Disponible dans les analyses en temps réel et les analyses de Big Data.
L’outil Detect Gaps (Détecter les écarts) est disponible à la fois dans les analyses en temps réel et dans les analyses Big Data, mais les fonctionnalités et spécificités du fonctionnement de cet outil diffèrent selon les types d’analyse. Dans les analyses en temps réel, l’outil Detect Gaps (Détecter les écarts) surveille les rapports et observations entrants chaque fois qu’une ou plusieurs pistes dépassent la Gap Duration (Durée de l’écart) spécifiée. La détection des écarts est réalisée à la fréquence spécifiée par le paramètre Gap Detection Interval (Intervalle de détection des écarts) et une notification d’écart est créée comme événement en sortie. Par ailleurs, dans les analyses Big Data, l’outil Detect Gaps (Détecter les écarts) traite le jeu complet d’entités fournies à l’outil et, en fonction des valeurs des champs clés Track ID (ID de suivi) et Start Time (Heure de début), identifie les entités de début, de fin ou en cours présentant des écarts en fonction des paramètres définis par l’utilisateur pour chaque piste.
Exemples
- Analyses 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 ont été désactivés et ont cessé de renvoyer les informations sur la pression. L’outil Detect Gaps (Détecter les écarts) peut être configuré avec une Gap Duration (Durée de l’écart) de 30 secondes et un Gap Detection Interval (Intervalle de détection des écarts) de 5 secondes. Avec cette configuration, l'outil Detect Gaps (Détecter les écarts) vérifie tous les manomètres connus toutes les cinq secondes pour déterminer si l'un d'eux est resté plus de 30 secondes sans communiquer d'informations sur la pression.
- Analyse 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 Detect Gaps (Détecter les écarts) peut être configuré pour identifier les pistes d’entité dans lesquelles des entités sont manquantes supérieures à la Gap Duration (Durée de l’écart) spécifiée (par exemple, 15 minutes).
Remarques sur l'utilisation
- La Gap Duration (Durée de l’écart) doit être définie sur une valeur égale ou supérieure à l’intervalle attendu entre les observations. Si la Gap Duration (Durée de l’écart) est définie sur une valeur inférieure à l’intervalle attendu normal, elle détecte fréquemment de faux écarts.
- Cet outil ne traite que les événements qui possèdent un ID de suivi unique. Un champ clé Track ID (ID de trace) doit être identifié dans le jeu de données en entrée pour pouvoir utiliser cet outil.
- Remarques spécifiques sur l’utilisation de l’analyse en temps réel.
- L’outil Detect Gaps (Détecter les écarts) est exécuté à une fréquence spécifiée par le paramètre Gap Detection Interval (Intervalle de détection des écarts). Cela signifie que si le paramètre Gap Detection Interval (Intervalle de détection des écarts) est défini sur 20 minutes, l’outil Detect Gaps (Détecter les écarts) vérifie toutes les pistes connues toutes les 20 minutes pour déterminer si l’une d’elles a dépassé la Gap Duration (Durée de l’écart).
- L’outil Detect Gaps (Détecter les écarts) des analyses en temps réel offre les modes de notification Continuous (Continu) et On Change (En cas de changement) 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 piste 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 piste est de nouveau observé.
- On Change (En cas de changement) : un événement d’écart est créé lorsqu’un écart est détecté pour la première fois pour un ID de piste donné. Un deuxième et dernier événement d’écart est généré lorsque le même ID de piste est de 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 survient à la fréquence spécifiée par le paramètre Gap Detection Interval (Intervalle de détection des écarts).
- Pour les analyses en temps réel, l’outil Detect Gaps (Détecter les écarts) conserve un magasin d’état de l’observation actuelle pour chaque ID de trace. Lorsqu’une nouvelle observation est reçue, elle est comparée à l’observation actuelle du même ID de trace, si celle-ci existe afin 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 remplacera pas l’observation actuelle par la nouvelle observation dans le magasin d’état, la nouvelle observation ne sera pas ajoutée au magasin d’état et les observations futures de cette ID de trace seront comparées à l’observation actuelle, laquelle est conservée dans le magasin d’état jusqu’à l’arrivée d’une nouvelle observation possédant un horodatage ultérieur. L’outil enregistre un avertissement lorsque ceci se produit.
- Remarques spécifiques sur l’utilisation de l’analyse Big Data
- L’outil Detect Gaps (Détecter les écarts) des analyses de Big Data offre des méthodes Individual (Individuelle) et Cumulative de détection des écarts.
- Individual (Individuelle) : identifie un écart unique lorsque le délai entre deux entités consécutives pour un ID de piste donné dépasse la durée de l’écart.
- Cumulative (Cumulative) : identifie les délais consécutifs entre deux entités consécutives pour un ID de piste donné dépassant la durée de l’écart comme un écart unique.
- Une Gap Duration (Durée de l’écart) doit être spécifiée 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 Detect Gaps (Détecter les écarts) des analyses de Big Data offre des méthodes Individual (Individuelle) et Cumulative de détection des écarts.
Paramètres
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 entre les analyses temps réel et les analyses de Big Data :
| Chaîne |
Intervalle de détection des écarts (analyses en temps réel uniquement) | Spécifie la fréquence à laquelle le dépassement de la Gap Duration (Durée de l’écart) 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 |
Champs Track ID (ID de piste) (analyses de Big Data uniquement) | Sélectionnez le ou les champs pour identifier de manière unique les entités qui seront traitées. Ce paramètre sera renseigné automatiquement si un champ clé TRACK_ID est défini en entrée. | Champs |
Couche en sortie : analyses temps réel
La couche en sortie de cette 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 cette 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
- 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 en temps réel uniquement) conserve l’état d’un écart pendant sept jours au maximum.
Vous avez un commentaire à formuler concernant cette rubrique ?