Modern IT ecosystems require efficient alert management. Event management and correlation, supported by generative AI and the power of Elastic, provide structured alert processing, predictive insights, and auto response, enhancing system performance.

Navigating the sea of alerts: The challenge of modern IT monitoring

Event management: Bringing order to chaos

Event correlation: Unveiling the bigger picture

The proactive advantage: Predictive insights through event management and correlation

Automation: Accelerating and enhancing response

The layers of event management

blog-elastic-what-is-alert-management.png

How does it all play together?

blog-elastic-application-landscape.png

blog-elastic-service-frontend-node-error.png

Generative AI-based analysis of automatically managed cases

blog-elastic-ai-assistant-integration.png

blog-elastic-observability-assistant.png

Rise above the noise: Overcoming alert fatigue

blog-elastic-workflow-alert-management-logic.png

blog-elastic-ai-based-itsm.png

Manage and correlate signals and alerts in Elastic Observability

power-of-your-data.jpg

Maximize IT efficiency leveraging alert management with Elastic AI Assistant for Observability

Avec l’Internet industriel des objets et Elasticsearch, les fabricants peuvent monitorer et analyser d’énormes volumes de données d’atelier. Découvrez comment.

L’Internet industriel des objets (IIoT) offre aux entreprises de fabrication la possibilité de recueillir des données par le biais de milliers de capteurs et d’appareils.Ces données doivent être mises en corrélation par la suite pour monitorer les processus de production et déterminer les mesures appropriées pour une analyse plus approfondie. L’une des problématiques majeures consiste donc à collecter et à normaliser les données pour les utiliser dans le contexte de l’analyse prédictive ou de la sécurité de l’atelier.Or, les entreprises de fabrication, même de petite taille, gèrent souvent plusieurs usines comptant des centaines de machines et des milliers de capteurs. De nouvelles données sont générées en l’espace de quelques millisecondes. Et très vite, vous disposez de plusieurs téraoctets de données. Néanmoins, celles-ci ne sont ni stockées, ni analysées. De ce fait, vous n’en retirez aucune valeur.<blockquote>Avec Elastic, vous pouvez collecter, améliorer et analyser les données de l’IIoT, et de là, aider les gestionnaires de production à obtenir des informations plus approfondies sur les processus de production. — Marco De Luca, Principal Solution Architect @ Elastic</blockquote>La capacité à collecter ces données à l’échelle sera un facteur de différenciation important. Elle permet en effet d’optimiser les processus de production, et ainsi, conduire à une plus grande efficacité et à des produits de plus haute qualité.En général, les fabricants font face à au moins l’une des problématiques suivantes, en plus de celles mentionnées ci-dessus&nbsp;:<ul><li>Les entreprises de fabrication sont innovantes, mais bon nombre de leurs machines sont anciennes et resteront probablement en place pendant encore plusieurs années. En effet, la durée d’un cycle de vie type est de 10 à 20&nbsp;ans, voire plus&nbsp;! Comment intégrer ces machines existantes dans des plateformes d’analyse modernes&nbsp;?</li><li>De nombreux types d’appareils doivent être monitorés, notamment les capteurs ou les véhicules autonomes. Et c’est seulement en ayant une vue complète que vous pourrez procéder à une maintenance prédictive appropriée, des opérations pertinentes, etc. Seulement voilà, les différents types d’appareils utilisent des technologies variées pour communiquer et une connectivité à Internet qui leur est propre.</li><li>De plus, il existe un certain nombre de solutions propriétaires qui ne communiquent pas les unes avec les autres. Comment obtenir des données de ces systèmes et permettre une corrélation avec d’autres données machine&nbsp;?</li><li>Certaines entreprises de fabrication sont déjà en train de réfléchir à une solution pour établir une plateforme pour les données machine afin de monitorer l’ensemble des systèmes, nouveaux et existants. Comment exploiter les données pour assurer un fonctionnement optimal ou une maintenance appropriée, ou pour concevoir des cas métier et/ou des services supplémentaires ou nouveaux&nbsp;?</li></ul>Les entreprises qui s’attachent à collecter les données de leurs machines et à les analyser retireront de nombreux avantages, notamment, l’optimisation des processus de production et l’amélioration de la qualité des produits. Mais ce n’est pas tout&nbsp;!Une solution de monitoring bien conçue, accompagnée d’une maintenance prédictive appropriée, peut également permettre de réduire considérablement les coûts. Les données de capteur peuvent en dire long sur l’état d’un appareil ou sur la qualité du produit fabriqué. De plus, elles aident à diminuer l’utilisation de ressources. <a href="/fr/customers/mm-karton">MM&nbsp;Karton</a> a démontré que c’était effectivement possible en réduisant sa consommation de matières premières de 20&nbsp;%.<h2>Construisez la base de votre analyse de données IIoT</h2>Pour pouvoir exploiter cet ensemble de données hétérogène, vous devez le stocker dans un environnement distinct capable d’évoluer avec vos besoins. Elasticsearch est la solution idéale pour ce cas d'utilisation. Non seulement elle vous permet de stocker de nombreux types de données à l’échelle, mais elle vous permet aussi d’analyser ces données avec le Machine Learning et de les visualiser comme vous le souhaitez.Le fait de collecter l’ensemble des données pertinentes de chaque usine est une première étape. Maintenant, imaginez comment un monitoring global pourrait améliorer l’efficacité de vos usines de production. Pour stocker tous les types de données nécessaires dans Elasticsearch et combiner les données de plusieurs usines sur une seule vue avec <a href="/guide/en/kibana/7.4/canvas.html">Canvas</a>, rien de plus simple. Il suffit de créer une diapositive de présentation connectée à des données réelles.Voici quelques exemples&nbsp;:<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt5c394309c17b5dc9/5da6464f8854f368b9b0b877/iiot-canvas-dashboards-blog.gif" data-sys-asset-uid="blt5c394309c17b5dc9" alt="Monitoring de tableaux de bord créés dans Canvas" style="display: block;margin: auto;"/><figcaption>Monitoring de plusieurs usines depuis une vue générale jusqu’à une vue détaillée par appareil</figcaption>Il est essentiel d’avoir cette vue générale sur différentes usines. Mais ce n’est pas tout. Vous voulez aussi connaître les performances des machines dans chaque usine. De plus, vous devez pouvoir combiner et mettre en corrélation les différents modèles de données de chaque fournisseur.<h2>Cas d'utilisation IIoT typiques avec la Suite&nbsp;Elastic</h2>Les cas d'utilisation suivants sont quelques exemples parmi d’autres de l’utilisation de la Suite&nbsp;Elastic pour analyser et monitorer les données IIoT. La mise en place de réponses automatisées à des problèmes grâce à l’interaction à distance avec les machines en fait également partie.<h3>Des analyses prédictives pour une maintenance prédictive</h3>L’utilisation de données de capteurs est très efficace pour analyser l’état des appareils IoT. Les données de capteurs, telles que la pression de l’air ou de l’huile, la température, la tension, la vitesse, le son, la fréquence ou le changement de couleur/d’éclairage sont des symptômes précoces d’une défaillance à venir. Si vous savez qu’une défaillance va se produire, vous pouvez donc réagir tout de suite et ainsi limiter les coûts.De plus, en ayant connaissance des seuils des données de capteurs ou des plages de données, la direction de la production peut définir des plans de maintenance individuels basés sur des données réelles, plutôt que des cycles de maintenance rigides qui impliquent de changer des composants, qu’ils soient encore en bon état ou non. L’utilisation de ces données permet donc de mettre en place un plan de maintenance dédié et pertinent, qui réduit les coûts et les interruptions de production.Mais pour cela, il faut déjà avoir une connaissance précise des circonstances susceptibles de mener à une défaillance. Ce qui signifie qu’il faut observer des centaines de capteurs simultanément en temps réel et comparer les données aux événements qui se sont produits par le passé. Autant dire que ce n’est pas chose aisée, pour les simples humains que nous sommes. Pour le Machine&nbsp;Learning, en revanche, c’est une tâche idéale. La détection d’anomalies sur un capteur ou la mise en corrélation des données de tous les capteurs pour obtenir une vue unique relative à l’état sont des capacités réellement puissantes.<h3>Réduction des taux de rejets ou de déchets</h3>Un autre KPI important est le taux de rejets et de déchets. Pour pouvoir réduire le taux de rejets, il faut d’abord savoir quels aspects de la production entraînent des rejets. La détection des valeurs anormales basée sur le Machine&nbsp;Learning de la Suite&nbsp;Elastic permet de déterminer les produits dont les résultats diffèrent de ceux attendus. En utilisant cette fonction de détection avec les données des capteurs, vous pouvez identifier les problèmes avec rapidité et facilité.Au niveau de l’atelier, une tâche de Machine&nbsp;Learning bien conçue peut permettre aux machines de s’optimiser par elles-mêmes sans qu’aucune intervention humaine ne soit nécessaire.<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt699f1478e047ff11/5da646ca41cfbe67ebcd8074/iiot-machine-learning-analytics-blog.jpg" data-sys-asset-uid="blt699f1478e047ff11" alt="Exploration des analyses générées par le Machine Learning" style="display: block;margin: auto;"/><figcaption>La détection des valeurs anormales basée sur le Machine&nbsp;Learning peut identifier des indicateurs de qualité produit qui peuvent défier l’entendement</figcaption><h3>Sécurité de l’atelier</h3>De nos jours, la sécurité des systèmes&nbsp;IT est une problématique bien connue. Dans le cas d’un atelier, cependant, la sécurité est souvent bien plus difficile à mettre en place. Actuellement, le principe appliqué pour garantir la sécurité est d’empêcher les intrusions en ne connectant pas les installations de production à Internet.Mais cette contrainte s’avère de plus en plus difficile à respecter. L’impact croissant de “l’IT classique” (p.&nbsp;ex. ERP comme SAP&nbsp;PP ou PLM) sur des systèmes SPS (comme Siemens&nbsp;SIMATIC) aboutit sur la mise en place d’une communication directe, avec tous les avantages et les inconvénients que cela représente. La demande est émise par l’entreprise. D’ailleurs, la fabrication à la demande existe déjà avec les imprimantes&nbsp;3D ou la découpe laser. Réfléchissons un instant. Imaginons que des processus de production entièrement automatisés soient déclenchés par les commandes personnalisées émises par un atelier Web quelconque. Le risque de production d’étincelles par l’IT interconnectée à l’atelier prend alors une nouvelle dimension. La sécurité de l’atelier deviendra donc une problématique vraiment importante lors de la transition vers l’<a href="https://www.forbes.com/sites/bernardmarr/2018/09/02/what-is-industry-4-0-heres-a-super-easy-explanation-for-anyone/">industrie&nbsp;4.0</a>. Grâce à la combinaison d’<a href="/fr/siem">Elastic&nbsp;SIEM</a> (gestion des informations et des événements de sécurité) à la possibilité de collecter toutes les données appropriées, vous pourrez monitorer les événements de sécurité dans votre usine intelligente également.<h2>Collecte et analyse de différentes sources de données IIoT avec la Suite&nbsp;Elastic</h2>Les capacités d’analyse dont une entreprise a besoin ont été intégrées à la Suite&nbsp;Elastic il y a déjà un certain temps. La difficulté reposait sur le fait d’obtenir les données de différentes sources pour les mettre dans la suite.Dans le cas d’une usine de production, les données venant de différentes sources ne peuvent pas être collectées que d’une seule manière. Vous devez réunir toutes les sources. Étant donné qu’Elastic est une plateforme de données libre et en temps réel, vous pouvez facilement vous appuyer sur son écosystème pour intégrer tous les types de sources de données.Une usine de fabrication dispose de nombreux systèmes différents qu’il faut monitorer, depuis les systèmes très anciens (exécutant peut-être des logiciels de commande basés sur Windows&nbsp;95 voire une version antérieure) jusqu’aux dernières technologies exécutant Linux et <a href="https://opcfoundation.org/">OPC-UA</a>. Nous parlons principalement des types de systèmes suivants&nbsp;:<ul><li>Les logiciels de commande de fabrication, tels que <a href="https://www.ibm.com/docs/en/ibm-mq/8.0.0" target="_self">IBM&nbsp;MQ</a>, servant à contrôler le processus de fabrication d’une usine, et aussi entre les usines.</li></ul><ul><li>Un <a href="https://en.wikipedia.org/wiki/Programmable_logic_controller">contrôleur logique programmable</a> (PLC) est un type distinct d’appareil informatique conçu pour être utilisé dans des systèmes de commande industriels. Il s’agit d’un "PC industriel" spécial qui contrôle les capteurs et les actionneurs. Par exemple, il commande les machines qui fabriquent des produits papier dans l’industrie papetière ou il commande les ascenseurs et les escaliers roulants. Il existe de nombreux cas d'utilisation sur les éléments que peut contrôler un PLC.</li></ul><ul><li>Les <a href="https://en.wikipedia.org/wiki/Industrial_robot">robots industriels</a>, comme ceux fabriqués par <a href="https://www.kuka.com/en-us">KUKA</a> (fabricant allemand/chinois). Les robots KUKA sont équipés d’un serveur OPC-UA qui permet de les contrôler, mais qui interagit en même temps avec d’autres robots et systèmes de l’atelier. Le protocole OPC-UA permet également d’interconnecter des systèmes via Internet, et de ce fait, les expose à des menaces de sécurité. C’est pourquoi la sécurité joue un rôle important dans la spécification OPC-UA. Néanmoins, elle doit être monitorée par des plateformes de monitoring comme Elastic.</li></ul><ul><li>Les <a href="https://www.rockwellautomation.com/en_NA/products/industrial-sensors/overview.page">capteurs</a> et autres véhicules autonomes ou appareils servent principalement à mesurer la température, l’humidité, la vitesse, l’accélération, le positionnement, les vibrations ou d’autres indicateurs qu’il faut mettre en corrélation avec les données des processus de production. Par exemple, les changements de température et d’humidité peuvent affecter le fonctionnement d’un robot et provoquer des vibrations plus intenses, qui peuvent entraîner la défaillance du robot ou la fabrication de produits de mauvaise qualité. De ce fait, les données des capteurs et des robots sont importantes pour les opérations des clients.</li></ul><h3>Collecte de données à partir de PLC, de brokers MQTT et de serveurs OPC-UA</h3>Pour collecter l’ensemble de ces données en temps quasi-réel, nous pouvons utiliser <a href="https://ela.st/machinebeat">Machinebeat</a>, une communauté <a href="/fr/beats">Beat</a> qui peut collecter des données auprès de brokers MQTT et d’appareils OPC-UA. Le module MQTT peut également collecter des données auprès de différents fournisseurs de services cloud IoT, tels que AWS IoT Core ou Azure IoT Hub.Pour collecter des données auprès d’appareils PLC, il existe une intégration au projet Apache <a href="https://github.com/apache/plc4x">PLC4X</a> sous forme de <a href="https://github.com/apache/plc4x/tree/develop/plc4j/integrations/logstash-plugin">plugin Logstash</a>, qui permet aux clients de collecter des indicateurs venant de tous les PLC pris en charge par PLC4X. Pour en savoir plus sur la combinaison PLC4X/Elasticsearch, lisez <a href="https://blog.codecentric.de/en/2019/10/apache-plc4x-elasticsearch-iiot-monitoring-anomaly-detection/">cet article de blog</a> de notre partenaire Codecentric.<figcaption><img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltfa6d879613f95079/5da715aa7ad68468b4384595/iiot-data-collection-overview-blog.png" style="background-color: initial;" data-sys-asset-uid="bltfa6d879613f95079" alt="iiot-data-collection-overview-blog.png"/>Aperçu de la solution pour la collecte, l’enrichissement et l’analyse de toutes vos données </figcaption><h3>Visualisez vos données avec Kibana</h3>Vous disposez donc maintenant d’un grand volume de données. La problématique qui se pose désormais est de réussir à en retirer de la valeur. Il sera inutile de disposer d’un tel volume de données si vous ne parvenez pas à l’exploiter. Pour en tirer parti, vous devez par exemple obtenir des perspectives approfondies sur le déroulement des opérations. C’est là que les visualisations peuvent aider. L’exemple ci-dessous présente une visualisation des communications entre plusieurs files d’attente d’un environnement de fabrication contrôlé par IBM&nbsp;MQ. Dans les anciens systèmes de monitoring, vous devez avoir des connaissances précises sur les éléments que vous monitorez. En utilisant Canvas, ces connaissances sont inutiles, et vous pouvez afficher une représentation à code couleur de la situation actuelle.<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt10f16104b4b404df/5da647413c3a9367e61d46e5/iiot-real-time-monitoring-blog.gif" data-sys-asset-uid="blt10f16104b4b404df" alt="Monitoring en temps réel et visualisation des indicateurs IBM MQ" style="display: block;margin: auto;"/><figcaption>Monitoring en temps réel des indicateurs IBM&nbsp;MQ, avec changement de couleur en fonction d’une règle définie par le client</figcaption><h2>Jugez-en par vous-même</h2><ol><li>Lancez-vous avec une version d’évaluation gratuite de 14&nbsp;jours d’<a href="/fr/elasticsearch/service">Elasticsearch&nbsp;Service</a>, qui vous fournira la base de votre solution de monitoring IoT.</li><li>Rendez-vous sur Github et <a href="https://ela.st/machinebeat">téléchargez</a> la version Linux ou Windows de Machinebeat.&nbsp;</li><li>Suivez la procédure indiquée dans la section Configurations du fichier Lisez-moi pour configurer une connexion à un serveur OPC-UA gratuit ou saisissez les informations d’identification de votre propre serveur OPC-UA. Si vous préférez, vous pouvez suivre la procédure pour configurer un broker MQTT et collecter des données auprès de différents capteurs via ce broker.</li><li>Une fois que les données commencent à affluer, <a href="/guide/en/kibana/7.4/tutorial-build-dashboard.html">concevez vos propres tableaux de bord</a> pour visualiser/analyser vos données. <a href="/fr/what-is/kibana-canvas">Canvas</a> propose une autre option idéale pour visualiser vos données en vous permettant de créer des diapositives de présentation avec des données en temps réel. Pour en savoir plus, consultez l’article de blog <a href="/fr/blog/getting-started-with-canvas-in-kibana">Prise en main de Canvas dans Kibana</a>.</li></ol>Faites-nous part de vos réflexions&nbsp;! Rendez-vous sur nos <a href="https://discuss.elastic.co">forums de discussion</a> ou entrez une requête d’extraction dans <a href="https://github.com/elastic/Machinebeat">GitHub</a>.

iiot-blog-banner.jpg

iiot-blog-thumb.jpg

Industrial Internet of Things (IIoT) with the Elastic Stack

Internet industriel des objets (IIoT) avec la Suite Elastic

Start free trial

Blog Footer CTA

Sign up for Elastic Cloud free trial

headshot-felix-roessel-300x300.jpg

Product Engineer and IIoT Evangelist

Felix Rössel

By submitting you acknowledge that you've read and agree to our <a href="/legal/elastic-cloud-account-terms" target="_self">Terms of Service</a>, and you agree to receive the <a href="/legal/privacy-statement#how-we-use-the-information" target="_self">selected communications</a> at the contact details you provided above. See <a href="/legal/privacy-statement/" target="_self">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Communication Preferences - ONLY for /communication-preferences

En confirmant votre envoi, vous reconnaissez que vous avez lu et que vous acceptez nos <a href="/fr/legal/elastic-cloud-account-terms" target="_self">Conditions générales d'utilisation</a>, et vous acceptez de recevoir les <a href="/fr/legal/privacy-statement#how-we-use-the-information" target="_self">types de notification sélectionnés</a> à l'adresse que vous avez fournie plus haut. Pour en savoir plus ou pour revenir sur votre décision (possible à tout moment), consultez la <a href="/fr/legal/privacy-statement/" target="_self">Déclaration de confidentialité d'Elastic</a>.

By submitting you acknowledge that you've read and agree to our <a href="/legal/elastic-cloud-account-terms" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.By submitting this form, I agree to Elastic sharing my contact information with Google Cloud. I also agree to Elastic giving my information to the vendor for the purpose of shipping my food package.

GDPR Text + Google Cloud

By submitting you acknowledge that you've read and agree to our <a href="/legal/serverless-preview-terms" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Serverless GDPR Text

En confirmant votre envoi, vous reconnaissez que vous avez lu et que vous acceptez nos <a href="/fr/legal/serverless-preview-terms" target="_self">Conditions générales d'utilisation</a>, et vous permettez à Elastic de <a href="/fr/legal/privacy-statement#how-we-use-the-information" target="_self">vous contacter</a> à propos de produits et services similaires en utilisant les informations que vous avez fournies plus haut. Pour en savoir plus ou pour revenir sur votre décision (possible à tout moment), consultez la <a href="/fr/legal/privacy-statement/" target="_self">Déclaration de confidentialité d'Elastic</a>.

By submitting you agree to <a href="/agreements/global/cloud-services-monthly" rel="nofollow">Elastic Cloud Terms of Service</a>. Your personal data will be processed in accordance with <a href="/legal/privacy-statement">Elastic's Privacy Statement</a>.

Cloud Trial GDPR Text

En envoyant votre demande d'inscription, vous acceptez les <a href="/fr/agreements/global/cloud-services-monthly" rel="nofollow">conditions générales d'utilisation d'Elastic Cloud</a>. Vos données personnelles seront traitées conformément à la <a href="/fr/legal/privacy-statement">déclaration de confidentialité d'Elastic</a>.

By submitting you acknowledge that you've read and agree to our <a href="/legal/terms-of-use" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Newsletter GDPR Text

En confirmant votre envoi, vous reconnaissez que vous avez lu et que vous acceptez nos <a href="/fr/legal/terms-of-use" target="_self">Conditions générales d'utilisation</a>, et vous permettez à Elastic de <a href="/fr/legal/privacy-statement#how-we-use-the-information" target="_self">vous contacter</a> à propos de produits et services similaires en utilisant les informations que vous avez fournies plus haut. Pour en savoir plus ou pour revenir sur votre décision (possible à tout moment), consultez la <a href="/fr/legal/privacy-statement/" target="_self">Déclaration de confidentialité d'Elastic</a>.

Explore similar demos

Overview

You'll also receive an email with related content.

You'll also receive an email with related content

Nous vous enverrons plus de contenu susceptible de vous intéresser.

Speakers

Close

The content on this page is not available in the selected language. As Elastic grows globally, we continue to support content in multiple languages.

The content on this page is not available in the selected language.

Le contenu de cette page n'est pas disponible dans la langue sélectionnée. Chez Elastic, nous mettons tout en œuvre pour vous proposer du contenu dans différentes langues. En attendant, nous vous remercions de votre patience !

See more insights

Articles by

Author

Learn more

Watch now (no PT)

Watch now

See all top stories

All (no PT translation)

Contact information

Press Release

Share on Reddit

Share this story

Share by Email

Thank you for your interest!

Contact Info

Follow us on Youtube

Load More

Share on LinkedIn

Follow us on LinkedIn

Search Integrations

All Solutions

Video for

Follow us on Twitter

See when this webinar starts in my time zone

Voir à quelle heure débute le webinar dans mon fuseau horaire

Register to Watch

Register now

See All Posts

Can't make it? Register and we'll send you the recording. You'll also receive an email with related content

Si vous ne pouvez pas vous libérer le jour J, inscrivez-vous et nous vous enverrons l'enregistrement. Vous recevrez aussi un e-mail contenant des ressources connexes.

Small image for

On-demand webinar

Featured webinar

Register to Attend

Share on Facebook

Reset all

Upcoming webinar

View more posts

Print

Hosted by

Sign In to Attend

View next

Follow us on Facebook

Share

Highlights

Read less

Thank you for registering. We will send you a confirmation email soon.

Nous vous remercions de votre inscription. Vous allez recevoir un e-mail de confirmation.

Author

Articles by Felix Rössel

Product Engineer and IIoT Evangelist, Elastic

Maximize IT efficiency leveraging alert management with Elastic AI Assistant for Observability

Internet industriel des objets (IIoT) avec la Suite Elastic