TrendMiner 2022.R2.0

12 décembre

La version 2022.R2.0 contient les nouvelles fonctionnalités et améliorations suivantes :

Machine Learning Hub

La vision de TrendMiner pour démocratiser l'analyse va au-delà de la simple mise à disposition d'outils en libre-service pour les experts du domaine, et inclut également une collaboration plus étroite entre une variété d'experts pour résoudre les problèmes. Certains des problèmes les plus complexes nécessitent la participation de Data Scientists qui apportent des techniques spécialisées permettant aux entreprises d'extraire des données disponibles les informations les plus approfondies. Pensez statistiques avancées et modèles d'apprentissage automatique.

Après un programme d'essai très réussi avec les Notebooks, nous sommes fiers d'annoncer le lancement complet d'un nouveau Machine Learning Hub (MLHub) pour les données de séries temporelles, étendant les capacités d'analyse et d'apprentissage automatique du client de production de TrendMiner. Avec MLHub, les (Citizen) Data Scientists peuvent accéder aux données TrendMiner (aussi bien les données brutes que les données prétraitées et contextualisées dans les vues TrendMiner) et valider des hypothèses ou créer/entraîner/déployer des modèles d'apprentissage automatique dans le nouvel environnement Notebook, que d'autres utilisateurs peuvent appliquer grâce aux tags Machine Learning et visualiser dans DashHub. 

Ce lancement de produit comprend les éléments suivants :

  • Les licences Expert déverrouillent désormais le tout nouveau Machine Learning Hub, qui héberge des outils analytiques avancés et la technologie Notebook
  • Passage de Zeppelin à l'écosystème Jupyter Notebook pour bénéficier de cycles de mise à jour plus courts et d'un meilleur support de la part de la communauté open source
  • Isolation du kernel et gestion des ressources pour une stabilité et des performances améliorées
  • Couche de sécurité OpenID, permettant un contrôle d'accès bien défini et un accès aux sources de données basé sur les rôles pour l'ensemble des fonctionnalités de MLHub
  • Création d'objets de sortie Notebook pour une visualisation facile
  • Tags de modèles de Machine Learning, basés sur des modèles PMML

Important:   

  • À partir de cette version
Resource Minimum Minimum with Embedded Zementis Notebook & Machine Learning Model functionality Recommended
vCPU 8 16 16
RAM 32GB 64GB 64GB
Disk SSD, 200GB, 250MB/s SSD, 500GB, 250MB/s SSD, 500, 250MB/s
  • L'espace disque libre minimal pour une mise à niveau réussie est de 25 Go.
  • La rétention maximale est fixée à 7 Go, ce qui facilitera la gestion de l'espace disque. Cela signifie en fait que nous conserverons les métriques pendant une période plus courte.

Nouvelles fonctionnalités supplémentaires

  • Nuages de points multiples pour les vues de contexte : visualisez les corrélations et la distribution de vos champs de données de contexte pour mieux comprendre les événements.
  • Vignette de texte : Vous pouvez désormais ajouter du texte aux tableaux de bord, ce qui permet de partager plus facilement le contexte de votre analyse ou d'expliquer vos données.
  • Prise en charge des tags de type “digital” dans les calculs sur les résultats de recherche : obtenez un aperçu de la phase/l'étape du procédé/l'ID du lot qui était actif au début ou à la fin du résultat de la recherche.
  • Restaurer la dernière session : Introduction de la sauvegarde automatique en arrière-plan, pour permettre la réouverture du dernier état de la vue sur laquelle vous avez travaillé (TrendHub, ContextHub, DashHub) après la fermeture brutale du navigateur.
  • Possibilité d'ajouter en un clic un élément à un tableau de bord, nouveau ou existant, ce qui facilite l'extension de vos tableaux de bord existants avec vos dernières analyses, ou la création directe d'un nouveau tableau de bord.
  • Option de partage des vues et du tableau de bord en un clic, facilitant le partage de votre travail et la collaboration avec vos collègues.
  • Barre de navigation temporelle dans la vue Gantt pour manipuler facilement la période de temps que vous souhaitez analyser.

Améliorations de l'application

  • Indications des résultats de la recherche : Les résultats de la recherche sont affichés au bas de la barre de contexte.
  • Recherche avancée de similarité : L'option avancée vous permet de rechercher un modèle d'un Tag dans l'historique d'un autre Tag.
  • Recherche de Context Item - Améliorations de la superposition : Sélectionnez et mémorisez l'attribut à visualiser lorsque le résultat de la recherche est lié à une installation.
  • Filtre sur les valeurs vides/non vides dans ContextHub pour filtrer non seulement sur la base de valeurs spécifiques, mais aussi sur les valeurs vides ou non vides pour, par exemple, identifier les informations manquantes.
  • La vignette de tendances dans DashHub inclut les périodes filtrées : Pour un graphique de tendance, les filtres sont affichés visuellement en gris sur la vignette, tandis que les nuages de points et les histogrammes omettent les données.
  • Amélioration des messages d'information avec plus d'options et de possibilités de garder le message visible en le survolant ou de cliquer immédiatement sur un message.
  • Connectivité étendue à AspenTech InfoPlus 21 : En plus des requêtes Aspen SqlPlus, la connectivité via des procédures stockées est maintenant aussi supportée.
  • Des Notebook Jupyter externes peuvent être importés dans l'environnement MLHub de TrendMiner.
  • Les résultats du Notebook peuvent désormais être publiés dans des pipelines spécifiques dans l'Organiseur de travail pour être ensuite utilisés comme visualisations (interactives) dans DashHub. Par rapport aux précédentes Vignettes Notebook, ces objets pipeline sont économes en ressources, découplés du Notebook lui-même pour éviter les collisions et isolés du kernel.
  • Diverses améliorations de l'interface utilisateur dans l'Organiseur de travail, notamment des indications visuelles des chemins de dossiers, un accès plus facile aux actions, etc.
  • Windows Server 2022 est un système d'exploitation pris en charge pour héberger Plant Integrations.

Correction de bugs

  • La prise en charge des certificats auto-signés est ajoutée lors du déclenchement des Webhooks de monitoring.
  • Correction d'un problème où les modifications ou les suppressions d'états digitaux dans la table de correspondance des états digitaux d'OSIsoft PI entraînaient des erreurs d'indexation. Les états digitaux ne sont actuellement pas resynchronisés. Veuillez contacter l'assistance si des états digitaux ont été modifiés dans OSIsoft PI.
  • Nous n'exécutons plus de sauvegarde automatique pour les installations propres.
  • La création de la sauvegarde échouait (la correction est également incluse dans la R1.0-18).

Limites connues 

  • La recherche basée sur la valeur multi-installations n'est pas disponible dans TrendHub Next Generation.
  • Les valeurs des scooters peuvent changer lorsque vous effectuez un zoom avant après avoir ajouté le scooter. Cela est dû au fait que les scooters interpolent actuellement les points de données sur le graphique.
  • Lorsque des tags calculés sont supprimés, ils ne peuvent pas être recréés avec le même nom.
  • Après avoir renommé un Tag calculé lié à un Context Item, le composant du Context Item n'est pas mis à jour correctement.
  • Les fichiers Notebook de Jupyter et les objets pipeline ne sont pas sauvegardés automatiquement par TrendMiner dans cette version. Vous pouvez les récupérer à partir de vos snapshots VM ou les télécharger via la fonction 'import'.
  • Lorsque vous partagez des Notebooks avec d'autres utilisateurs via l'Organiseur de travail, ils sont partagés en mode visualisation uniquement. Les modifications apportées par des utilisateurs autres que le propriétaire du Notebook ne sont pas enregistrées.
  • L'action affichée sur le panneau de droite de ConfigHub lorsqu'un service est redémarré n'est plus visible.

Notes de mise à jour

Pour les participants au programme d'essai Data-Scientist-In-The-Loop pour les notebooks: à partir de 2022.R2.0, le nouvel environnement Jupyter Notebook fera partie de notre boîte à outils pour utilisateurs experts. Si vous avez des notebooks créés sur la pile technologique Zeppelin, ils devront être convertis en Jupyter Notebooks. Exportez les Notebooks qui doivent être conservés avant de commencer la mise à niveau et utilisez le script qui peut être fourni par votre Customer Success Manager pour les convertir. Après la mise à niveau, ils pourront être importés via la nouvelle fonctionnalité d'importation de notebooks.

Les Notebooks sont désormais liés à un seul utilisateur (le créateur) et font partie de l'Organiseur de travail TrendMiner, au lieu de la disponibilité antérieure dans un référentiel central-seul Notebook partagé. Par conséquent, le partage n'est plus implicite (en raison du référentiel partagé), mais les Notebooks peuvent être (explicitement) partagés avec d'autres utilisateurs à l'aide de l'Organiseur de travail, que ce soit en mode visualisation seulement pour le moment. Ces préférences de partage devront être définies manuellement. Veuillez garder cela à l'esprit lors de l'importation des Notebooks.

Après la mise à niveau, les vignettes de notebook existantes basées sur les Notebooks Zeppelin ne fonctionneront plus. Elles devront être retirées manuellement des Dashboards ou remplacées par de nouvelles vignettes. Cela est nécessaire car les nouvelles vignettes de sortie des notebooks ingèrent directement des objets de pipeline à ressources limitées plutôt que des cellules sélectionnées dans un notebook qui nécessitaient de réexécuter l'ensemble du notebook. Ces objets persistent indépendamment des notebooks d'origine et permettent une configuration très conviviale.

Synopsis

Nuages de points multiples pour les vues contextuelles

Avec les nuages de points multiples, vous pouvez tracer des champs de données contextuelles sur un diagramme de dispersion pour avoir un aperçu des corrélations et des distributions concernant les événements.

L'onglet "Nuage de points" dans ContextHub se trouve en haut de l'écran, à côté des options de visualisation "Tableau" et "Gantt".

1._ReleaseNotesScatterTab_scatter.png

La configuration du graphique est accessible en cliquant sur le bouton "Paramètres" - 2._ReleaseNotesSettingsButton.png, situé en haut à droite.

3._ReleaseNotesConfiguration_screenshot.png

Il y a 4 options de graphique disponibles :

  • Points colorés - les points de données sont affichés dans une échelle de couleurs allant du bleu à l'orange, représentant la transition des points les plus anciens aux plus récents.
  • Corrélation - des vignettes supplémentaires sont affichées et représentent le coefficient de corrélation ainsi que son équation pour un nuage de points spécifique.
  • Qudrillage - des qudrillages apparaissent, facilitant la lecture des valeurs sur les graphiques.
  • Histogrammes - affichez/masquez les histogrammes.

En dessous des options de configuration de la mise en page, se trouvent tous les champs disponibles qui peuvent être tracés sur le graphique.

La navigation entre le mode nuages multiples et le mode nuage simple se fait à l'aide de la navigation en haut.

4._ReleaseNotesMultiScatterActions_screenshot.png

Le niveau dans lequel vous vous trouvez actuellement est mis en évidence en bleu. Si vous survolez un bouton de navigation désactivé, une infobulle apparaît avec des informations supplémentaires sur la raison pour laquelle le bouton est désactivé.

5._ReleaseNotesLevel_screenshot.png

Lorsque l'option "Inspecter" est activée, vous pouvez survoler un histogramme pour afficher la plage, ou survoler un point (ou un groupe de points) pour afficher leurs détails. Si vous cliquez sur un point/un groupe de points, l'infobulle reste fixée. Pour fermer l'infobulle, cliquez sur le bouton "x" situé en haut à droite de l'infobulle.

6._ReleaseNotesInspectHistogramsPopup_screenshot.png

7._ReleaseNotesInspectDataPointsPopup_screenshot.png

Lorsqu’il n’y a que deux champs déroulants, le nuage de points apparaîtra sous la forme d'un graphique à bulles. Plus le point du graphique est grand, plus il contient de points de données.

8._ReleaseNotesBubbleChart_screenshot.png

Si nous inspectons les deux points sur le graphique - celui de gauche contient un point :

9._ReleaseNotesBubbleChart1_screenshot.png

Celui de droite contient cinq points :

10._ReleaseNotesBubbleChart2_screenshot.png

Remarque : les "points colorés" ne sont pas pris en charge pour le graphique à bulles.

Dashboard - Vignette de texte

La vignette de texte offre la possibilité d'ajouter plus d'informations à un tableau de bord et de faire du storytellling avec vos tableaux de bord.

La nouvelle vignette de texte se trouve dans la liste lors de la création d'une nouvelle vignette.

11._text_tile.png

Toutes les options sont présentes dans la vignette elle-même pour un accès plus facile et un travail plus rapide. 12._text_tile.png

Par défaut, un ensemble d'options de base est affiché. En cliquant sur le bouton "Afficher plus", on peut afficher encore plus d'options. Celles-ci peuvent également être masquées à l'aide du bouton "Afficher moins".

13._Text_tile.png

14._Text_tile.png

 

Restaurer la dernière session

Dans l’ancien TrendHub, nous pouvions jouer sur les liens URL pour récupérer les sessions "perdues" en raison d'un navigateur planté, de connexions perdues ou d'un renvoi de la session. 

Cette nouvelle fonctionnalité exploite une action de sauvegarde automatique, ce qui signifie que lorsque quelque chose d'inattendu se produit et que le navigateur se bloque, une option apparaît dans la session suivante sous la forme d'un message, et la "vue perdue" peut être restaurée.

Cette option fonctionne également dans ContextHub et DashHub.

15._restore_session.png

Connectivité étendue d'AspenTech InfoPlus 21

La connectivité existante de TrendMiner avec InfoPlus 21 était basée sur une approche impliquant des requêtes SqlPlus d'Aspen. A partir de maintenant, la connectivité avec l'historien d'AspenTech InfoPlus 21 peut être établie avec une procédure stockée. 

Pour activer l'approche basée sur une procédure stockée, utilisez la propriété webconfig "ip21.history.storedprocedure".  Cet indicateur est défini sur "false" par défaut et doit être défini sur "true" pour activer la connectivité via une procédure stockée. Le code SQL au sein de la procédure stockée doit être préparé par l'administrateur de l'historien, qui connaît la structure des données et les données à obtenir.

Calculs sur une recherche - Prise en charge des tags de type “digital”

Dans les versions précédentes, seuls les tags analogiques pouvaient être sélectionnés pour un calcul sur les résultats de recherche. Cette version vous permet d'ajouter des tags de type “digital” également. Les opérateurs pris en charge pour les tags de type “digital” sont les valeurs de "début" et de "fin", qui donnent un aperçu de l'état dans lequel les conditions de recherche commencent ou se terminent. Par exemple: une vanne est-elle dans l'état ouvert ou fermé; renvoyer le numéro de batch; renvoyer le nom de l’étape du procédé pour un résultat de recherche particulier.

Ce calcul supplémentaire peut ensuite être exploité dans d'autres actions comme dans le tri par état ou lors de l'exportation comme pour tout autre calcul. 

16._Search_Calculations_side-panel_with_example_of_digital_tags.png

17._Search_Results_sorted_by_calculation_on_digital_tag.png

 

Enjoying TrendMiner? Share your experience to help the community and receive $25.
Rate TrendMiner