Détecter les écarts

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 peut être définie sur un intervalle spécifié, 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 le jeu complet des entités fournies à l’outil et, en fonction des valeurs des champs de clé définis pour les options Track ID (ID de suivi) et Start Time (Date/heure de début), identifie les entités de début, de fin ou en cours présentant des écarts en fonction des paramètres que vous définissez pour chaque trace.

Exemple

Vous trouverez ci-dessous des exemples d’utilisation de l’outil Détecter les écarts :

• Dans 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 :

• Il est recommandé d’indiquer une valeur supérieure ou égale à l’intervalle attendu entre les observations pour le paramètre Gap Duration (Durée de l’écart). Si la durée de l’écart est définie sur une valeur inférieure à l’intervalle normal attendu, l’outil détecte fréquemment de faux écarts.
• Cet outil ne traite que les événements qui possèdent un ID de suivi unique. Pour utiliser cet outil, vous devez spécifier un champ de clé doit être spécifié dans l’option Track ID (ID de suivi) du jeu de données en entrée.
• Remarques spécifiques sur l’utilisation de l’analyse 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 de l’écart.
  • 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 pendant une durée d’écart supérieure ou égale à la durée 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).
  • Dans 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 plus récent. 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 supérieurs ou égaux 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 traces en plus du champ indiqué comme ID de suivi. Les pistes sont représentées par un ou plusieurs champs de piste.

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. Analyses temps réel : Continuous (Continu) : génère un événement d’écart à la fréquence spécifiée par le paramètre Gap Detection Interval (Intervalle de détection des écarts) jusqu’à ce que l’ID de suivi ait été observé et que l’écart ne soit plus en cours. On Change (Si modification) : génère un événement d’écart lorsqu’un écart est détecté pour la première fois et un second écart final lorsque l’ID de suivi est observé et que l’écart n’est plus en cours. Analyses de Big Data : 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.	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 est défini pour l’option Track ID (ID de suivi) lors de la saisie.	Champs

Couche en sortie : analyses temps réel

La couche en sortie de cet outil dans les analyses temps réel comporte les champs et valeurs de l’entité entrante, et contient également trois champs supplémentaires, 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 comporte champs et valeurs de l’entité entrante, et contient également six champs supplémentaires, 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) présentent toujours une valeur 0 pour GapCurrentDuration. Les entités d’écart de type Ended (Terminé) comportent 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) parameter (analyses temps réel uniquement) ne peut pas dépasser 24 heures. Il est conseillé 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.