Emplee la detección de anomalías para gestionar los activos y el mantenimiento predictivo.

La detección de anomalías es la identificación de elementos raros, eventos u observaciones en datos que difieren considerablemente de las expectativas. Esto se utiliza en muchos sectores para el control y el mantenimiento de activos.

El servicio de detección de anomalías ayuda a detectar anomalías en los datos de series temporales sin necesidad de estadísticas ni expertos en aprendizaje automático. Proporciona algoritmos predefinidos y aborda automáticamente los problemas de datos. Se trata de un servicio en la nube al que se puede acceder a través de las API de REST y se puede conectar a muchos orígenes de datos. La consola, la CLI y el SDK de OCI facilitan su uso en soluciones integrales.

En esta arquitectura de referencia, resaltamos cómo el servicio de detección de anomalías de Oracle Cloud Infrastructure que funciona con otros servicios de datos de OCI puede ayudar con los siguientes casos de uso:

Gestión de activos

La gestión de activos se centra en el funcionamiento óptimo de los activos, lo que garantiza que se cumplan las métricas operativas y los KPI, como el rendimiento, la producción, los desechos, la calidad, la seguridad y el rendimiento.

Mantenimiento predictivo

El mantenimiento predictivo consiste en evitar los costos y minimizar las interrupciones operativas que aumentan los gastos, como programar turnos adicionales, pagar horas extra, acelerar el flete y otros costos.

Fabricación inteligente

La fabricación inteligente implica encontrar formas de mejorar la eficiencia operativa para aumentar los ingresos y los beneficios. La detección de anomalías puede detectar patrones para predecir el rendimiento y los defectos de los productos al principio del ciclo de fabricación, así como realizar un seguimiento de los productos para analizar los impactos, con lo que se aumenta el rendimiento y la salida, se mejora la calidad y se reduce la chatarra.

Arquitectura

Esta arquitectura de referencia tiene tres fases principales: Recopilar, Analizar y Actuar. En estas fases hay ocho etapas tecnológicas.

El siguiente diagrama ilustra esta arquitectura de referencia.

Descripción de la ilustración Architecture-anomaly-detection.png

La arquitectura tiene los siguientes componentes:

Recopilar

La fase de recopilación tiene las siguientes etapas:

• Dispositivos, sensores y entradas que generan los datos.
• Un hub, puerta de enlace o borde que recopila los datos.
• Transporte de datos para procesamiento por lotes, transmisión, intervalo, tiempo real u otros métodos.
• Almacenamiento de datos para análisis, gestión y uso futuro.

Analizar

• Curación

  Implica la gestión de datos que los hacen más útiles para los usuarios que participan en el análisis y la detección de datos. Esto incluye la recopilación de datos de diversos orígenes y su integración en repositorios. La curación de datos incluye autenticación de datos, archivado, gestión, recuperación de conservación y representación

• Procesamiento Anterior

  Implica solucionar los problemas típicos asociados con la recopilación de datos de la serie temporal IoT, como una sincronización de reloj no coincidente, valores que faltan y un ratio de señal a ruido bajo.

• Formación de modelos

  Los algoritmos están formados sobre datos de ejemplo completos y sin anomalías. Esto crea un modelo con el que se comparan los datos activos.

• Detección de Anomalía

  Algoritmos de aprendizaje automático para identificar patrones y anomalías en los datos.

  El servicio de detección de anomalías es un conjunto de algoritmos que pueden extraer grandes cantidades de datos y buscar patrones y anomalías. Es una combinación de tres técnicas:

  • Proceso previo de datos inteligentes (IDP):

    Se trata de algoritmos patentados que están diseñados para solucionar problemas típicos asociados con la recopilación de datos del sensor de serie temporal IoT. El servicio los aplica automáticamente según sea necesario. Entre los ejemplos de técnicas de IDP se incluyen:

    • Proceso de Muestreo Analítico (ARP)

      ARP ayuda a tratar diferentes tasas de muestreo (problemas de coincidencia de reloj). Utiliza métodos de muestreo ascendente/desmuestreo basados en interpolación para generar intervalos de muestreo uniformes para todas las series temporales de telemetría.

    • Imputación de valor faltante (MVI)

      MVI ayuda a calcular de forma inteligente los valores que faltan. Utiliza una combinación de estimaciones de interpolación y MSET para rellenar inteligentemente los puntos ciegos (valores faltantes).

    • UnQuantization (UnQ)

      UnQ ayuda a convertir una señal de baja resolución en una resolución más alta

  • Técnica de estimación estatal multivariante (MSET)

    Este algoritmo se utiliza para conocer la relación entre varias señales en un conjunto de datos de serie temporal para obtener estimaciones inteligentes.

  • Prueba de Ratio de Probabilidad Secuencial (SPRT)

    Esta prueba utiliza los datos de MSET para la detección temprana de anomalías.

Actualización

• Interfaz de usuario

  Para presentar los resultados en applets, paneles de control, gráficos, gráficos para personas con roles como Operaciones, Gestión o Científicos de datos.

• Proceso de negocio

  Procesos para incorporar los resultados en aplicaciones de transacciones empresariales estándar a fin de activar una acción como la creación de una solicitud de servicio, una orden de compra, una orden de venta o una actualización de firmware remota. Las integraciones con otros sistemas y herramientas pueden minimizar errores, mejorar la productividad y acelerar la ejecución.

Recomendaciones

Los requisitos pueden ser diferentes de la arquitectura que se describe aquí. Utilice las siguientes recomendaciones como punto de partida.

En el siguiente diagrama se muestran algunos de los servicios de Oracle que puede utilizar en esta arquitectura.

Descripción de la ilustración solución-anomaly-detection.png

• Gateway

  Puede ser un hub personalizado diseñado para la recopilación de datos de sensores específicos. También puede ser una base de datos como Oracle Autonomous Data Warehouse, Oracle NoSQL u otra base de datos.

• Transporte

  Integración de datos: utilice Integración de datos de Oracle Cloud Infrastructure para migrar todos los datos del historial fuera de línea a Object Storage. Una vez transferidos los datos a Object Storage, todos los servicios OCI pueden acceder a ellos.

  Streaming: utilice el flujo de Oracle Cloud Infrastructure para la ingestión en tiempo real de eventos y datos que se pueden consumir o almacenar en Object Storage.

• Object Storage

  Oracle Cloud Infrastructure Object Storage es el almacenamiento por defecto en esta arquitectura. Todos los datos se deben almacenar en Object Storage desde todos los servicios. Todos los datos estructurados, semiestructurados y no estructurados se pueden almacenar en Object Storage.

• Integración de procesos de negocio e interfaz de usuario
  • Oracle Analytics Cloud

    Analytics Cloud se puede utilizar para crear paneles de control, applets, visualizaciones, informes y otros análisis.

  • Ciencia de datos de Oracle Cloud Infrastructure

    Se puede utilizar para leer datos de diferentes orígenes para crear visualizaciones mediante bibliotecas Python en una sesión de bloc de notas.

  • Oracle Cloud Infrastructure Data Integration

    Se puede utilizar para integrar la solución de detección de anomalías en las aplicaciones de negocio para el procesamiento automatizado del flujo de trabajo, proporcionar notificaciones al personal y para muchos otros casos de uso.

Consideraciones

Al crear su solución de detección de anomalías, tenga en cuenta estas opciones de implantación.

Guía	Recomendado	Otras opciones	Racional
Sensores	Comience con sensores diseñados y ya instalados en el equipo. Se pueden agregar sensores no invasivos en cualquier momento para proporcionar capacidades de supervisión adicionales.	La red de partners de Oracle cuenta con muchos integradores y revendedores por sector y región que venden sensores y pueden ayudar a implementar una o todas las soluciones de detección de anomalías.	La adición de sensores tradicionales al equipo instalado actualmente suele ser difícil. Los nuevos sensores como los sensores de vibración y resonancia acústica (VARS) son baratos y fáciles de instalar. Considere agregar estos tipos de sensores en lugar de sensores tradicionales.
Transporte	La mayoría de los casos de uso de detección de anomalías que implican la gestión de activos, el mantenimiento predictivo o la fabricación inteligente no necesitan un control en tiempo real. La transferencia por lotes de datos cada pocos minutos es una arquitectura más fácil de diseñar y desplegar. Además, al evaluar soluciones de detección de anomalías, utilice un archivo histórico de datos del sensor de series temporales.	El servicio de transmisión se puede utilizar para la detección de anomalías en tiempo real o casi en tiempo real. La detección de anomalías en el borde también es posible, pero añade complejidad adicional.	Según el tipo, el número y las tasas de muestreo de los sensores, la arquitectura puede variar considerablemente. Algunos casos de uso pueden enviar datos por lotes para su detección; otros están cerca de la detección en tiempo real en el perímetro, quizás en combinación con una nube pública. Otros casos de uso requieren la detección en tiempo real en el perímetro por motivos de seguridad, seguridad, notificación, capacidades de comunicaciones no disponibles o poco fiables, u otros motivos. Esto debe ser cuidadosamente evaluado y diseñado para llegar a una solución exitosa.
Almacenamiento	Object Storage es el método preferido de almacenamiento para el servicio de detección de anomalías	Autonomous Data Warehouse se puede utilizar para almacenar datos estructurados y su recuperación más rápida. Puede escribir datos en el almacén de datos desde Data Integration, Data Flow o desde cualquier otro servicio. El almacén de datos también es una tienda de servicio y presentación.	El almacenamiento de objetos es una plataforma de almacenamiento de alto rendimiento a escala de Internet que ofrece durabilidad de datos rentable y fiable.
Detección de Anomalía	Para garantizar el mejor rendimiento con el servicio de detección de anomalías, asegúrese de entrenar el modelo de ADS mediante datos no anómalos. Esto requiere eliminar las anomalías de un archivo de datos históricos para que represente una "imagen dorada" de una operación de equipo ideal.		Si las anomalías no se eliminan de los datos del modelo de formación, las que permanecen se considerarán operaciones normales optimizadas. Por lo tanto, no se identificarán como anomalías puesto que el modelo fue entrenado con ellos en su lugar
UI	Utilice Oracle Analytics Cloud para crear las interfaces de usuario con el fin de solucionar la situación detectada y cómo corregirla. Las notificaciones pueden ser visualizaciones, flujos de trabajo, applets, paneles de control, etc.		Una vez detectada una anomalía, es importante saber qué medidas tomar para corregir la situación. Puede haber muchas personas que deban ser notificadas. El desarrollo de la interfaz de usuario adecuada para esas personas tendrá un gran impacto en el éxito del caso de uso de detección de anomalías.
Integración del proceso de negocio	Utilice Oracle Integration Cloud para conectar su solución de detección de anomalías a aplicaciones internas que puedan automatizar la respuesta a una anomalía detectada.		Conectar su solución de detección de anomalías a sus aplicaciones internas puede mejorar la velocidad y la precisión de su respuesta al abordar la anomalía. Según el tipo y la gravedad de la anomalía, a continuación se muestran algunos ejemplos de cómo esta integración puede tener un valor significativo: Un nivel de inventario bajo identificado señala una orden de compra generada automáticamente para reaprovisionamiento. Se prevé un fallo de componente, lo que provoca que se procese un ticket de servicio para un técnico in situ. El flujo de trabajo inteligente escala automáticamente un mensaje de notificación en función de la cantidad de tiempo transcurrido.

Más información

• Página inicial de documentación para el servicio de detección de anomalías. La página inicial incluye enlaces a documentos de API, SDK, foros de la comunidad y Oracle Support.
• Marco de mejores prácticas para Oracle Cloud Infrastructure