AI型予兆予測サービス LUiNaについて
システム監視の高度化からIoTデータ活用まで
蓄積データを活用し高精度な異常検知・予測を提供
AI型予兆予測サービス「LUiNa」(ルイナ)は、お客様がお持ちの時系列データからいつもの動きを学習、「not いつも」を検知します。
例えば、大量にあるネットワーク機器や各所に設置する設備機器のなかから、「サイレント故障状態」の機器を発見。計画的に対処することで、突発的な故障や不調による駆け付け対応、機会損失を未然に防ぐことが可能になります。
貴社のこのような課題を解決します
- 監視機器の台数が多く、人手で見切れない
- ネットワーク機器を故障前に発見したい
- 故障前に発見し、ルーティング変更や代替機交換で障害回避したい - 監視の閾値越えアラートが1日数万あがり、振り回されている
- 本当に対応が必要なアラートは数件だが、大量のアラートに埋もれてしまう
- 少人数の保守人員で効率的に対応したい
- 無駄な対応を行いたくない - 日本各地や遠方地に設備があり、機器不良や故障時の駆け付け対応コストが大きいため、計画的に対処したい
処理の流れ
お客さまの時系列データで高精度な異常検知・予測を実施
特長
特長1 教師なし学習
特長2 変化点検知
特長3 周期パターン学習
特長4 オンライン忘却型学習
特長5 100%国産、フルスクラッチ開発
【特長1】教師なし学習
・大量の過去データを準備しなくても、平常時のデータにてオンライン学習および自動モデル更新を行うため、お手軽に利用できます。
- 平常時のデータが2か月分あればスタートできます!
【教師あり学習】
教師あり学習の場合、大量の過去データを用意して、すべての検知ケースを学習させる必要があります。
大量のデータおよび大量処理用の巨大システムを準備しなければ実現できません。
【教師なし学習】
教師なし学習の場合、大量の過去データを用意する必要がなく、都度オンラインで学習します。
また学習後のデータはすぐに捨てることができます。
そのため、スモールスペックのシステムで運用することができます。
【特長2】変化点検知
・変化点検知:時系列の振る舞いが変わる境目の時点をとらえることができます
【特長3】周期パターン学習
・24時間周期性のある時系列データでも、<平日と休日>や<日中と夜間>では異なる動きをすることがある
【特長4】オンライン忘却型学習
・日々運用していると、システム変更やリソース増強などにより、それまで学習した異常検知モデルが使えなくなることがある
・学習しつづけると検知精度が落ちてくるという検証結果もある
【特長5】100%国産、フルスクラッチ開発
・アルゴリズム、モデル、エンジンのソースが説明できるので安心!
資料ダウンロード
LUiNaの製品カタログやPOC資料、導入事例がダウンロードいただけます。