Ga meteen naar de inhoud
Nieuw: Data & AI Strategy-oefening.
Programmeurs scherm

Smart monitoring: predictive maintenance en anomaliedetectie uitgelegd

15 januari 2021
PREDICTIVE MAINTENANCE

Predictive maintenance vermindert downtime, operationele kosten en ongepland onderhoud, en verbetert tegelijk de servicekwaliteit. Voor Fednot (Koninklijke Federatie van het Belgisch Notariaat) bouwden we een smart monitoring-dashboard met Azure en Power BI. Niet alleen als proof of concept, maar ook om hun infrastructuurteam kennis te laten maken met de verschillende niveaus van Azure AI-services.

Van ongestructureerde naar gestructureerde data

Logbestanden zijn tekstzwaar en ongestructureerd. De eerste stap was features extraheren: gestructureerde attributen die dicht bij de echte voorspellende factoren liggen. Dat vraagt een diep begrip van zowel de data als het businessprobleem. We maakten een tussentijds dashboard voor feature-exploratie. Daarmee kon Fednot verschillende featurecombinaties selecteren en terugkeren naar de originele logregels, zonder ook maar één regel code.

Azure AI-services voor elk niveau

De datapipeline draaide op Azure Databricks (code-intensief, voor data-experts). De anomaliedetectie gebruikte de Anomaly Detector API uit Cognitive Services (low-code, enkele regels code). De visualisatie liep via Power BI-dashboards (no-code, voor beslissers). De Anomaly Detector neemt eender welke tijdreeks, fit automatisch een model en geeft verwachte waarden, grenzen en afwijkingen terug. Nuttig voor zowel monitoring als voorspellend schalen.

Anomaly Detector

Resultaten

Zelfs met beperkte inspanning haalde Fednot aanzienlijke extra waarde uit zijn monitoringdata. Het project is een eerste stap naar een datagedreven infrastructuuromgeving: minder onverwachte downtime, patronen ontdekken in incidenten en een betere applicatiekwaliteit en klantervaring.

- Fisher Kuan & Wouter Baetens

Interesse in predictive maintenance?

PRAAT MET ONS