2019年8月23日消息——Glassbeam公司公布了其规则与警报引擎的几项技术增强,使大型组织的用户创建和维护基于规则的通知变得更加容易和更快。这个新功能现在与机器学习算法捆绑在一起,用于在各种类型的医疗成像系统上根据异常值触发警报传感器和测井数据.结合其他几个特性,新功能增强了大型企业环境中跨越数百个用户的规则生命周期管理,在该环境中,用户可以对来自数千个连接资产的传入机器数据创建、测试和启动新的业务规则。
工业物联网(IIoT)为拥有数千个医疗设备资产的大型原始设备制造商(OEMs)、iso和医疗保健网络提供了巨大的技术支持和现场运营潜力,Harbor Research估计,到2022年,该市场将达到116亿美元。一个人工智能(AI)-驱动的规则引擎是传递该价值的基础,具有前瞻性和预测性分析解决方案Glassbeam表示。通过将规则集成到数据管道中的专利方法,Glassbeam现在已经升级了针对医疗保健提供商市场的Clinsights应用程序套件,以定义磁共振成像(MRI)和计算机断层扫描(CT)扫描仪的特定领域规则和触发器。通过增加美国100多个医疗保健设施的机器正常运行时间和患者吞吐量,每天都在提供业务价值。
Brown's medical Imaging (BMI)部门经理Andrew Kenney表示:“Glassbeam正在塑造未来如何通过更高的机器正常运行时间和更严格的sla(服务水平协议)来支持医疗机器。”“新的规则和警报引擎正在利用机器数据来完成智能行动,以更好地控制未发现的事件,改善客户票务解决方案的结果,并主动减轻客户基础设施的风险。”
为了使组织能够快速响应其基础设施中的支持事件,Glassbeam的规则和警报引擎的主要增强包括:
改进的规则创建用户界面——一个创建规则和定义规则所有权层次结构的多功能界面,允许多个用户创建和管理规则;
私有模式下的工作和测试规则,准备好投入生产时启用——能够在私有模式下创建规则,提供关于规则在生产环境中如何行为的实时预览;
跟踪规则更改的历史——查看规则定义中的审计跟踪和历史更改,以了解哪些更改是在何时和由谁进行的生命周期;
基于机器学习触发值的规则——基于AI/ML模型设置规则和触发警报,从传感器值标记异常,而不仅仅是绝对值;而且
新的API可以极大地简化提高支持准备程度的过程——配置应用程序编程接口(API),使其在特定规则被触发时被调用,并在API及其有效负载的格式上具有灵活性。
Glassbeam规则和警报是Glassbeam Analytics软件套件的集成产品,可以立即以软件即服务(SaaS)的形式提供。
更多信息:www.glassbeam.com