Aggiungi una definizione di previsione (console)Addestra una previsione (console)Avvia o interrompi l'inferenza su una previsione (console)Aggiungi una definizione di previsione (CLI)Addestrare una previsione e un'inferenza iniziale (CLI)Addestra una previsione (CLI)Avvia o interrompi l'inferenza su una previsione (CLI)

Rileva le anomalie con Lookout for Equipment

Nota

Il rilevamento delle anomalie è disponibile solo nelle regioni in cui è disponibile Amazon Lookout for Equipment.

Puoi integrarti AWS IoT SiteWise con Amazon Lookout for Equipment per ottenere informazioni dettagliate sulle tue apparecchiature industriali attraverso il rilevamento delle anomalie e la manutenzione predittiva delle apparecchiature industriali. Lookout for Equipment è un servizio di apprendimento automatico (ML) per il monitoraggio delle apparecchiature industriali che rileva un comportamento anomalo delle apparecchiature e identifica potenziali guasti. Con Lookout for Equipment, puoi implementare programmi di manutenzione predittiva e identificare processi non ottimali delle apparecchiature. Per ulteriori informazioni su Lookout for Equipment, vedi Cos'è Amazon Lookout for Equipment? nella Guida per l'utente di Amazon Lookout for Equipment.

Quando crei una previsione per addestrare un modello ML a rilevare il comportamento anomalo delle apparecchiature, AWS IoT SiteWise invia i valori delle proprietà degli asset a Lookout for Equipment per addestrare un modello ML per rilevare il comportamento anomalo delle apparecchiature. Per definire una definizione di previsione su un modello di asset, specifichi i ruoli IAM necessari a Lookout for Equipment per accedere ai tuoi dati e le proprietà da inviare a Lookout for Equipment e inviare i dati elaborati ad Amazon S3. Per ulteriori informazioni, consulta Crea modelli di asset in AWS IoT SiteWise.

Per integrare AWS IoT SiteWise Lookout for Equipment, dovrai eseguire i seguenti passaggi di alto livello:

Aggiungi una definizione di previsione su un modello di asset che delinei le proprietà da monitorare. La definizione di previsione è una raccolta riutilizzabile di misurazioni, trasformazioni e metriche utilizzata per creare previsioni sugli asset basate su quel modello di asset.
Addestra la previsione in base ai dati storici forniti.
Inferenza programmata, che indica con AWS IoT SiteWise quale frequenza eseguire una previsione specifica.

Una volta pianificata l'inferenza, il modello Lookout for Equipment monitora i dati che riceve dalle apparecchiature e cerca anomalie nel comportamento delle apparecchiature. È possibile visualizzare e analizzare i risultati in SiteWise Monitor, utilizzando le operazioni dell'API AWS IoT SiteWise GET o la console Lookout for Equipment. Puoi anche creare allarmi utilizzando i rilevatori di allarme del modello di asset per avvisarti del comportamento anomalo delle apparecchiature.

Argomenti

Aggiungi una definizione di previsione (console)
Addestra una previsione (console)
Avvia o interrompi l'inferenza su una previsione (console)
Aggiungi una definizione di previsione (CLI)
Addestrare una previsione e un'inferenza iniziale (CLI)
Addestra una previsione (CLI)
Avvia o interrompi l'inferenza su una previsione (CLI)

Aggiungi una definizione di previsione (console)

Per iniziare a inviare i dati raccolti da AWS IoT SiteWise a Lookout for Equipment, devi aggiungere una definizione di AWS IoT SiteWise previsione a un modello di asset.

Per aggiungere una definizione di previsione a un AWS IoT SiteWise modellazione di asset

Passare alla console AWS IoT SiteWise.
Nel riquadro di navigazione, scegliete Modelli e selezionate il modello di asset a cui desiderate aggiungere la definizione di previsione.
Scegli Previsioni.
Scegli Aggiungi definizione di previsione.

Definisci i dettagli sulla definizione della previsione.

Inserite un nome e una descrizione univoci per la definizione della previsione. Scegli il nome con attenzione perché una volta creata la definizione della previsione, non puoi più cambiarne il nome.

Crea o seleziona un ruolo di autorizzazione IAM che AWS IoT SiteWise consenta di condividere i dati delle tue risorse con Amazon Lookout for Equipment. Il ruolo deve avere le seguenti politiche IAM e di trust. Per assistenza nella creazione del ruolo, vedi Creazione di un ruolo utilizzando politiche di fiducia personalizzate (console).

Policy IAM

JSON


{
    "Version":"2012-10-17",
    "Statement": [
        {
            "Sid": "L4EPermissions",
            "Effect": "Allow",
            "Action": [
                "lookoutequipment:CreateDataset",
                "lookoutequipment:CreateModel",
                "lookoutequipment:CreateInferenceScheduler",
                "lookoutequipment:DescribeDataset",
                "lookoutequipment:DescribeModel",
                "lookoutequipment:DescribeInferenceScheduler",
                "lookoutequipment:ListInferenceExecutions",
                "lookoutequipment:StartDataIngestionJob",
                "lookoutequipment:StartInferenceScheduler",
                "lookoutequipment:UpdateInferenceScheduler",
                "lookoutequipment:StopInferenceScheduler"
            ],
            "Resource": [
                "arn:aws:lookoutequipment:us-east-1:123456789012:inference-scheduler/IoTSiteWise_*",
                "arn:aws:lookoutequipment:us-east-1:123456789012:model/IoTSiteWise_*",
                "arn:aws:lookoutequipment:us-east-1:123456789012:dataset/IoTSiteWise_*"
            ]
        },
        {
            "Sid": "L4EPermissions2",
            "Effect": "Allow",
            "Action": [
                "lookoutequipment:DescribeDataIngestionJob"
            ],
            "Resource": "*"
        },
        {
            "Sid": "S3Permissions",
            "Effect": "Allow",
            "Action": [
                "s3:CreateBucket",
                "s3:ListBucket",
                "s3:PutObject",
                "s3:GetObject"
            ],
            "Resource": [
                "arn:aws:s3:::iotsitewise-*"
            ]
        },
        {
            "Sid": "IAMPermissions",
            "Effect": "Allow",
            "Action": [
                "iam:GetRole",
                "iam:PassRole"
            ],
            "Resource": "arn:aws:iam::111122223333:role/Role_name"
        }
    ]
}

Policy di trust

Scegli Avanti.

Seleziona gli attributi dei dati (misurazioni, trasformazioni e metriche) che desideri inviare a Lookout for Equipment.
1. (Facoltativo) Seleziona le misure.
2. (Facoltativo) Seleziona le trasformazioni.
3. (Facoltativo) Seleziona le metriche.
4. Scegli Avanti.
Rivedi le tue selezioni. Per aggiungere la definizione di previsione al modello di asset, scegli Add prediction definition (Aggiungi definizione di previsione) nella pagina di riepilogo.

Puoi anche modificare o eliminare una definizione di previsione esistente a cui sono allegate previsioni attive.

Addestra una previsione (console)

Dopo aver aggiunto una definizione di previsione a un modello di asset, puoi addestrare le previsioni relative ai tuoi asset.

Per addestrare una previsione in AWS IoT SiteWise

Passare alla console AWS IoT SiteWise.
Nel riquadro di navigazione, scegli Risorse e seleziona l'asset che desideri monitorare.
Scegli Previsioni.
Seleziona i pronostici che desideri calcolare.
In Azioni, scegli Inizia allenamento ed esegui le seguenti operazioni:
1. In Dettagli di previsione, seleziona un ruolo di autorizzazione IAM che AWS IoT SiteWise consenta di condividere i dati delle tue risorse con Lookout for Equipment. Se devi creare un nuovo ruolo, scegli Crea un nuovo ruolo.
2. Per le impostazioni dei dati di allenamento, inserisci un intervallo di tempo per i dati di allenamento per selezionare i dati da utilizzare per addestrare la previsione.
3. (Facoltativo) Seleziona la frequenza di campionamento dei dati dopo la post-elaborazione.
4. (Facoltativo) Per le etichette dati, fornisci un bucket Amazon S3 e un prefisso che contenga i dati di etichettatura. Per ulteriori informazioni sull'etichettatura dei dati, consulta Etichettare i dati nella Amazon Lookout for Equipment User Guide.
5. Scegli Avanti.
(Facoltativo) Se desideri che la previsione sia attiva non appena ha completato l'allenamento, in Impostazioni avanzate, seleziona Attiva automaticamente la previsione dopo l'allenamento, quindi procedi come segue:
1. In Dati di input, per Frequenza di caricamento dei dati, definisci la frequenza di caricamento dei dati e per Tempo di ritardo di Offset, definisci la quantità di buffer da utilizzare.
2. Scegli Avanti.
Rivedi i dettagli della previsione e scegli Salva e inizia.

Avvia o interrompi l'inferenza su una previsione (console)

Nota

I costi di Lookout for Equipment si applicano alle inferenze programmate con i dati trasferiti tra AWS IoT SiteWise e Lookout for Equipment. Per ulteriori informazioni, consulta i prezzi di Amazon Lookout for Equipment.

Se hai aggiunto la previsionelookoutequipment:CreateDataset, ma non hai scelto di attivarla dopo l'allenamento, devi attivarla per iniziare a monitorare le tue risorse.

Per avviare l'inferenza per una previsione

Passare alla console AWS IoT SiteWise.
Nel riquadro di navigazione, scegli Risorse e seleziona la risorsa a cui viene aggiunta la previsione.
Scegli Previsioni.
Seleziona i pronostici che desideri attivare.
In Azioni, scegli Avvia inferenza ed esegui le seguenti operazioni:
1. In Dati di input, per Frequenza di caricamento dei dati, definisci la frequenza di caricamento dei dati e per Offset delay time, definisci la quantità di buffer da utilizzare.
2. Scegli Salva e inizia.

Per interrompere l'inferenza per una previsione

Passare alla console AWS IoT SiteWise.
Nel riquadro di navigazione, scegli Risorse e seleziona la risorsa a cui viene aggiunta la previsione.
Scegli Previsioni.
Seleziona le previsioni che desideri interrompere.
In Azioni, scegli Interrompi l'inferenza.

Aggiungi una definizione di previsione (CLI)

Per definire una definizione di previsione su un modello di asset nuovo o esistente, puoi utilizzare (). AWS Command Line Interface AWS CLI Dopo aver definito la definizione di previsione sul modello di asset, si esegue l'addestramento e si pianifica l'inferenza per una previsione su un asset per il rilevamento delle anomalie con AWS IoT SiteWise Lookout for Equipment.

Prerequisiti

Per completare questi passaggi, è necessario disporre di un modello di asset e creare almeno un asset. Per ulteriori informazioni, consulta Crea un modello di asset (AWS CLI) e Crea una risorsa (AWS CLI).

Se siete nuovi AWS IoT SiteWise, dovete chiamare l'operazione CreateBulkImportJob API in cui importare i valori delle proprietà degli asset AWS IoT SiteWise, che verranno utilizzati per addestrare il modello. Per ulteriori informazioni, consulta Crea un processo di importazione in blocco AWS IoT SiteWise ()AWS CLI.

Per aggiungere una definizione di previsione

Crea un file denominato asset-model-payload.json. Segui i passaggi indicati in queste altre sezioni per aggiungere i dettagli del tuo modello di asset al file, ma non inviare la richiesta di creazione o aggiornamento del modello di asset.
- Per ulteriori informazioni su come creare un modello di asset, consulta Crea un modello di asset (AWS CLI)
- Per ulteriori informazioni su come aggiornare un modello di asset esistente, consulta Aggiornare un modello di asset, un modello di componente o un'interfaccia (AWS CLI)

Aggiungete un modello composito Lookout for Equipment (assetModelCompositeModels) al modello di asset aggiungendo il codice seguente.

Sostituisci Property con l'ID delle proprietà che desideri includere. Per ottenere quegli ID, chiama DescribeAssetModel.
Sostituiscilo RoleARN con l'ARN di un ruolo IAM che consenta a Lookout for Equipment di accedere ai tuoi AWS IoT SiteWise dati.


{ 
  ...
  "assetModelCompositeModels": [
    {
      "name": "L4Epredictiondefinition",
      "type": "AWS/L4E_ANOMALY",
      "properties": [
          {
            "name": "AWS/L4E_ANOMALY_RESULT",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_RESULT",
            "unit": "none",
            "type": {
              "measurement": {}
            }
          },
          {
            "name": "AWS/L4E_ANOMALY_INPUT",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_INPUT",
            "type": {
               "attribute": {
                 "defaultValue": "{\"properties\": [\"Property1\", \"Property2\"]}"
               }
            }
          },
          {
            "name": "AWS/L4E_ANOMALY_PERMISSIONS",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_PERMISSIONS",
            "type": {
              "attribute": {
                "defaultValue": "{\"roleArn\": \"RoleARN\"}"
              }
            }
          },
          {
            "name": "AWS/L4E_ANOMALY_DATASET",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_DATASET",
            "type": {
                "attribute": {}
            }
          },
          {
            "name": "AWS/L4E_ANOMALY_MODEL",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_MODEL",
            "type": {
              "attribute": {}
            }
          },
          {
            "name": "AWS/L4E_ANOMALY_INFERENCE",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_INFERENCE",
            "type": {
              "attribute": {}
            }
          },
          {
            "name": "AWS/L4E_ANOMALY_TRAINING_STATUS",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_TRAINING_STATUS",
            "type": {
              "attribute": {
                "defaultValue": "{}"
              }
            }
          },
          {
            "name": "AWS/L4E_ANOMALY_INFERENCE_STATUS",
            "dataType": "STRUCT",
            "dataTypeSpec": "AWS/L4E_ANOMALY_INFERENCE_STATUS",
            "type": {
              "attribute": {
                "defaultValue": "{}"
              }
            }
          }
   ]
}

Crea il modello di asset o aggiorna il modello di asset esistente. Esegui una delle seguenti operazioni:
- Per creare il modello di asset, esegui il comando seguente:
```
aws iotsitewise create-asset-model --cli-input-json file://asset-model-payload.json
```
- Per aggiornare il modello di asset esistente, eseguite il comando seguente. Sostituiscilo asset-model-id con l'ID del modello di asset che desideri aggiornare.
```
aws iotsitewise update-asset-model \
  --asset-model-id asset-model-id \
  --cli-input-json file://asset-model-payload.json
```

Dopo aver eseguito il comando, assetModelId annotatelo nella risposta.

Addestrare una previsione e un'inferenza iniziale (CLI)

Ora che la definizione di previsione è definita, puoi addestrare gli asset in base ad essa e iniziare l'inferenza. Se vuoi addestrare la tua previsione ma non iniziare l'inferenza, passa a. Addestra una previsione (CLI) Per addestrare la previsione e iniziare l'inferenza sull'asset, avrai bisogno della assetId risorsa target.

Per addestrare e iniziare l'inferenza della previsione

Esegui il comando seguente per trovare il assetModelCompositeModelId sotto. assetModelCompositeModelSummaries Sostituisci asset-model-id con l'ID del modello di asset in cui hai creatoAggiornare un modello di asset, un modello di componente o un'interfaccia (AWS CLI).
```
aws iotsitewise describe-asset-model \
  --asset-model-id asset-model-id \
```
Eseguite il comando seguente per trovare actionDefinitionId l'TrainingWithInferenceazione. Sostituisci asset-model-id con l'ID utilizzato nel passaggio precedente e sostituisci asset-model-composite-model-id con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
  --asset-model-id asset-model-id \
  --asset-model-composite-model-id asset-model-composite-model-id \
```
Crea un file chiamato train-start-inference-prediction.json e aggiungi il seguente codice, sostituendo quanto segue:
- asset-idcon l'ID della risorsa di destinazione
- action-definition-idcon l'ID dell' TrainingWithInference azione
- StartTimecon l'inizio dei dati di allenamento, forniti in secondi epocali
- EndTimecon la fine dei dati di allenamento, forniti in secondi d'epoca
- TargetSamplingRatecon la frequenza di campionamento dei dati dopo la post-elaborazione da parte di Lookout for Equipment. I valori consentiti sono:. PT1S | PT5S | PT10S | PT15S | PT30S | PT1M | PT5M | PT10M | PT15M | PT30M | PT1H
```
{
  "targetResource": {
    "assetId": "asset-id"
  },
  "actionDefinitionId": "action-definition-Id",
  "actionPayload":{
    "stringValue": "{\"l4ETrainingWithInference\":{\"trainingWithInferenceMode\":\"START\",\"trainingPayload\":{\"exportDataStartTime\":StartTime,\"exportDataEndTime\":EndTime},\"targetSamplingRate\":\"TargetSamplingRate\"},\"inferencePayload\":{\"dataDelayOffsetInMinutes\":0,\"dataUploadFrequency\":\"PT5M\"}}}"
  }
}
```

Esegui il seguente comando per avviare l'addestramento e l'inferenza:


aws iotsitewise execute-action --cli-input-json file://train-start-inference-prediction.json

Addestra una previsione (CLI)

Ora che la definizione di previsione è definita, puoi addestrare gli asset in base ad essa. Per addestrare la previsione sull'asset, avrai bisogno assetId della risorsa target.

Per addestrare la previsione

Esegui il comando seguente per trovare l'assetModelCompositeModelIdunderassetModelCompositeModelSummaries. Sostituisci asset-model-id con l'ID del modello di asset in cui hai creatoAggiornare un modello di asset, un modello di componente o un'interfaccia (AWS CLI).
```
aws iotsitewise describe-asset-model \
  --asset-model-id asset-model-id \
```
Eseguite il comando seguente per trovare actionDefinitionId l'Trainingazione. Sostituisci asset-model-id con l'ID utilizzato nel passaggio precedente e sostituisci asset-model-composite-model-id con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
  --asset-model-id asset-model-id \
  --asset-model-composite-model-id asset-model-composite-model-id \
```
Crea un file chiamato train-prediction.json e aggiungi il seguente codice, sostituendo quanto segue:
- asset-idcon l'ID della risorsa di destinazione
- action-definition-idcon l'ID dell'azione formativa
- StartTimecon l'inizio dei dati di allenamento, forniti in secondi temporali
- EndTimecon la fine dei dati di allenamento, forniti in secondi d'epoca
- (Facoltativo) BucketName con il nome del bucket Amazon S3 che contiene i dati dell'etichetta
- (Facoltativo) Prefix con il prefisso associato al bucket Amazon S3.
- TargetSamplingRatecon la frequenza di campionamento dei dati dopo la post-elaborazione da parte di Lookout for Equipment. I valori consentiti sono:. PT1S | PT5S | PT10S | PT15S | PT30S | PT1M | PT5M | PT10M | PT15M | PT30M | PT1H
  
  Nota
  Includi sia il nome che il prefisso del bucket o nessuno dei due.
```
{
  "targetResource": {
    "assetId": "asset-id"
  },
  "actionDefinitionId": "action-definition-Id",
  "actionPayload":{ "stringValue": "{\"l4ETraining\": {\"trainingMode\":\"START\",\"exportDataStartTime\": StartTime, \"exportDataEndTime\": EndTime, \"targetSamplingRate\":\"TargetSamplingRate\"}, \"labelInputConfiguration\": {\"bucketName\": \"BucketName\", \"prefix\": \"Prefix\"}}}"
}
}
```

Esegui il comando seguente per iniziare l'allenamento:


aws iotsitewise execute-action --cli-input-json file://train-prediction.json

Prima di poter iniziare l'inferenza, è necessario completare l'addestramento. Per verificare lo stato dell'addestramento, effettuate una delle seguenti operazioni:

Dalla console, accedi alla risorsa su cui si basa la previsione.
Da AWS CLI, chiama BatchGetAssetPropertyValue utilizzando il nome propertyId della trainingStatus proprietà.

Avvia o interrompi l'inferenza su una previsione (CLI)

Una volta che la previsione è stata addestrata, puoi iniziare l'inferenza per dire a Lookout for Equipment di iniziare a monitorare le tue risorse. Per avviare o interrompere l'inferenza, avrai bisogno assetId della risorsa target.

Per iniziare l'inferenza

Esegui il comando seguente per trovare il assetModelCompositeModelId sottoassetModelCompositeModelSummaries. Sostituisci asset-model-id con l'ID del modello di asset in cui hai creatoAggiornare un modello di asset, un modello di componente o un'interfaccia (AWS CLI).
```
aws iotsitewise describe-asset-model \
  --asset-model-id asset-model-id \
```
Eseguite il comando seguente per trovare actionDefinitionId l'Inferenceazione. Sostituisci asset-model-id con l'ID utilizzato nel passaggio precedente e sostituisci asset-model-composite-model-id con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
  --asset-model-id asset-model-id \
  --asset-model-composite-model-id asset-model-composite-model-id \
```
Crea un file chiamato start-inference.json e aggiungi il seguente codice, sostituendo quanto segue:
- asset-idcon l'ID della risorsa di destinazione
- action-definition-idcon l'ID dell'azione di inferenza iniziale
- Offsetcon la quantità di buffer da utilizzare
- Frequencycon quale frequenza vengono caricati i dati
```
{
  "targetResource": {
    "assetId": "asset-id"
  },
  "actionDefinitionId": "action-definition-Id",
  "actionPayload":{ "stringValue": "{\"l4EInference\": {\"inferenceMode\":\"START\",\"dataDelayOffsetInMinutes\": Offset, \"dataUploadFrequency\": \"Frequency\"}}"
}}
```

Esegui il comando seguente per avviare l'inferenza:


aws iotsitewise execute-action --cli-input-json file://start-inference.json

Per interrompere l'inferenza

Esegui il comando seguente per trovare il assetModelCompositeModelId sottoassetModelCompositeModelSummaries. Sostituisci asset-model-id con l'ID del modello di asset in cui hai creatoAggiornare un modello di asset, un modello di componente o un'interfaccia (AWS CLI).
```
aws iotsitewise describe-asset-model \
  --asset-model-id asset-model-id \
```
Eseguite il comando seguente per trovare actionDefinitionId l'Inferenceazione. Sostituisci asset-model-id con l'ID utilizzato nel passaggio precedente e sostituisci asset-model-composite-model-id con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
  --asset-model-id asset-model-id \
  --asset-model-composite-model-id asset-model-composite-model-id \
```
Crea un file chiamato stop-inference.json e aggiungi il seguente codice, sostituendo quanto segue:
- asset-idcon l'ID della risorsa di destinazione
- action-definition-idcon l'ID dell'azione di inferenza iniziale
```
{
  "targetResource": {
    "assetId": "asset-id"
  },
  "actionDefinitionId": "action-definition-Id",
  "actionPayload":{ "stringValue": "{\"l4EInference\":{\"inferenceMode\":\"STOP\"}}"
}}
```

Esegui il comando seguente per interrompere l'inferenza:


aws iotsitewise execute-action --cli-input-json file://stop-inference.json

Avvertimento JavaScript è disabilitato o non è disponibile nel tuo browser.

Per usare la documentazione AWS, JavaScript deve essere abilitato. Consulta le pagine della guida del browser per le istruzioni.

Convenzioni dei documenti

Integrazione con AWS IoT TwinMaker

Rilevamento nativo delle anomalie