Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Interagiere mit anderen AWS Diensten
AWS IoT SiteWise kann Asset-Daten im Publish-Subscribe-Nachrichtenbroker von AWS IoT MQTT veröffentlichen, sodass Sie mit Ihren Asset-Daten aus anderen Diensten interagieren können. AWS AWS IoT SiteWise weist jeder Asset-Eigenschaft ein eindeutiges MQTT-Thema zu, das Sie verwenden können, um Ihre Asset-Daten mithilfe von Core-Regeln an andere AWS Dienste weiterzuleiten. AWS IoT Sie können beispielsweise AWS IoT Core-Regeln für die folgenden Aufgaben konfigurieren:
+ Ermittlung von Anlagenausfällen und Benachrichtigung der entsprechenden Mitarbeiter durch Senden von Daten an [AWS IoT Events](https://docs.aws.amazon.com/iotevents/latest/developerguide/).
+ Historisieren Sie ausgewählte Asset-Daten zur Verwendung in externen Softwarelösungen, indem Sie Daten an [Amazon DynamoDB](https://docs.aws.amazon.com/dynamodb/) senden.
+ Generieren wöchentlicher Berichte durch Auslösen einer [AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/)-Funktion.
Sie können einem Tutorial folgen, das die Schritte beschreibt, die zum Einrichten einer Regel zum Speichern von Eigenschaftswerten in DynamoDB erforderlich sind. Weitere Informationen finden Sie unter [Aktualisierungen von Immobilienwerten in Amazon DynamoDB veröffentlichen](publish-to-amazon-dynamodb.md).
Weitere Informationen zur Konfiguration einer Regel finden Sie unter [Regeln](https://docs.aws.amazon.com/iot/latest/developerguide/iot-rules.html) im *AWS IoT Entwicklerhandbuch*.
Sie können auch Daten aus anderen AWS Diensten wieder in das System einlesen AWS IoT SiteWise. Informationen zur Aufnahme von Daten mithilfe der AWS IoT SiteWise Regelaktion finden Sie unter[Daten AWS IoT SiteWise mithilfe AWS IoT Core von Regeln aufnehmen](iot-rules.md).
**Topics**
+ [Machen Sie sich mit den Eigenschaften von Assets in MQTT-Themen vertraut](mqtt-topics.md)
+ [Aktivieren Sie Benachrichtigungen zu Vermögenswerten in AWS IoT SiteWise](property-notifications.md)
+ [Benachrichtigungen über Vermögenseigenschaften abfragen in AWS IoT SiteWise](query-notification-messages.md)
+ [Exportieren Sie Daten mit Benachrichtigungen über Vermögenseigenschaften nach Amazon S3](export-to-s3.md)
+ [Integrieren Sie AWS IoT SiteWise mit Grafana](grafana-integration.md)
+ [Integrieren AWS IoT SiteWise und AWS IoT TwinMaker](integrate-tm.md)
+ [Erkennen Sie Anomalien mit Lookout for Equipment](anomaly-detection.md)
# Machen Sie sich mit den Eigenschaften von Assets in MQTT-Themen vertraut
Jede Komponenteneigenschaft verfügt über einen eindeutigen MQTT-Themenpfad im folgenden Format.
```
$aws/sitewise/asset-models/assetModelId/assets/assetId/properties/propertyId
```
**Anmerkung**
AWS IoT SiteWise unterstützt den Platzhalter für den Themenfilter `#` (mit mehreren Ebenen) in der AWS IoT Core Rules Engine nicht. Sie können den (einstufigen) Platzhalter `+` verwenden. So können Sie beispielsweise den folgenden Themenfilter verwenden, um alle Aktualisierungen für ein bestimmtes Komponentenmodell abzugleichen.
```
$aws/sitewise/asset-models/assetModelId/assets/+/properties/+
```
Weitere Informationen zu Platzhaltern für Themenfilter finden Sie unter [Themen](https://docs.aws.amazon.com/iot/latest/developerguide/topics.html) im *AWS IoT Core* Developer Guide.
# Aktivieren Sie Benachrichtigungen zu Vermögenswerten in AWS IoT SiteWise
Sie können Eigenschaftsbenachrichtigungen aktivieren AWS IoT Core, um Aktualisierungen der Objektdaten zu veröffentlichen und anschließend Abfragen für Ihre Daten durchzuführen. AWS IoT SiteWise Bietet mit Benachrichtigungen über Vermögenseigenschaften eine CloudFormation Vorlage, mit der Sie AWS IoT SiteWise Daten nach Amazon S3 exportieren können.
**Anmerkung**
Objektdaten werden bei AWS IoT Core jedem Empfang an gesendet AWS IoT SiteWise, unabhängig davon, ob sich der Wert geändert hat.
**Topics**
+ [Aktivieren Sie Benachrichtigungen über Vermögenseigenschaften (Konsole)](#enable-property-notifications-console)
+ [Aktivieren Sie Benachrichtigungen über Vermögenseigenschaften (AWS CLI)](#enable-property-notifications-cli)
## Aktivieren Sie Benachrichtigungen über Vermögenseigenschaften (Konsole)
Veröffentlicht standardmäßig AWS IoT SiteWise keine Aktualisierungen von Eigenschaftswerten. Sie können die AWS IoT SiteWise Konsole verwenden, um Benachrichtigungen für eine Objekteigenschaft zu aktivieren.
**So aktivieren oder deaktivieren Sie Benachrichtigungen für eine Komponenteneigenschaft (Konsole)**
1. Navigieren Sie zur [AWS IoT SiteWise -Konsole](https://console.aws.amazon.com/iotsitewise/).
1. Wählen Sie im linken Navigationsbereich **Komponenten** aus.
1. Wählen Sie die Komponente aus, um die Benachrichtigungen einer Eigenschaft zu aktivieren.
**Tipp**
Sie können eine Komponentenhierarchie mithilfe des Pfeilsymbols erweitern, um nach Ihrer Komponente zu suchen.
1. Wählen Sie **Bearbeiten** aus.
1. Wählen Sie für den **Benachrichtigungsstatus** der Komponenteneigenschaft **AKTIVIERT** aus.
![\[AWS IoT SiteWise Screenshot der Seite „Asset bearbeiten“, auf der „Benachrichtigungsstatus“ hervorgehoben ist.\]](http://docs.aws.amazon.com/de_de/iot-sitewise/latest/userguide/images/sitewise-enable-property-notifications-console.png)
Sie können auch **DEAKTIVIERT** wählen, um Benachrichtigungen für die Komponenteneigenschaft zu deaktivieren.
1. Wählen Sie **Speichern**.
## Aktivieren Sie Benachrichtigungen über Vermögenseigenschaften (AWS CLI)
Veröffentlicht standardmäßig AWS IoT SiteWise keine Aktualisierungen von Eigenschaftswerten. Sie können das AWS Command Line Interface (AWS CLI) verwenden, um Benachrichtigungen für eine Asset-Eigenschaft zu aktivieren oder zu deaktivieren.
Um dieses Verfahren abzuschließen, müssen Sie die `assetId` Ihrer Komponenten und die `propertyId` Ihrer Eigenschaft kennen. Sie können auch die externe ID verwenden. Wenn Sie ein Asset erstellt haben und es nicht kennen`assetId`, verwenden Sie die [ListAssets](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_ListAssets.html)API, um alle Assets für ein bestimmtes Modell aufzulisten. Verwenden Sie den [DescribeAsset](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAsset.html)Vorgang, um die Eigenschaften Ihres Assets einschließlich der Immobilien anzuzeigen IDs.
Verwenden Sie den [UpdateAssetProperty](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_UpdateAssetProperty.html)Vorgang, um Benachrichtigungen für eine Vermögenseigenschaft zu aktivieren oder zu deaktivieren. Geben Sie die folgenden Parameter an:
+ `assetId`— Die ID des Vermögenswerts.
+ `propertyId`— Die ID des Vermögenswerts.
+ `propertyNotificationState`— Status der Benachrichtigung über den Immobilienwert: `ENABLED` oder`DISABLED`.
+ `propertyAlias`— Der Alias der Immobilie. Geben Sie den vorhandenen Alias der Eigenschaft an, wenn Sie den Benachrichtigungsstatus aktualisieren. Wenn Sie diesen Parameter auslassen, wird der vorhandene Alias der Eigenschaft entfernt.
**So aktivieren oder deaktivieren Sie Benachrichtigungen für eine Komponenteneigenschaft (CLI)**
1. Führen Sie den folgenden Befehl aus, um den Alias der Komponenteneigenschaft abzurufen. *asset-id*Ersetzen Sie es durch die ID des Assets und *property-id* durch die ID der Immobilie.
```
aws iotsitewise describe-asset-property \
--asset-id asset-id \
--property-id property-id
```
Die Operation gibt eine Antwort zurück, die Informationen zur Komponenteneigenschaft im folgenden Format enthält. Der Eigenschaftenalias befindet sich in `assetProperty.alias` im JSON-Objekt.
```
{
"assetId": "a1b2c3d4-5678-90ab-cdef-22222EXAMPLE",
"assetName": "Wind Turbine 7",
"assetModelId": "a1b2c3d4-5678-90ab-cdef-11111EXAMPLE",
"assetProperty": {
"id": "a1b2c3d4-5678-90ab-cdef-33333EXAMPLE",
"name": "Wind Speed",
"alias": "/company/windfarm/3/turbine/7/windspeed",
"notification": {
"topic": "$aws/sitewise/asset-models/a1b2c3d4-5678-90ab-cdef-11111EXAMPLE/assets/a1b2c3d4-5678-90ab-cdef-22222EXAMPLE/properties/a1b2c3d4-5678-90ab-cdef-33333EXAMPLE",
"state": "DISABLED"
},
"dataType": "DOUBLE",
"unit": "m/s",
"type": {
"measurement": {}
}
}
}
```
1. Führen Sie den folgenden Befehl aus, um Benachrichtigungen für die Komponenteneigenschaft zu aktivieren. *property-alias*Ersetzen Sie es durch den Eigenschaftsalias aus der Antwort des vorherigen Befehls, oder lassen Sie es aus, die Eigenschaft ohne Alias `--property-alias` zu aktualisieren.
```
aws iotsitewise update-asset-property \
--asset-id asset-id \
--property-id property-id \
--property-notification-state ENABLED \
--property-alias property-alias
```
Sie können auch `--property-notification-state DISABLED` übergeben, um Benachrichtigungen für die Komponenteneigenschaft zu deaktivieren.
# Benachrichtigungen über Vermögenseigenschaften abfragen in AWS IoT SiteWise
Um Benachrichtigungen über Vermögenseigenschaften abzufragen, erstellen Sie AWS IoT Core Regeln, die aus SQL-Anweisungen bestehen.
AWS IoT SiteWise veröffentlicht Aktualisierungen von Asset-Eigenschaftsdaten in AWS IoT Core im folgenden Format.
```
{
"type": "PropertyValueUpdate",
"payload": {
"assetId": "String",
"propertyId": "String",
"values": [
{
"timestamp": {
"timeInSeconds": Number,
"offsetInNanos": Number
},
"quality": "String",
"value": {
"booleanValue": Boolean,
"doubleValue": Number,
"integerValue": Number,
"stringValue": "String",
"nullValue": {
"valueType": "String
}
}
}
]
}
}
```
Jede Struktur in der `values` Liste ist eine timestamp-quality-value (TQV-) Struktur.
+ `timestamp` enthält die aktuelle Unix-Epoche in Sekunden mit Nanosekunden-Offset.
+ `quality` enthält eine der folgenden Zeichenfolgen zur Angabe der Qualität des Datenpunkts:
+ `GOOD`— Die Daten sind von keinen Problemen betroffen.
+ `BAD`— Die Daten sind von einem Problem wie einem Sensorausfall betroffen.
+ `UNCERTAIN`— Die Daten sind von einem Problem wie einer Sensorungenauigkeit betroffen.
+ `value` enthält abhängig vom Typ der Eigenschaft eines der folgenden Felder:
+ `booleanValue`
+ `doubleValue`
+ `integerValue`
+ `stringValue`
+ `nullValue`
`nullValue`— Eine Struktur mit dem folgenden Feld, das den Typ des Eigenschaftswerts mit dem Wert Null und der Qualität oder angibt. `BAD` `UNCERTAIN`
+ `valueType`— Aufzählung von \$1"B“, „D“, „S“, „I"\$1
Um Werte aus dem `values`-Array zu analysieren, müssen Sie in den SQL-Anweisungen Ihrer Regeln komplexe verschachtelte Objektabfragen verwenden. Weitere Informationen finden Sie unter [Abfragen verschachtelter Objekte](https://docs.aws.amazon.com/iot/latest/developerguide/iot-sql-nested-queries.html) im *AWS IoT Entwicklerhandbuch oder in der Anleitung* finden Sie ein konkretes Beispiel für das [Aktualisierungen von Immobilienwerten in Amazon DynamoDB veröffentlichen](publish-to-amazon-dynamodb.md) Analysieren von Benachrichtigungen über Objekteigenschaften.
**Example Beispielabfrage zum Extrahieren des Werte-Arrays**
Die folgende Anweisung veranschaulicht, wie das Array aktueller Eigenschaftswerte für eine bestimmte Eigenschaft vom doppelten Typ für alle Komponenten mit dieser Eigenschaft abgefragt wird.
```
SELECT
(SELECT VALUE (value.doubleValue) FROM payload.values) AS windspeed
FROM
'$aws/sitewise/asset-models/a1b2c3d4-5678-90ab-cdef-11111EXAMPLE/assets/+/properties/a1b2c3d4-5678-90ab-cdef-33333EXAMPLE'
WHERE
type = 'PropertyValueUpdate'
```
Die vorherige Anweisung zur Regelabfrage gibt Daten im folgenden Format aus.
```
{
"windspeed": [
26.32020195042838,
26.282584572975477,
26.352566977372508,
26.283084346171442,
26.571883739599322,
26.60684140743005,
26.628738636715045,
26.273486932802125,
26.436379105473964,
26.600590095377303
]
}
```
**Example Beispielabfrage zum Extrahieren eines einzelnen Wertes**
Die folgende Anweisung veranschaulicht, wie der erste Wert aus dem Array von Eigenschaftswerten für eine bestimmte Eigenschaft vom doppelten Typ für alle Komponenten mit dieser Eigenschaft abgefragt wird.
```
SELECT
get((SELECT VALUE (value.doubleValue) FROM payload.values), 0) AS windspeed
FROM
'$aws/sitewise/asset-models/a1b2c3d4-5678-90ab-cdef-11111EXAMPLE/assets/+/properties/a1b2c3d4-5678-90ab-cdef-33333EXAMPLE'
WHERE
type = 'PropertyValueUpdate'
```
Die vorherige Anweisung zur Regelabfrage gibt Daten im folgenden Format aus.
```
{
"windspeed": 26.32020195042838
}
```
**Wichtig**
Diese Regelabfrageanweisung ignoriert Wertaktualisierungen, abgesehen vom ersten in jedem Stapel. Jeder Stapel kann bis zu 10 Werte enthalten. Wenn Sie die verbleibenden Werte einschließen müssen, ist es erforderlich, eine komplexere Lösung einzurichten, um Eigenschaftswerte der Komponenten an andere Services auszugeben. Sie können beispielsweise eine Regel mit einer AWS Lambda Aktion einrichten, um jeden Wert im Array erneut in einem anderen Thema zu veröffentlichen, und eine weitere Regel einrichten, um dieses Thema abzufragen und jeden Wert in der gewünschten Regelaktion zu veröffentlichen.
# Exportieren Sie Daten mit Benachrichtigungen über Vermögenseigenschaften nach Amazon S3
Sie können eingehende Daten aus AWS IoT SiteWise einem Amazon S3 S3-Bucket in Ihrem Konto exportieren. Sie können Ihre Daten in einem Format sichern, das Sie verwenden können, um historische Berichte zu erstellen oder Ihre Daten mit komplexen Methoden zu analysieren.
Um Zeitreihendaten aus zu exportieren AWS IoT SiteWise, aktivieren Sie die Cold-Tier-Funktion, damit die Daten in einem Amazon S3 S3-Bucket gespeichert werden. Einzelheiten finden [Sie unter Datenspeicher verwalten in AWS IoT SiteWise](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/manage-data-storage.html).
Verwenden Sie zum Exportieren von Asset-Modell- und Asset-Metadaten die Funktion für Massenoperationen AWS IoT SiteWise, um Metadaten in einen Amazon S3 S3-Bucket zu exportieren. Einzelheiten finden Sie unter [Massenoperationen mit Assets und Modellen](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/bulk-operations-assets-and-models.html).
# Integrieren Sie AWS IoT SiteWise mit Grafana
Grafana ist eine Datenvisualisierungsplattform zur Visualisierung und Überwachung von Daten in Dashboards. Verwenden Sie in Grafana-Version 10.4.0 und höher das AWS IoT SiteWise Plugin, um Ihre AWS IoT SiteWise Asset-Daten in Grafana-Dashboards zu visualisieren. Benutzer können Daten aus mehreren AWS Quellen (wie AWS IoT SiteWise Amazon Timestream und Amazon CloudWatch) und anderen Datenquellen mit einem einzigen Grafana-Dashboard visualisieren.
Sie haben zwei Möglichkeiten, das Plugin zu verwenden: AWS IoT SiteWise
+ **Lokale Grafana-Server**
Sie können das AWS IoT SiteWise Plugin auf einem Grafana-Server einrichten, den Sie verwalten. Weitere Informationen zum Hinzufügen und Verwenden des Plugins finden Sie in der [AWS IoT SiteWise Datasource-README-Datei](https://github.com/grafana/iot-sitewise-datasource/blob/main/src/README.md) auf der Website. GitHub
+ **AWS Managed Service for Grafana**
Sie können das AWS IoT SiteWise Plugin im AWS Managed Service for Grafana (AMG) verwenden. AMG verwaltet Grafana-Server für Sie, sodass Sie Ihre Daten visualisieren können, ohne Hardware oder andere Grafana-Infrastruktur erstellen, paketieren oder bereitstellen zu müssen. Weitere Informationen finden Sie in den folgenden Themen im *AWS Managed Service for Grafana Grafana-Benutzerhandbuch*:
+ [Was ist Amazon Managed Service for Grafana (AMG)?](https://docs.aws.amazon.com/grafana/latest/userguide/what-is-Amazon-Managed-Service-Grafana.html)
+ [Verwenden der AWS IoT SiteWise Datenquelle](https://docs.aws.amazon.com/grafana/latest/userguide/using-iotsitewise-in-AMG.html)
**Example Beispiel für ein Grafana-Dashboard**
Das folgende Grafana-Dashboard visualisiert den [Demo-Windpark](getting-started-demo.md). Sie können auf dieses Demo-Dashboard auf der [Grafana Play-Website](https://play.grafana.org/d/avzwehmz/demo-wind-farm?orgId=1) zugreifen.
![\[Ein Beispiel für ein Grafana-Dashboard, das den AWS IoT SiteWise Demo-Windpark visualisiert.\]](http://docs.aws.amazon.com/de_de/iot-sitewise/latest/userguide/images/grafana-dashboard-example.png)
# Integrieren AWS IoT SiteWise und AWS IoT TwinMaker
Durch die Integration AWS IoT TwinMaker mit erhalten Sie Zugriff auf robuste Funktionen wie die AWS IoT SiteWise `ExecuteQuery` Datenabruf-API und die erweiterte Asset-Suche in der AWS IoT SiteWise Konsole. AWS IoT SiteWise Um die Dienste zu integrieren und diese Funktionen zu nutzen, müssen Sie zuerst die Integration aktivieren.
**Topics**
+ [Aktivierung der Integration](#it-enable)
+ [Integrieren und AWS IoT SiteWise AWS IoT TwinMaker](#it-integrate)
## Aktivierung der Integration
Administratoren können mithilfe von AWS JSON-Richtlinien angeben, wer Zugriff auf was hat. Das heißt, welcher *Prinzipal* *Aktionen* für welche *Ressourcen* und unter welchen *Bedingungen* ausführen kann. Das Element `Action` einer JSON-Richtlinie beschreibt die Aktionen, mit denen Sie den Zugriff in einer Richtlinie zulassen oder verweigern können. Weitere Informationen zu AWS IoT SiteWise unterstützten Aktionen finden Sie unter [Actions defined by AWS IoT SiteWise](https://docs.aws.amazon.com/service-authorization/latest/reference/list_awsiotsitewise.html#awsiotsitewise-actions-as-permissions) in der *Service Authorization Reference*.
Weitere Informationen zu AWS IoT TwinMaker dienstverknüpften Rollen finden Sie unter [Dienstbezogene Rollen für AWS IoT TwinMaker](https://docs.aws.amazon.com/iot-twinmaker/latest/guide/security_iam_service-with-iam.html#security_iam_service-with-iam-roles-service-linked) im *AWS IoT TwinMaker Benutzerhandbuch*.
Bevor Sie AWS IoT SiteWise und integrieren können AWS IoT TwinMaker, müssen Sie die folgenden Berechtigungen erteilen, die die Integration in einen AWS IoT TwinMaker verknüpften Workspace ermöglichen AWS IoT SiteWise :
+ `iotsitewise:EnableSiteWiseIntegration`— Ermöglicht AWS IoT SiteWise die Integration in einen verknüpften AWS IoT TwinMaker Workspace. Diese Integration ermöglicht AWS IoT TwinMaker das Einlesen all Ihrer Modellierungsinformationen AWS IoT SiteWise über eine AWS IoT TwinMaker serviceverknüpfte Rolle. Um diese Berechtigung zu aktivieren, fügen Sie Ihrer IAM-Rolle die folgende Richtlinie hinzu:
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"iotsitewise:EnableSiteWiseIntegration"
],
"Resource": "*"
}
]
}
```
------
## Integrieren und AWS IoT SiteWise AWS IoT TwinMaker
Um AWS IoT SiteWise und zu integrieren AWS IoT TwinMaker, benötigen Sie Folgendes:
+ AWS IoT SiteWise In Ihrem Konto ist eine dienstbezogene Rolle eingerichtet
+ AWS IoT TwinMaker In Ihrem Konto wurde eine dienstbezogene Rolle eingerichtet
+ AWS IoT TwinMaker Workspace mit ID `IoTSiteWiseDefaultWorkspace` in deinem Konto in der Region.
### Zur Integration mithilfe der AWS IoT SiteWise Konsole
Wenn Sie das AWS IoT TwinMaker Banner „**Integration mit**“ in der Konsole sehen, wählen Sie **Grant Permission** aus. Die Voraussetzungen werden in Ihrem Konto erstellt.
### Zur Integration mit dem AWS CLI
Geben Sie zur Integration AWS IoT SiteWise und AWS IoT TwinMaker mithilfe von die folgenden Befehle ein: AWS CLI
1. Rufen Sie `CreateServiceLinkedRole` mit einem `AWSServiceName` von an`iotsitewise.amazonaws.com`.
```
aws iam create-service-linked-role --aws-service-name iotsitewise.amazonaws.com
```
1. Rufen Sie `CreateServiceLinkedRole` mit einem `AWSServiceName` von an` iottwinmaker.amazonaws.com`.
```
aws iam create-service-linked-role --aws-service-name iottwinmaker.amazonaws.com
```
1. Rufen Sie `CreateWorkspace` mit einem `ID` von an`IoTSiteWiseDefaultWorkspace`.
```
aws iottwinmaker create-workspace --workspace-id IoTSiteWiseDefaultWorkspace
```
# Erkennen Sie Anomalien mit Lookout for Equipment
**Anmerkung**
Die Erkennung von Anomalien ist nur in den Regionen verfügbar, in denen Amazon Lookout for Equipment verfügbar ist.
Sie können Amazon Lookout for Equipment integrieren AWS IoT SiteWise , um mithilfe von Anomalieerkennung und vorausschauender Wartung von Industrieanlagen Einblicke in Ihre Industrieanlagen zu gewinnen. Lookout for Equipment ist ein Service für maschinelles Lernen (ML) zur Überwachung von Industrieanlagen, der abnormales Geräteverhalten erkennt und potenzielle Ausfälle identifiziert. Mit Lookout for Equipment können Sie prädiktive Wartungsprogramme implementieren und suboptimale Geräteprozesse identifizieren. Weitere Informationen zu Lookout for Equipment finden Sie unter [Was ist Amazon Lookout for](https://docs.aws.amazon.com/lookout-for-equipment/latest/ug/what-is.html) Equipment? im *Amazon Lookout for Equipment Equipment-Benutzerhandbuch*.
Wenn Sie eine Prognose erstellen, um ein ML-Modell zu trainieren, um anomales Geräteverhalten zu erkennen, AWS IoT SiteWise sendet es die Werte der Anlageneigenschaften an Lookout for Equipment, um ein ML-Modell zur Erkennung von anomalem Geräteverhalten zu trainieren. Um eine Prognosedefinition für ein Asset-Modell zu definieren, geben Sie die IAM-Rollen an, die Lookout for Equipment benötigt, um auf Ihre Daten zuzugreifen, und die Eigenschaften, die an Lookout for Equipment gesendet und verarbeitete Daten an Amazon S3 gesendet werden sollen. Weitere Informationen finden Sie unter [Erstellen Sie Asset-Modelle in AWS IoT SiteWise](create-asset-models.md).
Um Lookout for Equipment zu integrieren AWS IoT SiteWise , führen Sie die folgenden allgemeinen Schritte aus:
+ Fügen Sie einem Asset-Modell eine Prognosedefinition hinzu, die beschreibt, welche Eigenschaften Sie verfolgen möchten. Die Vorhersagedefinition ist eine wiederverwendbare Sammlung von Messungen, Transformationen und Metriken, die verwendet wird, um Vorhersagen für die Anlagen zu erstellen, die auf diesem Anlagenmodell basieren.
+ Trainieren Sie die Vorhersage auf der Grundlage der von Ihnen bereitgestellten historischen Daten.
+ Planen Sie Inferenz, die angibt, AWS IoT SiteWise wie oft eine bestimmte Vorhersage ausgeführt werden soll.
Sobald die Inferenz geplant ist, überwacht das Modell Lookout for Equipment die Daten, die es von Ihren Geräten empfängt, und sucht nach Anomalien im Geräteverhalten. Sie können die Ergebnisse in SiteWise Monitor mithilfe der AWS IoT SiteWise GET-API-Operationen oder der Lookout for Equipment Equipment-Konsole anzeigen und analysieren. Sie können auch Alarme mithilfe von Alarmmeldern aus dem Anlagenmodell erstellen, um Sie über abnormales Geräteverhalten zu informieren.
**Topics**
+ [Fügen Sie eine Vorhersagedefinition hinzu (Konsole)](#ad-add-prediction-definition-console)
+ [Trainieren Sie eine Vorhersage (Konsole)](#ad-train-prediction-console)
+ [Starten oder beenden Sie die Inferenz für eine Vorhersage (Konsole)](#ad-start-stop-inference-console)
+ [Eine Vorhersagedefinition hinzufügen (CLI)](#ad-add-prediction-definition-cli)
+ [Trainieren Sie eine Vorhersage und starten Sie die Inferenz (CLI)](#ad-train-inference-prediction-cli)
+ [Eine Vorhersage trainieren (CLI)](#ad-train-prediction-cli)
+ [Inferenz auf eine Vorhersage starten oder beenden (CLI)](#ad-start-stop-inference-cli)
## Fügen Sie eine Vorhersagedefinition hinzu (Konsole)
Um mit dem Senden der von gesammelten Daten AWS IoT SiteWise an Lookout for Equipment zu beginnen, müssen Sie einem Anlagenmodell eine AWS IoT SiteWise Prognosedefinition hinzufügen.
**Um einem AWS IoT SiteWise Anlagenmodell eine Vorhersagedefinition hinzuzufügen**
1. Navigieren Sie zur [AWS IoT SiteWise -Konsole](https://console.aws.amazon.com/iotsitewise/).
1. Wählen Sie im Navigationsbereich **Modelle** und dann das Assetmodell aus, dem Sie die Vorhersagedefinition hinzufügen möchten.
1. Wählen Sie **Prognosen** aus.
1. Wählen Sie **Vorhersagedefinition hinzufügen**.
1. Definieren Sie Details zur Vorhersagedefinition.
1. Geben Sie einen eindeutigen **Namen** und eine **Beschreibung** für Ihre Prognosedefinition ein. Wählen Sie den Namen sorgfältig aus, da Sie den Namen der Vorhersagedefinition nicht mehr ändern können, nachdem Sie sie erstellt haben.
1. Erstellen oder wählen Sie eine **IAM-Berechtigungsrolle** aus, die es AWS IoT SiteWise ermöglicht, Ihre Asset-Daten mit Amazon Lookout for Equipment zu teilen. Die Rolle sollte die folgenden IAM- und Vertrauensrichtlinien haben. Hilfe zum Erstellen der Rolle finden Sie unter [Erstellen einer Rolle mithilfe benutzerdefinierter Vertrauensrichtlinien (Konsole)](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_create_for-custom.html).
**IAM-Richtlinie**
------
#### [ 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"
}
]
}
```
------
**Vertrauensrichtlinie**
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"Service": "iotsitewise.amazonaws.com"
},
"Action": "sts:AssumeRole",
"Condition": {
"StringEquals": {
"aws:SourceAccount": "123456789012"
},
"ArnEquals": {
"aws:SourceArn": "arn:aws:iotsitewise:us-east-1:123456789012:asset/*"
}
}
},
{
"Effect": "Allow",
"Principal": {
"Service": "lookoutequipment.amazonaws.com"
},
"Action": "sts:AssumeRole",
"Condition": {
"StringEquals": {
"aws:SourceAccount": "123456789012"
},
"ArnEquals": {
"aws:SourceArn": "arn:aws:lookoutequipment:us-east-1:123456789012:*"
}
}
}
]
}
```
------
1. Wählen Sie **Weiter** aus.
1. Wählen Sie Datenattribute (Messungen, Transformationen und Metriken) aus, die Sie an Lookout for Equipment senden möchten.
1. (Optional) Wählen Sie Messungen aus.
1. (Optional) Wählen Sie Transformationen aus.
1. (Optional) Wählen Sie Metriken aus.
1. Wählen Sie **Weiter** aus.
1. Überprüfen Sie Ihre Auswahl. Um die Prognosedefinition zum Asset-Modell hinzuzufügen, wählen Sie auf der Übersichtsseite die Option **Vorhersagedefinition hinzufügen** aus.
Sie können auch eine bestehende Vorhersagedefinition **bearbeiten** oder **löschen**, der aktive Vorhersagen angehängt sind.
## Trainieren Sie eine Vorhersage (Konsole)
Nachdem Sie einem Anlagenmodell eine Prognosedefinition hinzugefügt haben, können Sie die Vorhersagen trainieren, die sich auf Ihre Anlagen beziehen.
**Um eine Vorhersage zu trainieren in AWS IoT SiteWise**
1. Navigieren Sie zur [AWS IoT SiteWise -Konsole](https://console.aws.amazon.com/iotsitewise/).
1. Wählen Sie im Navigationsbereich **Assets** und dann das Asset aus, das Sie überwachen möchten.
1. Wählen Sie **Prognosen** aus.
1. Wählen Sie die Vorhersagen aus, die Sie trainieren möchten.
1. Wählen Sie unter **Aktionen** die Option **Training starten** aus und gehen Sie wie folgt vor:
1. Wählen Sie unter **Prognosedetails** eine IAM-Berechtigungsrolle aus, mit der Sie Ihre Asset-Daten mit Lookout for Equipment teilen können AWS IoT SiteWise . Wenn Sie eine neue Rolle erstellen müssen, wählen Sie Neue Rolle **erstellen** aus.
1. Geben Sie **unter Einstellungen für Trainingsdaten** einen **Zeitraum für Trainingsdaten** ein, um auszuwählen, welche Daten zum Trainieren der Vorhersage verwendet werden sollen.
1. (Optional) Wählen Sie die Samplerate für die Daten nach der Nachverarbeitung aus.
1. (Optional) Geben Sie für **Datenlabels** einen Amazon S3 S3-Bucket und ein Präfix an, das Ihre Kennzeichnungsdaten enthält. Weitere Informationen zur Kennzeichnung von Daten finden Sie unter [Kennzeichnen Ihrer Daten](https://docs.aws.amazon.com/lookout-for-equipment/latest/ug/labeling-data.html) im *Amazon Lookout for Equipment Equipment-Benutzerhandbuch*.
1. Wählen Sie **Weiter** aus.
1. (Optional) Wenn Sie möchten, dass die Vorhersage aktiv ist, sobald das Training abgeschlossen ist, wählen Sie unter **Erweiterte Einstellungen** **die Option Vorhersage nach dem Training automatisch aktivieren** aus, und gehen Sie dann wie folgt vor:
1. Definieren Sie unter **Eingabedaten** für **Häufigkeit des Daten-Uploads**, wie oft Daten hochgeladen werden, und definieren Sie für **Offset-Verzögerungszeit**, wie viel Puffer verwendet werden soll.
1. Wählen Sie **Weiter** aus.
1. Überprüfen Sie die Details der Prognose und wählen Sie **Speichern und starten** aus.
## Starten oder beenden Sie die Inferenz für eine Vorhersage (Konsole)
**Anmerkung**
Die Gebühren von Lookout for Equipment fallen für geplante Inferenzen mit den Daten an, die zwischen AWS IoT SiteWise und Lookout for Equipment übertragen werden. Weitere Informationen finden Sie unter [Amazon Lookout for Equipment Pricing](https://aws.amazon.com/lookout-for-equipment/pricing/).
Wenn Sie die Vorhersage hinzugefügt`lookoutequipment:CreateDataset`, sie aber nach dem Training nicht aktiviert haben, müssen Sie sie aktivieren, um mit der Überwachung Ihrer Ressourcen zu beginnen.
**Um die Inferenz für eine Vorhersage zu starten**
1. Navigieren Sie zur [AWS IoT SiteWise -Konsole](https://console.aws.amazon.com/iotsitewise/).
1. Wählen Sie im Navigationsbereich **Assets** und dann das Asset aus, zu dem die Prognose hinzugefügt werden soll.
1. Wählen Sie **Prognosen** aus.
1. Wählen Sie die Prognosen aus, die Sie aktivieren möchten.
1. Wählen Sie unter **Aktionen** die Option **Inferenz starten** aus und gehen Sie wie folgt vor:
1. Definieren Sie unter **Eingabedaten** für **Häufigkeit des Daten-Uploads**, wie oft Daten hochgeladen werden, und definieren Sie für **Offset-Verzögerungszeit**, wie viel Puffer verwendet werden soll.
1. Wählen Sie **Speichern und starten**.
**Um die Inferenz für eine Vorhersage zu beenden**
1. Navigieren Sie zur [AWS IoT SiteWise -Konsole](https://console.aws.amazon.com/iotsitewise/).
1. Wählen Sie im Navigationsbereich **Assets** und dann das Asset aus, zu dem die Prognose hinzugefügt werden soll.
1. Wählen Sie **Prognosen** aus.
1. Wählen Sie die Vorhersagen aus, die Sie beenden möchten.
1. Wählen Sie unter **Aktionen** die Option **Inferenz beenden** aus.
## Eine Vorhersagedefinition hinzufügen (CLI)
Um eine Vorhersagedefinition für ein neues oder vorhandenes Asset-Modell zu definieren, können Sie die AWS Command Line Interface (AWS CLI) verwenden. Nachdem Sie die Prognosedefinition für das Anlagenmodell definiert haben, trainieren Sie eine Vorhersage für eine Anlage und planen die Inferenz für diese, AWS IoT SiteWise um mit Lookout for Equipment eine Anomalieerkennung durchzuführen.
**Voraussetzungen**
Um diese Schritte ausführen zu können, müssen Sie ein Anlagenmodell und mindestens eine Anlage erstellt haben. Weitere Informationen erhalten Sie unter [Erstellen Sie ein Asset-Modell (AWS CLI)](create-asset-models.md#create-asset-model-cli) und [Erstellen Sie ein Asset (AWS CLI)](create-assets.md#create-asset-cli).
Wenn Sie noch nicht damit vertraut sind AWS IoT SiteWise, müssen Sie den `CreateBulkImportJob` API-Vorgang aufrufen, in AWS IoT SiteWise den die Eigenschaftswerte der Anlage importiert werden. Dieser Vorgang wird dann zum Trainieren des Modells verwendet. Weitere Informationen finden Sie unter [Erstellen Sie einen AWS IoT SiteWise Massenimportauftrag ()AWS CLI](CreateBulkImportJob.md).
**Um eine Vorhersagedefinition hinzuzufügen**
1. Erstellen Sie eine Datei mit dem Namen `asset-model-payload.json`. Folgen Sie den Schritten in diesen anderen Abschnitten, um der Datei die Details Ihres Asset-Modells hinzuzufügen, reichen Sie aber nicht die Anfrage zur Erstellung oder Aktualisierung des Asset-Modells ein.
+ Weitere Informationen zum Erstellen eines Vermögensmodells finden Sie unter [Erstellen Sie ein Asset-Modell (AWS CLI)](create-asset-models.md#create-asset-model-cli)
+ Weitere Informationen zum Aktualisieren eines vorhandenen Asset-Modells finden Sie unter [Aktualisieren Sie ein Objektmodell, ein Komponentenmodell oder eine Schnittstelle ()AWS CLI](update-asset-models.md#update-asset-model-cli)
1. Fügen Sie dem Asset-Modell ein Verbundmodell von Lookout for Equipment (`assetModelCompositeModels`) hinzu, indem Sie den folgenden Code hinzufügen.
+ `Property`Ersetzen Sie es durch die ID der Eigenschaften, die Sie einbeziehen möchten. Um diese zu bekommen IDs, rufen Sie an [https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAssetModel.html](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAssetModel.html).
+ `RoleARN`Ersetzen Sie es durch den ARN einer IAM-Rolle, die Lookout for Equipment den Zugriff auf Ihre AWS IoT SiteWise Daten ermöglicht.
```
{
...
"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": "{}"
}
}
}
]
}
```
1. Erstellen Sie das Asset-Modell oder aktualisieren Sie das bestehende Asset-Modell. Führen Sie eine der folgenden Aktionen aus:
+ Führen Sie den folgenden Befehl aus, um das Asset-Modell zu erstellen:
```
aws iotsitewise create-asset-model --cli-input-json file://asset-model-payload.json
```
+ Führen Sie den folgenden Befehl aus, um das bestehende Asset-Modell zu aktualisieren. `asset-model-id`Ersetzen Sie es durch die ID des Asset-Modells, das Sie aktualisieren möchten.
```
aws iotsitewise update-asset-model \
--asset-model-id asset-model-id \
--cli-input-json file://asset-model-payload.json
```
Nachdem Sie den Befehl ausgeführt haben, notieren Sie sich das `assetModelId` in der Antwort.
## Trainieren Sie eine Vorhersage und starten Sie die Inferenz (CLI)
Nachdem die Definition der Vorhersage nun definiert ist, können Sie darauf basierende Ressourcen trainieren und mit der Inferenz beginnen. Wenn Sie Ihre Vorhersage trainieren, aber keine Inferenz starten möchten, fahren Sie mit fort. [Eine Vorhersage trainieren (CLI)](#ad-train-prediction-cli) Um die Vorhersage zu trainieren und die Inferenz für das Asset zu starten, benötigen Sie die `assetId` der Zielressource.
**Um die Vorhersage zu trainieren und mit der Inferenz zu beginnen**
1. Führen Sie den folgenden Befehl aus, um das `assetModelCompositeModelId` `assetModelCompositeModelSummaries` Under zu finden. *`asset-model-id`*Ersetzen Sie es durch die ID des Asset-Modells, in dem Sie es erstellt haben[Aktualisieren Sie ein Objektmodell, ein Komponentenmodell oder eine Schnittstelle ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Führen Sie den folgenden Befehl aus, um `actionDefinitionId` die `TrainingWithInference` Aktion zu finden. *`asset-model-id`*Ersetzen Sie durch die im vorherigen Schritt verwendete ID und *`asset-model-composite-model-id`* ersetzen Sie sie durch die im vorherigen Schritt zurückgegebene ID.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Erstellen Sie eine Datei mit dem Namen `train-start-inference-prediction.json` und fügen Sie den folgenden Code hinzu, der den folgenden ersetzt:
+ `asset-id`mit der ID des Ziel-Assets
+ `action-definition-id`mit der ID der TrainingWithInference Aktion
+ `StartTime`mit dem Beginn der Trainingsdaten, angegeben in Epochensekunden
+ `EndTime`mit dem Ende der Trainingsdaten, angegeben in Epochensekunden
+ `TargetSamplingRate`mit der Abtastrate der Daten nach der Nachbearbeitung durch Lookout for Equipment. Zulässige Werte sind:`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\"}}}"
}
}
```
1. Führen Sie den folgenden Befehl aus, um das Training und die Inferenz zu starten:
```
aws iotsitewise execute-action --cli-input-json file://train-start-inference-prediction.json
```
## Eine Vorhersage trainieren (CLI)
Da die Prognosedefinition nun definiert ist, können Sie darauf aufbauend Anlagen trainieren. Um die Vorhersage auf der Anlage zu trainieren, benötigen Sie die `assetId` der Zielressource.
**Um die Vorhersage zu trainieren**
1. Führen Sie den folgenden Befehl aus, um das `assetModelCompositeModelId` Under zu finden`assetModelCompositeModelSummaries`. *`asset-model-id`*Ersetzen Sie es durch die ID des Asset-Modells, in dem Sie es erstellt haben[Aktualisieren Sie ein Objektmodell, ein Komponentenmodell oder eine Schnittstelle ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Führen Sie den folgenden Befehl aus, um `actionDefinitionId` die `Training` Aktion zu finden. *`asset-model-id`*Ersetzen Sie durch die im vorherigen Schritt verwendete ID und *`asset-model-composite-model-id`* ersetzen Sie sie durch die im vorherigen Schritt zurückgegebene ID.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Erstellen Sie eine Datei mit dem Namen `train-prediction.json` und fügen Sie den folgenden Code hinzu, der den folgenden ersetzt:
+ `asset-id`mit der ID des Ziel-Assets
+ `action-definition-id`mit der ID der Trainingsaktion
+ `StartTime`mit dem Beginn der Trainingsdaten, angegeben in Epochensekunden
+ `EndTime`mit dem Ende der Trainingsdaten, angegeben in Epochensekunden
+ (Optional) `BucketName` mit dem Namen des Amazon S3 S3-Buckets, der Ihre Etikettendaten enthält
+ (Optional) `Prefix` mit dem Präfix, das dem Amazon S3 S3-Bucket zugeordnet ist.
+ `TargetSamplingRate`mit der Abtastrate der Daten nach der Nachbearbeitung durch Lookout for Equipment. Zulässige Werte sind:`PT1S | PT5S | PT10S | PT15S | PT30S | PT1M | PT5M | PT10M | PT15M | PT30M | PT1H`.
**Anmerkung**
Geben Sie sowohl den Bucket-Namen als auch das Präfix oder keines von beiden an.
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4ETraining\": {\"trainingMode\":\"START\",\"exportDataStartTime\": StartTime, \"exportDataEndTime\": EndTime, \"targetSamplingRate\":\"TargetSamplingRate\"}, \"labelInputConfiguration\": {\"bucketName\": \"BucketName\", \"prefix\": \"Prefix\"}}}"
}
}
```
1. Führen Sie den folgenden Befehl aus, um das Training zu starten:
```
aws iotsitewise execute-action --cli-input-json file://train-prediction.json
```
Bevor Sie mit der Inferenz beginnen können, muss das Training abgeschlossen sein. Gehen Sie wie folgt vor, um den Status der Schulung zu überprüfen:
+ Navigieren Sie in der Konsole zu dem Asset, für das sich die Prognose bezieht.
+ Rufen Sie von der AWS CLI aus `BatchGetAssetPropertyValue` über `propertyId` die `trainingStatus` Eigenschaft auf.
## Inferenz auf eine Vorhersage starten oder beenden (CLI)
Sobald die Vorhersage trainiert ist, können Sie mit der Inferenz beginnen und Lookout for Equipment anweisen, mit der Überwachung Ihrer Anlagen zu beginnen. Um die Inferenz zu starten oder zu beenden, benötigen Sie die Daten `assetId` der Zielressource.
**Um die Inferenz zu starten**
1. Führen Sie den folgenden Befehl aus, um das `assetModelCompositeModelId` unter `assetModelCompositeModelSummaries` zu finden. *`asset-model-id`*Ersetzen Sie es durch die ID des Asset-Modells, in dem Sie es erstellt haben[Aktualisieren Sie ein Objektmodell, ein Komponentenmodell oder eine Schnittstelle ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Führen Sie den folgenden Befehl aus, um `actionDefinitionId` die `Inference` Aktion zu finden. *`asset-model-id`*Ersetzen Sie durch die im vorherigen Schritt verwendete ID und *`asset-model-composite-model-id`* ersetzen Sie sie durch die im vorherigen Schritt zurückgegebene ID.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Erstellen Sie eine Datei mit dem Namen `start-inference.json` und fügen Sie den folgenden Code hinzu, der den folgenden ersetzt:
+ `asset-id`mit der ID des Ziel-Assets
+ `action-definition-id`mit der ID der Start-Inferenzaktion
+ `Offset`mit der Menge des zu verwendenden Puffers
+ `Frequency`mit wie oft Daten hochgeladen werden
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4EInference\": {\"inferenceMode\":\"START\",\"dataDelayOffsetInMinutes\": Offset, \"dataUploadFrequency\": \"Frequency\"}}"
}}
```
1. Führen Sie den folgenden Befehl aus, um die Inferenz zu starten:
```
aws iotsitewise execute-action --cli-input-json file://start-inference.json
```
**Um die Inferenz zu beenden**
1. Führen Sie den folgenden Befehl aus, um das `assetModelCompositeModelId` `assetModelCompositeModelSummaries` Under zu finden. *`asset-model-id`*Ersetzen Sie es durch die ID des Asset-Modells, in dem Sie es erstellt haben[Aktualisieren Sie ein Objektmodell, ein Komponentenmodell oder eine Schnittstelle ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Führen Sie den folgenden Befehl aus, um `actionDefinitionId` die `Inference` Aktion zu finden. *`asset-model-id`*Ersetzen Sie durch die im vorherigen Schritt verwendete ID und *`asset-model-composite-model-id`* ersetzen Sie sie durch die im vorherigen Schritt zurückgegebene ID.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Erstellen Sie eine Datei mit dem Namen `stop-inference.json` und fügen Sie den folgenden Code hinzu, der den folgenden ersetzt:
+ `asset-id`mit der ID des Ziel-Assets
+ `action-definition-id`mit der ID der Start-Inferenzaktion
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4EInference\":{\"inferenceMode\":\"STOP\"}}"
}}
```
1. Führen Sie den folgenden Befehl aus, um die Inferenz zu beenden:
```
aws iotsitewise execute-action --cli-input-json file://stop-inference.json
```