시계열에서 이상 구간 찾기

Time series search는 사용자 조건을 평가하여 조건이 참인 각 시간 구간을 이벤트로 반환합니다. 이벤트 집합을 차트에 표시하거나 후속 이벤트 분석에 사용할 수 있습니다. 시계열 경보에 맞는 검색 논리는 이벤트를 온톨로지 객체로 기록하는 자동화로 연결할 수 있습니다.

두 공항의 온도 예제

JFK와 LGA 공항의 온도 시계열을 분석에 추가합니다. 이 예제의 온도 단위는 화씨입니다.

고정 임계값

JFK의 온도가 20°F보다 낮은 기간을 찾습니다.

1. Time series search를 추가합니다.
2. 임계 조건의 Source Time Series를 JFK Temperature로 지정합니다.
3. 연산자는 <, 임계값은 20으로 정합니다.

다른 시계열과 비교

LGA가 JFK보다 따뜻한 기간을 찾으려면 임계값의 피연산자 유형을 Time series로 선택합니다.

상한과 하한을 벗어난 구간

JFK 온도가 30일 이동 평균에서 두 표준편차보다 더 벗어난 구간을 찾을 수 있습니다.

1. Bollinger bands를 추가하고 Source plot을 JFK Temperature로 지정합니다.
2. Multiple을 2, Window size를 30 days로 정합니다.
3. Time series search의 Search type을 Bounded로 바꿉니다.
4. Time series에는 JFK Temperature, Bounded time series에는 만든 Bollinger bands를 연결합니다.

사용자 수식

JFK가 LGA보다 1°F 넘게 따뜻한 구간은 Formula 검색으로 표현합니다.

1. Time series search의 Search type을 Formula로 선택합니다.
2. 조건 입력란에서 $를 입력하여 사용할 시계열과 매개변수를 찾습니다.
3. JFK와 LGA의 실제 전역 ID를 선택하고 수식을 적용합니다.

그림에서는 JFK가 $B, LGA가 $E입니다.

$B > $E + 1

Apply를 선택하여 조건을 적용합니다.

이벤트의 평가 시각과 경계에는 보간 설정이 영향을 줍니다.

여러 시계열의 Multi 검색

Multi 검색은 transform table의 각 행에 조건을 적용하여 만족하는 구간마다 이벤트를 반환합니다. 입력은 최대 1,000행입니다.

뉴욕의 여러 기상 관측소에서 온도가 80°F를 넘는 구간을 찾는 예는 다음과 같습니다.

1. 뉴욕의 기상 관측소만 남긴 객체 집합을 만들고 transform table로 변환합니다.
2. 표의 다음 작업 메뉴에서 Visualize > Time series search를 선택합니다.
3. 조건 입력란에서 @로 Temperature 속성을 찾습니다.
4. 실제 열 식별자를 사용하여 조건을 입력하고 Apply를 선택합니다.

그림의 열 식별자는 tdp_temp입니다.

@tdp_temp > 80

자동화로 변환

검색 카드 편집기의 Automations에서 Add automation을 선택하여 검색 논리로 시계열 경보를 만들 수 있습니다. 감지한 이벤트를 객체로 저장하여 추적하는 용도입니다.

다음 조건을 확인합니다.

• Multi 시계열 검색은 자동화로 변환할 수 없습니다.
• 경보 논리는 루트 객체 하나를 기준으로 해야 합니다. 그 루트의 TSP와 루트에 연결된 센서 객체의 TSP를 사용할 수 있습니다.
• 경보에서 지원하지 않는 시계열 연산은 사용할 수 없습니다. 지원 연산과 제약을 확인합니다.

예제의 서로 다른 JFK와 LGA 객체를 비교하는 검색을 단일 루트 경보에 그대로 사용할 수 있는 것은 아닙니다. 시계열 경보의 생성 조건에 맞는 입력과 연산으로 구성합니다.