正解: 多変量異常検出 (Multivariate Anomaly Detection)。
解説: 回転数・角度・温度・圧力など、相互に関連する複数のセンサー指標を同時に解析し、変数間の相関を考慮した異常を検出する必要があります。これは Azure AI Anomaly Detector の Multivariate Anomaly Detection (MVAD) が想定する典型的なシナリオです。Univariate は 1 つの時系列のみを対象とするため、複数センサーの組合せ異常を検出できません。Application Insights はアプリ依存テレメトリ向け、Azure Monitor のメトリック アラートは閾値ベースの単純なアラートで、変数間相関は捉えません。
各選択肢の検討- Azure Monitor の Application Insights — アプリケーションのパフォーマンス/可用性監視向けで、汎用センサー時系列の異常検出が主用途ではありません。
- Azure Monitor のメトリック アラート — 単一メトリックの閾値ベース アラートが中心で、複数指標の相関を考慮した異常検出はできません。
- 多変量異常検出 — 複数センサーを同時に解析する本シナリオに最適です。
- 単変量異常検出 — 1 系列ずつしか扱えず、変数間の関係から生じる異常を見逃します。
参考: Microsoft Learn多変量異常検出の概要Anomaly Detector の概要