MIAI: Instituto de Inteligência Artificial de Grenoble
EV Observe a inteligência artificial reforçada por especialistas do Instituto de IA de Grenoble
Poucas equipas em França se interessam pela descoberta de relações causais em séries temporais. Graças ao seu trabalho neste domínio, a EasyVista e o Laboratório de Informática de Grenoble adquiriram conhecimentos de ponta no domínio da causalidade.
PORQUÊ EV OBSERVE ?
A resposta
As equipas de investigação do LIG estão interessadas em dados de produção reais para testar e demonstrar os seus algoritmos. "A EasyVista, com a sua plataforma de monitorização SaaS EV Observe e os seus fluxos em tempo real de milhões de pontos de dados, era, portanto, o candidato certo".
Como explica Eric, "os novos desafios centram-se nas relações causais e não apenas nas correlações entre objectos. Esta abordagem é nova, difícil e não é bem abordada no LIG. É por isso que o projecto de "análise causal" da EV Observe permitiu ao LIG fazer avançar este vasto domínio da causalidade com casos de utilização reais".
Vantagens
- Escalabilidade e robustez da plataforma de monitorização
Como resultado destes 4 anos de investigação, a EasyVista tem agora uma forte concorrência no sector dos grandes dados. Poucos editores no mercado conseguiram mudar para estas tecnologias complexas.
- Aumentar a disponibilidade de aplicações críticas
Ao injectar algoritmos neste "grande motor" que é o Big Data, a previsão de alertas num futuro próximo (+2 horas, +15 horas, etc.) ou num futuro mais longínquo (+3 meses, +15 meses, etc.) permite poupar tempo de actividade e reduzir a pressão sobre as equipas operacionais, tanto durante o horário de trabalho como, sobretudo, durante os períodos de permanência.
Rachid: "O trabalho sobre a causalidade permite-nos simplificar a análise de sistemas complexos, concentrando-nos nos alertas essenciais das causas profundas...".
- Melhorar a relação custo-eficácia dos sistemas de monitorização através de uma maior eficiência e automatização do operador
Como explica Rachid, "o EV Observe é agora capaz de reduzir o ruído, ou seja, reduzir os falsos positivos sem gerar falsos negativos. O ajuste automático dos limiares é a chave para obter até 70% de redução do ruído sem alterar o paradigma e a organização actuais dos operadores. O nosso sistema de recomendação adapta-se aos processos actuais dos utilizadores com pouca gestão da mudança.
Estamos agora a trabalhar no comportamento para detectar automaticamente alterações anormais do sistema num grande conjunto de dados."
Rachid Mokhtari, Director de I&D da EasyVista "A EasyVista foi confrontada com um grande número de modelos de análise de dados para seleccionar os mais relevantes e implementá-los com sucesso no EV Observe. A EasyVista e o LIG passaram muito tempo a desenvolver, testar, melhorar e aprovar estes modelos. Isto permite à EasyVista garantir uma maior fiabilidade da sua solução EV Observe para o mercado".
