarts de 30 secondes et un intervalle de détection des écarts de 5 secondes. Avec cette configuration, l’outil Détecter les écarts vérifie tous les manomètres connus toutes les 5 secondes afin de savoir si l’un d’eux est resté plus de 30 secondes sans communiquer d’informations sur la pression.
- Lors d’une analyse de Big Data, un gestionnaire de flotte vérifie la cohérence de ses rapports de données de localisation automatique des véhicules (AVL) sur une période de plusieurs semaines afin de s’assurer que les capteurs des véhicules et l’API du fournisseur de capteurs fournissent des entités conformes. L’outil Détecter les écarts peut être configuré pour identifier les traces d’entité dans lesquelles des entités manquantes sont supérieures à la durée des écarts spécifiée (par exemple, 15 minutes).
Remarques sur l’utilisation
Gardez les points suivants à l’esprit lorsque vous utilisez l’outil Détecter les écarts :
- Le paramètre Gap Duration (Durée des écarts) doit être défini sur une valeur supérieure ou égale à l’intervalle attendu entre les observations. Si la durée des écarts est définie sur une valeur inférieure à l’intervalle attendu normal, l’outil détecte fréquemment de faux écarts.
- Cet outil ne traite que les événements qui possèdent un ID de suivi unique. Un champ de clé Track ID doit être identifié sur le jeu de données en entrée pour que cet outil puisse être utilisé.
- Remarques spécifiques sur l’utilisation de l’analyse en temps réel.
- L’outil Détecter les écarts est exécuté à la fréquence spécifiée par le paramètre Gap Detection Interval (Intervalle de détection des écarts). Cela signifie que si l’intervalle de détection des écarts est défini sur 20 minutes, l’outil Détecter les écarts examine toutes les traces connues toutes les 20 minutes pour savoir si l’une d’elles a dépassé la durée des écarts.
- L’outil Détecter les écarts des analyses temps réel offre les modes de notification Continuous (Continu) et On Change (Si modification) lorsqu’un écart est détecté.
- Continuous (Continu) : un événement d’écart est créé lorsqu’un écart est détecté pour la première fois pour un ID de suivi donné. Un événement d’écart supplémentaire est créé à la fréquence spécifiée par le paramètre Gap Detection Interval (Intervalle de détection des écarts) tant qu’il existe un écart en cours. Un événement d’écart final est généré lorsque le même ID de suivi est à nouveau observé.
- On Change (Si modification) : un événement d’écart est créé lorsqu’un écart est détecté pour la première fois pour un ID de suivi donné. Un second et dernier événement d’écart est généré lorsque le même ID de suivi est à nouveau observé.
- Une Gap Duration (Durée de l’écart) et un Gap Detection Interval (Intervalle de détection des écarts) doivent être spécifiés pour identifier les écarts. Les entités manquantes pour une durée d’écart égale ou supérieure à celle spécifiée sont identifiées comme des écarts. La détection des écarts se produit à la fréquence spécifiée par le paramètre Gap Detection Interval (Intervalle de détection des écarts).
- Pour les analyses temps réel, l’outil Détecter les écarts conserve un magasin d’état de l’observation actuelle pour chaque ID de suivi. Lorsqu’une nouvelle observation est reçue, elle est comparée à l’observation actuelle du même ID de suivi, si celle-ci existe, ce qui permet de déterminer si un écart s’est produit. Si l’horodatage de la nouvelle observation est plus récent que celui de l’observation actuelle dans le magasin d’état, l’observation actuelle est remplacée. Si l’horodatage est identique à celui de l’observation actuelle pour le même ID de trace, l’outil ne peut pas faire la distinction entre les deux observations. Ceci signifie que l’outil ne remplace pas l’observation actuelle par la nouvelle observation dans le magasin d’état, que la nouvelle observation n’est pas ajoutée au magasin d’état et que les observations futures de cet ID de suivi sont comparées à l’observation actuelle, laquelle est conservée dans le magasin d’état jusqu’à l’arrivée d’une nouvelle observation dotée d’un horodatage ultérieur. L’outil enregistre un avertissement lorsque ceci se produit.
- Remarques spécifiques sur l’utilisation de l’analyse Big Data
- L’outil Détecter les écarts des analyses de Big Data propose les modes Individual (Individuel) et Cumulative (Cumulé) pour la détection des écarts.
- Individual (Individuel) : identifie un écart unique lorsque le délai entre deux entités consécutives pour un ID de suivi donné dépasse la durée des écarts.
- Cumulative (Cumulé) : identifie les délais consécutifs entre deux entités consécutives pour un ID de suivi donné dépassant la durée de l’écart comme un écart unique.
- Vous devez spécifier une valeur dans le paramètre Gap Duration (Durée des écarts) pour identifier les écarts. Les entités avec des écarts temporels égaux ou supérieurs à la durée de l’écart sont identifiées comme des écarts.
- Choisissez de renvoyer les entités d’écart de tous types (entités démarrées, en cours et de fin) ou uniquement les écarts de fin (entités de fin).
- Seuls un ou plusieurs champs peuvent être spécifiés pour identifier les pistes en plus du champ Track ID. Les pistes sont représentées par un ou plusieurs champs de piste.
- L’outil Détecter les écarts des analyses de Big Data propose les modes Individual (Individuel) et Cumulative (Cumulé) pour la détection des écarts.
Paramètres
Les paramètres de l’outil Détecter les écarts sont les suivants :
Paramètre | Description | Type de données |
---|---|---|
Couche en entrée | Traces dans lesquelles des écarts sont recherchés dans un flux de données. | Entités |
Gap Duration (Durée de l’écart) | Spécifie la fenêtre horaire dans laquelle une observation doit être reçue pour une piste. | Chaîne |
Mode/Méthode de notification | Spécifie les méthodes de notification ou de détection des écarts. Les options disponibles pour ce paramètre diffèrent selon qu’il s’agit d’analyses temps réel ou d’analyses de Big Data :
| Chaîne |
Intervalle de détection des écarts (analyses en temps réel uniquement) | Spécifie la fréquence à laquelle le dépassement de la valeur spécifiée pour le paramètre Gap Duration (Durée des écarts) doit être vérifié pour les événements. Ce paramètre s’applique uniquement aux analyses temps réel. | Chaîne |
Écarts terminés uniquement (analyses de Big Data uniquement) | Indique si toutes les entités participant à un écart (entités démarrées, en cours et de fin) ou seulement les entités de fin de chaque écart doivent être renvoyées. Ce paramètre s’applique uniquement aux analyses de Big Data. | Booléen |
Track ID Fields (Champs d’ID de suivi) | Sélectionnez le ou les champs pour identifier de manière unique les entités qui seront traitées. Le paramètre est renseigné automatiquement si un champ de clé Track ID est défini sur l'entrée. | Champs |
Couche en sortie : analyses temps réel
La couche en sortie de cet outil dans les analyses temps réel possède les champs et valeurs de l’entité entrante, et contient également trois champs supplémentaires, notamment lastReceived, IsGap et GapDuration.
Nom du champ | Description | Type de champ |
---|---|---|
LastReceived | Horodatage de l’observation la plus récente reçue pour la trace. | Date |
IsGap | Statut actuel de l’écart : true (vrai) s’il existe une condition d’écart et false (faux) dans le cas contraire. | Booléen |
GapDuration | Temps écoulé total de l’écart en cours. | Entier |
Couche en sortie : analyses de Big Data
La couche en sortie de cet outil dans les analyses de Big Data possède les champs et valeurs de l’entité entrante, et contient également six champs supplémentaires, notamment GapFeatureType, GapId, GapStartTime, GapEndTime, GapCurrentDuration et GapOverallDuration.
Nom du champ | Description | Type de champ |
---|---|---|
GapFeatureType | Partie de l’écart identifié représentée par une entité. Les valeurs possibles sont les suivantes : Started (Démarré), OnGoing (En cours) et Ended (Terminé). | Chaîne |
GapId | ID unique généré pour représenter chaque écart indépendant. | Chaîne |
GapStartTime | Horodatage du début de l’événement d’écart. | Date |
GapEndTime | Horodatage de la fin de l’événement d’écart. | Date |
GapCurrentDuration | Temps déjà écoulé dans l’écart en cours pour l’entité d’écart. Les entités d’écart de type Started (Démarré) possèdent toujours une valeur GapCurrentDuration de 0. Les entités d’écart de type Ended (Terminé) possèdent la même valeur pour GapCurrentDuration et GapOverallDuration. | Flottant |
GapOverallDuration | Temps global écoulé pour l’écart auquel cette entité appartient. | Flottant |
Considérations et limitations
Tenez compte des considérations suivantes lorsque vous utilisez l’outil Détecter les écarts :
- Le paramètre Gap Duration (Durée de l’écart) (analyses en temps réel uniquement) ne peut pas dépasser 24 heures. Envisagez d’utiliser une analyse de Big Data pour surveiller les entités si la durée attendue de l’écart est supérieure.
- L’outil Détecter les écarts (analyses temps réel uniquement) conserve l’état d’un écart pendant sept jours au maximum.
Vous avez un commentaire à formuler concernant cette rubrique ?