METHOD, DEVICE AND COMPUTER PROGRAM PRODUCT FOR ANOMALY DETECTION AND ROOT CAUSE ANALYSIS

A method includes, for each feature, performing an anomaly detection process. The anomaly detection process includes selecting, from a plurality of historical data points of the feature, a set of historical data points. Using a machine learning module, a set of scores, each corresponding to one historical data point, is selected. An anomaly threshold is determined based on the set of scores, and compared with a score corresponding to a current data point of the feature to determine whether the current data point is anomalous or not. When the current data point is anomalous, the anomaly detection process includes identifying the feature as an anomalous feature, and including the anomalous feature and the current data point in an anomaly detection report. L'invention concerne un procédé comprenant, pour chaque caractéristique, la réalisation d'un processus de détection d'anomalie. Le processus de détection d'anomalie inclut la sélection, parmi une pluralité de points de données historiques de la caractéristique, d'un ensemble de points de données historiques. À l'aide d'un module d'apprentissage automatique, un ensemble de scores, correspondant chacun à un point de données historiques, est sélectionné. Un seuil d'anomalie est déterminé sur la base de l'ensemble de scores et comparé à un score correspondant à un point de données actuel de la caractéristique pour déterminer si le point de données actuel est anormal ou non. Lorsque le point de données actuel est anormal, le processus de détection d'anomalie inclut l'identification de la caractéristique en tant que caractéristique anormale et l'inclusion de la caractéristique anormale et le point de données actuel dans un rapport de détection d'anomalie.