Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Berinteraksi dengan AWS layanan lain
AWS IoT SiteWise dapat mempublikasikan data aset ke broker pesan berlangganan publikasi AWS IoT MQTT, sehingga Anda dapat berinteraksi dengan data aset Anda dari layanan lain. AWS AWS IoT SiteWise menetapkan setiap properti aset topik MQTT unik yang dapat Anda gunakan untuk merutekan data aset Anda ke AWS layanan lain menggunakan aturan Inti. AWS IoT Misalnya, Anda dapat mengonfigurasi aturan AWS IoT Core untuk melakukan tugas-tugas berikut:
+ Identifikasi kegagalan peralatan dan beri tahu personel yang sesuai dengan mengirimkan data ke [AWS IoT Events](https://docs.aws.amazon.com/iotevents/latest/developerguide/).
+ Historisasi data aset tertentu untuk digunakan dalam solusi perangkat lunak eksternal dengan mengirimkan data ke Amazon [DynamoDB](https://docs.aws.amazon.com/dynamodb/).
+ Hasilkan laporan mingguan dengan memicu suatu [AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/)fungsi.
Anda dapat mengikuti tutorial yang berjalan melalui langkah-langkah yang diperlukan untuk mengatur aturan yang menyimpan nilai properti di DynamoDB. Untuk informasi selengkapnya, lihat [Publikasikan pembaruan nilai properti ke Amazon DynamoDB](publish-to-amazon-dynamodb.md).
Untuk informasi selengkapnya tentang cara mengonfigurasi aturan, lihat [Aturan](https://docs.aws.amazon.com/iot/latest/developerguide/iot-rules.html) di *Panduan AWS IoT Pengembang*.
Anda juga dapat menggunakan data dari AWS layanan lain kembali ke AWS IoT SiteWise. Untuk menelan data melalui tindakan AWS IoT SiteWise aturan, lihat[Menelan data untuk AWS IoT SiteWise menggunakan aturan AWS IoT Core](iot-rules.md).
**Topics**
+ [Memahami properti aset dalam topik MQTT](mqtt-topics.md)
+ [Aktifkan notifikasi properti aset di AWS IoT SiteWise](property-notifications.md)
+ [Kueri pemberitahuan properti aset di AWS IoT SiteWise](query-notification-messages.md)
+ [Ekspor data ke Amazon S3 dengan pemberitahuan properti aset](export-to-s3.md)
+ [Integrasikan AWS IoT SiteWise dengan Grafana](grafana-integration.md)
+ [Integrasikan AWS IoT SiteWise dan AWS IoT TwinMaker](integrate-tm.md)
+ [Deteksi anomali dengan Lookout for Equipment](anomaly-detection.md)
# Memahami properti aset dalam topik MQTT
Setiap properti aset memiliki jalur topik MQTT unik dalam format berikut.
```
$aws/sitewise/asset-models/assetModelId/assets/assetId/properties/propertyId
```
**catatan**
AWS IoT SiteWise tidak mendukung wildcard filter topik `#` (multi-level) di mesin aturan AWS IoT Inti. Anda dapat menggunakan wildcard `+` (single-level). Misalnya, Anda dapat menggunakan filter topik berikut untuk mencocokkan semua pembaruan untuk model aset tertentu.
```
$aws/sitewise/asset-models/assetModelId/assets/+/properties/+
```
Untuk mempelajari lebih lanjut tentang wildcard filter topik, lihat [Topik](https://docs.aws.amazon.com/iot/latest/developerguide/topics.html) di *Panduan Pengembang AWS IoT Inti*.
# Aktifkan notifikasi properti aset di AWS IoT SiteWise
Anda dapat mengaktifkan pemberitahuan properti untuk mempublikasikan pembaruan data aset AWS IoT Core, lalu menjalankan kueri pada data Anda. Dengan pemberitahuan properti aset, AWS IoT SiteWise berikan CloudFormation templat yang dapat Anda gunakan untuk mengekspor AWS IoT SiteWise data ke Amazon S3.
**catatan**
Data aset dikirim ke AWS IoT Core setiap kali diterima oleh AWS IoT SiteWise, terlepas dari apakah nilainya telah berubah.
**Topics**
+ [Aktifkan notifikasi properti aset (konsol)](#enable-property-notifications-console)
+ [Aktifkan notifikasi properti aset (AWS CLI)](#enable-property-notifications-cli)
## Aktifkan notifikasi properti aset (konsol)
Secara default, AWS IoT SiteWise tidak mempublikasikan pembaruan nilai properti. Anda dapat menggunakan AWS IoT SiteWise konsol untuk mengaktifkan notifikasi untuk properti aset.
**Untuk mengaktifkan atau menonaktifkan notifikasi untuk properti aset (konsol)**
1. Navigasikan ke [konsol AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/) tersebut.
1. Di panel navigasi, pilih **Aset**.
1. Pilih aset untuk mengaktifkan notifikasi properti.
**Tip**
Anda dapat memilih ikon panah untuk memperluas hierarki aset untuk menemukan aset Anda.
1. Pilih **Edit**.
1. Untuk **status Pemberitahuan** properti aset, pilih **ENABLED**.
![\[AWS IoT SiteWise Tangkapan layar halaman “Edit aset” dengan “Status pemberitahuan” disorot.\]](http://docs.aws.amazon.com/id_id/iot-sitewise/latest/userguide/images/sitewise-enable-property-notifications-console.png)
Anda juga dapat memilih **DISABLED** untuk menonaktifkan notifikasi untuk properti aset.
1. Pilih **Simpan**.
## Aktifkan notifikasi properti aset (AWS CLI)
Secara default, AWS IoT SiteWise tidak mempublikasikan pembaruan nilai properti. Anda dapat menggunakan AWS Command Line Interface (AWS CLI) untuk mengaktifkan atau menonaktifkan notifikasi untuk properti aset.
Anda harus mengetahui aset `assetId` dan properti Anda `propertyId` untuk menyelesaikan prosedur ini. Anda juga dapat menggunakan ID eksternal. Jika Anda membuat aset dan tidak mengetahuinya`assetId`, gunakan [ListAssets](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_ListAssets.html)API untuk mencantumkan semua aset untuk model tertentu. Gunakan [DescribeAsset](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAsset.html)operasi untuk melihat properti aset Anda termasuk properti IDs.
Gunakan [UpdateAssetProperty](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_UpdateAssetProperty.html)operasi untuk mengaktifkan atau menonaktifkan notifikasi untuk properti aset. Tentukan parameter berikut:
+ `assetId`— ID aset.
+ `propertyId`— ID properti aset.
+ `propertyNotificationState`— Status pemberitahuan nilai properti: `ENABLED` atau`DISABLED`.
+ `propertyAlias`— Alias properti. Tentukan alias properti yang ada saat Anda memperbarui status notifikasi. Jika Anda menghilangkan parameter ini, alias properti yang ada akan dihapus.
**Untuk mengaktifkan atau menonaktifkan pemberitahuan untuk properti aset (CLI)**
1. Jalankan perintah berikut untuk mengambil alias properti aset. Ganti *asset-id* dengan ID aset dan *property-id* dengan ID properti.
```
aws iotsitewise describe-asset-property \
--asset-id asset-id \
--property-id property-id
```
Operasi mengembalikan respons yang berisi rincian properti aset dalam format berikut. Alias properti ada `assetProperty.alias` di objek JSON.
```
{
"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. Jalankan perintah berikut untuk mengaktifkan notifikasi untuk properti aset. Ganti *property-alias* dengan alias properti dari respons perintah sebelumnya, atau hilangkan `--property-alias` untuk memperbarui properti tanpa alias.
```
aws iotsitewise update-asset-property \
--asset-id asset-id \
--property-id property-id \
--property-notification-state ENABLED \
--property-alias property-alias
```
Anda juga dapat meneruskan `--property-notification-state DISABLED` untuk menonaktifkan notifikasi untuk properti aset.
# Kueri pemberitahuan properti aset di AWS IoT SiteWise
Untuk meminta pemberitahuan properti aset, buat AWS IoT Core aturan yang terdiri dari pernyataan SQL.
AWS IoT SiteWise menerbitkan pembaruan data properti aset ke AWS IoT Core dalam format berikut.
```
{
"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
}
}
}
]
}
}
```
Setiap struktur dalam `values` daftar adalah struktur timestamp-quality-value (TQV).
+ `timestamp`Ini berisi waktu epoch Unix saat ini dalam hitungan detik dengan offset nanodetik.
+ `quality`Berisi salah satu string berikut yang menunjukkan kualitas titik data:
+ `GOOD`— Data tidak terpengaruh oleh masalah apa pun.
+ `BAD`— Data dipengaruhi oleh masalah seperti kegagalan sensor.
+ `UNCERTAIN`— Data dipengaruhi oleh masalah seperti ketidakakuratan sensor.
+ `value`Berisi salah satu bidang berikut, tergantung pada jenis properti:
+ `booleanValue`
+ `doubleValue`
+ `integerValue`
+ `stringValue`
+ `nullValue`
`nullValue`— Struktur dengan bidang berikut yang menunjukkan jenis nilai properti dengan nilai Null dan kualitas atau. `BAD` `UNCERTAIN`
+ `valueType`— Enum dari \$1"B”, “D”, “S”, “I"\$1
Untuk mengurai nilai dari `values` array, Anda perlu menggunakan kueri objek bersarang yang kompleks dalam pernyataan SQL aturan Anda. Untuk informasi selengkapnya, lihat [Kueri objek bersarang](https://docs.aws.amazon.com/iot/latest/developerguide/iot-sql-nested-queries.html) di *Panduan AWS IoT Pengembang*, atau lihat [Publikasikan pembaruan nilai properti ke Amazon DynamoDB](publish-to-amazon-dynamodb.md) tutorial untuk contoh spesifik penguraian pesan pemberitahuan properti aset.
**Example Contoh query untuk mengekstrak array nilai**
Pernyataan berikut menunjukkan bagaimana untuk query array nilai properti diperbarui untuk properti tipe ganda tertentu pada semua aset dengan properti tersebut.
```
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'
```
Pernyataan kueri aturan sebelumnya mengeluarkan data dalam format berikut.
```
{
"windspeed": [
26.32020195042838,
26.282584572975477,
26.352566977372508,
26.283084346171442,
26.571883739599322,
26.60684140743005,
26.628738636715045,
26.273486932802125,
26.436379105473964,
26.600590095377303
]
}
```
**Example Contoh kueri untuk mengekstrak satu nilai**
Pernyataan berikut menunjukkan bagaimana untuk query nilai pertama dari array nilai properti untuk properti tipe ganda tertentu pada semua aset dengan properti tersebut.
```
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'
```
Pernyataan kueri aturan sebelumnya mengeluarkan data dalam format berikut.
```
{
"windspeed": 26.32020195042838
}
```
**penting**
Pernyataan kueri aturan ini mengabaikan pembaruan nilai selain yang pertama di setiap batch. Setiap batch dapat berisi hingga 10 nilai. Jika Anda perlu menyertakan nilai yang tersisa, Anda harus menyiapkan solusi yang lebih kompleks untuk menampilkan nilai properti aset ke layanan lain. Misalnya, Anda dapat mengatur aturan dengan AWS Lambda tindakan untuk mempublikasikan ulang setiap nilai dalam larik ke topik lain, dan menyiapkan aturan lain untuk menanyakan topik tersebut dan mempublikasikan setiap nilai ke tindakan aturan yang diinginkan.
# Ekspor data ke Amazon S3 dengan pemberitahuan properti aset
Anda dapat mengekspor data masuk dari AWS IoT SiteWise ke bucket Amazon S3 di akun Anda. Anda dapat mencadangkan data Anda dalam format yang dapat Anda gunakan untuk membuat laporan historis atau untuk menganalisis data Anda dengan metode yang kompleks.
Untuk mengekspor data deret waktu dari AWS IoT SiteWise, aktifkan fitur tingkat dingin agar data disimpan di bucket Amazon S3. Lihat [Mengelola penyimpanan data AWS IoT SiteWise](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/manage-data-storage.html) untuk detailnya.
Untuk mengekspor model aset dan metadata aset dari AWS IoT SiteWise, gunakan fitur operasi massal untuk mengekspor metadata ke bucket Amazon S3. Lihat [Operasi massal dengan aset dan model](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/bulk-operations-assets-and-models.html) untuk detailnya.
# Integrasikan AWS IoT SiteWise dengan Grafana
Grafana adalah platform visualisasi data yang digunakan untuk memvisualisasikan dan memantau data di dasbor. Di Grafana versi 10.4.0 dan yang lebih baru, gunakan AWS IoT SiteWise plugin untuk memvisualisasikan AWS IoT SiteWise data aset Anda di dasbor Grafana. Pengguna dapat memvisualisasikan data dari berbagai AWS sumber (seperti AWS IoT SiteWise, Amazon Timestream, dan CloudWatch Amazon) dan sumber data lainnya dengan satu dasbor Grafana.
Anda memiliki dua opsi untuk menggunakan AWS IoT SiteWise plugin:
+ **Server Grafana lokal**
Anda dapat mengatur AWS IoT SiteWise plugin di server Grafana yang Anda kelola. Untuk informasi lebih lanjut tentang cara menambahkan dan menggunakan plugin, lihat file [AWS IoT SiteWise Datasource README](https://github.com/grafana/iot-sitewise-datasource/blob/main/src/README.md) di situs web. GitHub
+ **AWS Managed Service for Grafana**
Anda dapat menggunakan AWS IoT SiteWise plugin di AWS Managed Service for Grafana (AMG). AMG mengelola server Grafana untuk Anda sehingga Anda dapat memvisualisasikan data Anda tanpa harus membangun, mengemas, atau menyebarkan perangkat keras atau infrastruktur Grafana lainnya. Untuk informasi selengkapnya, lihat topik berikut di *AWS Managed Service for Grafana User* Guide:
+ [Apa itu Amazon Managed Service for Grafana (AMG)?](https://docs.aws.amazon.com/grafana/latest/userguide/what-is-Amazon-Managed-Service-Grafana.html)
+ [Menggunakan sumber AWS IoT SiteWise data](https://docs.aws.amazon.com/grafana/latest/userguide/using-iotsitewise-in-AMG.html)
**Example Contoh dasbor Grafana**
Dasbor Grafana berikut memvisualisasikan [demo](getting-started-demo.md) ladang angin. Anda dapat mengakses dasbor demo ini di situs web [Grafana Play](https://play.grafana.org/d/avzwehmz/demo-wind-farm?orgId=1).
![\[Contoh dasbor Grafana yang memvisualisasikan AWS IoT SiteWise demo ladang angin.\]](http://docs.aws.amazon.com/id_id/iot-sitewise/latest/userguide/images/grafana-dashboard-example.png)
# Integrasikan AWS IoT SiteWise dan AWS IoT TwinMaker
Mengintegrasikan dengan AWS IoT TwinMaker memberikan akses ke fungsionalitas yang kuat di AWS IoT SiteWise, seperti `ExecuteQuery` API pengambilan AWS IoT SiteWise data dan pencarian aset lanjutan di konsol. AWS IoT SiteWise Untuk mengintegrasikan layanan dan menggunakan fitur-fitur ini, Anda harus terlebih dahulu mengaktifkan integrasi.
**Topics**
+ [Mengaktifkan integrasi](#it-enable)
+ [Integrasi dan AWS IoT SiteWise AWS IoT TwinMaker](#it-integrate)
## Mengaktifkan integrasi
Administrator dapat menggunakan kebijakan AWS JSON untuk menentukan siapa yang memiliki akses ke apa. Yaitu, di mana *utama* dapat melakukan *tindakan* pada *sumber daya*, dan dalam *kondisi apa*. Elemen `Action` dari kebijakan JSON menjelaskan tindakan yang dapat Anda gunakan untuk mengizinkan atau menolak akses dalam sebuah kebijakan. Untuk informasi selengkapnya tentang tindakan yang AWS IoT SiteWise didukung, lihat [Tindakan yang ditentukan oleh AWS IoT SiteWise](https://docs.aws.amazon.com/service-authorization/latest/reference/list_awsiotsitewise.html#awsiotsitewise-actions-as-permissions) dalam *Referensi Otorisasi Layanan*.
*Untuk informasi selengkapnya tentang peran AWS IoT TwinMaker terkait layanan, lihat Peran [terkait layanan AWS IoT TwinMaker di Panduan Pengguna](https://docs.aws.amazon.com/iot-twinmaker/latest/guide/security_iam_service-with-iam.html#security_iam_service-with-iam-roles-service-linked).AWS IoT TwinMaker *
Sebelum Anda dapat mengintegrasikan AWS IoT SiteWise dan AWS IoT TwinMaker, Anda harus memberikan izin berikut yang memungkinkan AWS IoT SiteWise untuk mengintegrasikan dengan ruang kerja AWS IoT TwinMaker tertaut:
+ `iotsitewise:EnableSiteWiseIntegration`— Memungkinkan AWS IoT SiteWise untuk berintegrasi dengan AWS IoT TwinMaker ruang kerja yang ditautkan. Integrasi ini memungkinkan AWS IoT TwinMaker untuk membaca semua informasi pemodelan Anda AWS IoT SiteWise melalui peran AWS IoT TwinMaker terkait layanan. Untuk mengaktifkan izin ini, tambahkan kebijakan berikut ke peran IAM Anda:
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"iotsitewise:EnableSiteWiseIntegration"
],
"Resource": "*"
}
]
}
```
------
## Integrasi dan AWS IoT SiteWise AWS IoT TwinMaker
Untuk mengintegrasikan AWS IoT SiteWise dan AWS IoT TwinMaker, Anda harus memiliki yang berikut:
+ AWS IoT SiteWise pengaturan peran terkait layanan di akun Anda
+ AWS IoT TwinMaker pengaturan peran terkait layanan di akun Anda
+ AWS IoT TwinMaker ruang kerja dengan ID `IoTSiteWiseDefaultWorkspace` di akun Anda di Wilayah.
### Untuk mengintegrasikan dengan menggunakan AWS IoT SiteWise konsol
Saat Anda melihat AWS IoT TwinMaker spanduk **Integrasi dengan** di konsol, pilih **Berikan izin**. Prasyarat dibuat di akun Anda.
### Untuk mengintegrasikan dengan menggunakan AWS CLI
Untuk mengintegrasikan AWS IoT SiteWise dan AWS IoT TwinMaker dengan menggunakan AWS CLI, masukkan perintah berikut:
1. Panggil `CreateServiceLinkedRole` dengan sebuah `AWSServiceName` dari`iotsitewise.amazonaws.com`.
```
aws iam create-service-linked-role --aws-service-name iotsitewise.amazonaws.com
```
1. Panggil `CreateServiceLinkedRole` dengan sebuah `AWSServiceName` dari` iottwinmaker.amazonaws.com`.
```
aws iam create-service-linked-role --aws-service-name iottwinmaker.amazonaws.com
```
1. Panggil `CreateWorkspace` dengan sebuah `ID` dari`IoTSiteWiseDefaultWorkspace`.
```
aws iottwinmaker create-workspace --workspace-id IoTSiteWiseDefaultWorkspace
```
# Deteksi anomali dengan Lookout for Equipment
**catatan**
Deteksi anomali hanya tersedia di Wilayah di mana Amazon Lookout for Equipment tersedia.
Anda dapat berintegrasi AWS IoT SiteWise dengan Amazon Lookout for Equipment untuk mendapatkan wawasan tentang peralatan industri Anda melalui deteksi anomali dan pemeliharaan prediktif peralatan industri. Lookout for Equipment adalah layanan machine learning (ML) untuk memantau peralatan industri yang mendeteksi perilaku peralatan abnormal dan mengidentifikasi potensi kegagalan. Dengan Lookout for Equipment, Anda dapat menerapkan program pemeliharaan prediktif dan mengidentifikasi proses peralatan yang kurang optimal. Untuk informasi selengkapnya tentang Lookout for Equipment, lihat [Apa itu Amazon Lookout](https://docs.aws.amazon.com/lookout-for-equipment/latest/ug/what-is.html) for Equipment? di Panduan Pengguna *Amazon Lookout for* Equipment.
Saat Anda membuat prediksi untuk melatih model ML guna mendeteksi perilaku peralatan anomali, AWS IoT SiteWise kirimkan nilai properti aset ke Lookout for Equipment untuk melatih model ML guna mendeteksi perilaku peralatan anomali. Untuk menentukan definisi prediksi pada model aset, Anda menentukan peran IAM yang diperlukan untuk Lookout for Equipment untuk mengakses data dan properti yang akan dikirim ke Lookout for Equipment dan mengirim data yang diproses ke Amazon S3. Untuk informasi selengkapnya, lihat [Buat model aset di AWS IoT SiteWise](create-asset-models.md).
Untuk mengintegrasikan AWS IoT SiteWise dan Lookout for Equipment, Anda akan melakukan langkah-langkah tingkat tinggi berikut:
+ Tambahkan definisi prediksi pada model aset yang menguraikan properti apa yang ingin Anda lacak. Definisi prediksi adalah kumpulan pengukuran, transformasi, dan metrik yang dapat digunakan kembali yang digunakan untuk membuat prediksi pada aset yang didasarkan pada model aset tersebut.
+ Latih prediksi berdasarkan data historis yang Anda berikan.
+ Jadwal inferensi, yang menceritakan AWS IoT SiteWise seberapa sering menjalankan prediksi tertentu.
Setelah inferensi dijadwalkan, model Lookout for Equipment memantau data yang diterimanya dari peralatan Anda dan mencari anomali dalam perilaku peralatan. Anda dapat melihat dan menganalisis hasil di SiteWise Monitor, menggunakan operasi AWS IoT SiteWise GET API, atau konsol Lookout for Equipment. Anda juga dapat membuat alarm menggunakan detektor alarm dari model aset untuk mengingatkan Anda tentang perilaku peralatan yang tidak normal.
**Topics**
+ [Tambahkan definisi prediksi (konsol)](#ad-add-prediction-definition-console)
+ [Latih prediksi (konsol)](#ad-train-prediction-console)
+ [Memulai atau menghentikan inferensi pada prediksi (konsol)](#ad-start-stop-inference-console)
+ [Tambahkan definisi prediksi (CLI)](#ad-add-prediction-definition-cli)
+ [Latih prediksi dan inferensi awal (CLI)](#ad-train-inference-prediction-cli)
+ [Melatih prediksi (CLI)](#ad-train-prediction-cli)
+ [Memulai atau menghentikan inferensi pada prediksi (CLI)](#ad-start-stop-inference-cli)
## Tambahkan definisi prediksi (konsol)
Untuk mulai mengirim data yang dikumpulkan oleh AWS IoT SiteWise Lookout for Equipment, Anda harus menambahkan definisi prediksi ke model AWS IoT SiteWise aset.
**Untuk menambahkan definisi prediksi ke model AWS IoT SiteWise aset**
1. Navigasikan ke [konsol AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/) tersebut.
1. Di panel navigasi, pilih **Model** dan pilih model aset yang ingin Anda tambahkan definisi prediksi.
1. Pilih **Prediksi.**
1. Pilih **Tambahkan definisi prediksi**.
1. Tentukan detail tentang definisi prediksi.
1. Masukkan **Nama** unik dan **Deskripsi** untuk definisi prediksi Anda. Pilih nama dengan serius karena setelah Anda membuat definisi prediksi, Anda tidak dapat mengubah namanya.
1. Buat atau pilih **peran izin IAM** yang memungkinkan Anda membagikan data aset Anda AWS IoT SiteWise dengan Amazon Lookout for Equipment. Peran tersebut harus memiliki IAM dan kebijakan kepercayaan berikut. Untuk bantuan membuat peran, lihat [Membuat peran menggunakan kebijakan kepercayaan khusus (konsol)](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_create_for-custom.html).
**Kebijakan 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"
}
]
}
```
------
**Kebijakan kepercayaan**
------
#### [ 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. Pilih **Berikutnya**.
1. Pilih atribut data (pengukuran, transformasi, dan metrik) yang ingin Anda kirim ke Lookout for Equipment.
1. (Opsional) Pilih pengukuran.
1. (Opsional) Pilih transformasi.
1. (Opsional) Pilih metrik.
1. Pilih **Berikutnya**.
1. Tinjau pilihan Anda. Untuk menambahkan definisi prediksi ke model aset, pada halaman ringkasan, pilih **Tambahkan definisi prediksi.**
Anda juga dapat **Mengedit** atau **Menghapus** definisi prediksi yang ada yang memiliki prediksi aktif yang dilampirkan.
## Latih prediksi (konsol)
Setelah Anda menambahkan definisi prediksi ke model aset, Anda dapat melatih prediksi yang ada di aset Anda.
**Untuk melatih prediksi di AWS IoT SiteWise**
1. Navigasikan ke [konsol AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/) tersebut.
1. Di panel navigasi, pilih **Aset**, dan pilih aset yang ingin dipantau.
1. Pilih **Prediksi.**
1. Pilih prediksi yang ingin Anda latih.
1. Di bawah **Tindakan**, pilih **Mulai pelatihan**, dan lakukan hal berikut:
1. Di bawah **Detail Prediksi**, pilih peran izin IAM yang memungkinkan AWS IoT SiteWise untuk berbagi data aset Anda dengan Lookout for Equipment. Jika Anda perlu membuat peran baru, pilih **Buat peran baru**.
1. Untuk **pengaturan data Pelatihan**, masukkan **rentang waktu data Pelatihan** untuk memilih data mana yang akan digunakan untuk melatih prediksi.
1. (Opsional) Pilih laju pengambilan sampel data setelah pemrosesan pasca.
1. (Opsional) Untuk **label Data**, berikan bucket dan awalan Amazon S3 yang menyimpan data pelabelan Anda. Untuk informasi selengkapnya tentang pelabelan data, lihat [Pelabelan data Anda di Panduan Pengguna](https://docs.aws.amazon.com/lookout-for-equipment/latest/ug/labeling-data.html) *Amazon Lookout for Equipment*.
1. Pilih **Berikutnya**.
1. (Opsional) Jika Anda ingin prediksi aktif segera setelah menyelesaikan pelatihan, di bawah **Pengaturan lanjutan**, pilih **Aktifkan prediksi secara otomatis setelah pelatihan**, lalu lakukan hal berikut:
1. Di bawah **Input data**, untuk **frekuensi upload Data**, tentukan seberapa sering data diunggah, dan untuk **waktu tunda Offset**, tentukan berapa banyak buffer yang akan digunakan.
1. Pilih **Berikutnya**.
1. Tinjau detail prediksi dan pilih **Simpan dan mulai**.
## Memulai atau menghentikan inferensi pada prediksi (konsol)
**catatan**
Biaya Lookout for Equipment berlaku untuk kesimpulan terjadwal dengan data yang ditransfer antara dan AWS IoT SiteWise Lookout for Equipment. Untuk informasi selengkapnya, lihat [harga Amazon Lookout](https://aws.amazon.com/lookout-for-equipment/pricing/) for Equipment.
Jika Anda menambahkan prediksi`lookoutequipment:CreateDataset`, tetapi tidak memilih untuk mengaktifkannya setelah pelatihan, Anda harus mengaktifkannya untuk mulai memantau aset Anda.
**Untuk memulai inferensi untuk prediksi**
1. Navigasikan ke [konsol AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/) tersebut.
1. Di panel navigasi, pilih **Aset**, dan pilih aset tempat prediksi ditambahkan.
1. Pilih **Prediksi.**
1. Pilih prediksi yang ingin Anda aktifkan.
1. Di bawah **Tindakan**, pilih **Mulai inferensi**, dan lakukan hal berikut:
1. Di bawah **Input data**, untuk **frekuensi upload Data**, tentukan seberapa sering data diunggah, dan untuk **waktu tunda Offset**, tentukan berapa banyak buffer yang akan digunakan.
1. Pilih **Simpan dan mulai**.
**Untuk menghentikan inferensi untuk prediksi**
1. Navigasikan ke [konsol AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/) tersebut.
1. Di panel navigasi, pilih **Aset**, dan pilih aset tempat prediksi ditambahkan.
1. Pilih **Prediksi.**
1. Pilih prediksi yang ingin Anda hentikan.
1. Di bawah **Tindakan**, pilih **Hentikan inferensi**.
## Tambahkan definisi prediksi (CLI)
Untuk menentukan definisi prediksi pada model aset baru atau yang sudah ada, Anda dapat menggunakan AWS Command Line Interface (AWS CLI). Setelah Anda menentukan definisi prediksi pada model aset, Anda melatih, dan menjadwalkan inferensi untuk, prediksi pada aset AWS IoT SiteWise untuk melakukan deteksi anomali dengan Lookout for Equipment.
**Prasyarat**
Untuk menyelesaikan langkah-langkah ini, Anda harus memiliki model aset dan setidaknya satu aset yang dibuat. Untuk informasi selengkapnya, lihat [Buat model aset (AWS CLI)](create-asset-models.md#create-asset-model-cli) dan [Buat aset (AWS CLI)](create-assets.md#create-asset-cli).
Jika Anda baru AWS IoT SiteWise, Anda harus memanggil operasi `CreateBulkImportJob` API untuk mengimpor nilai properti aset ke dalam AWS IoT SiteWise, yang akan digunakan untuk melatih model. Untuk informasi selengkapnya, lihat [Buat pekerjaan impor AWS IoT SiteWise massal (AWS CLI)](CreateBulkImportJob.md).
**Untuk menambahkan definisi prediksi**
1. Buat file bernama `asset-model-payload.json`. Ikuti langkah-langkah di bagian lain ini untuk menambahkan detail model aset Anda ke file, tetapi jangan kirimkan permintaan untuk membuat atau memperbarui model aset.
+ Untuk informasi selengkapnya tentang cara membuat model aset, lihat [Buat model aset (AWS CLI)](create-asset-models.md#create-asset-model-cli)
+ Untuk informasi selengkapnya tentang cara memperbarui model aset yang ada, lihat [Memperbarui model aset, model komponen, atau antarmuka (AWS CLI)](update-asset-models.md#update-asset-model-cli)
1. Tambahkan Lookout for Equipment composite model `assetModelCompositeModels` () ke model aset dengan menambahkan kode berikut.
+ Ganti `Property` dengan ID properti yang ingin Anda sertakan. Untuk mendapatkannya IDs, hubungi [https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAssetModel.html](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAssetModel.html).
+ Ganti `RoleARN` dengan ARN dari peran IAM yang memungkinkan Lookout for Equipment mengakses data Anda. AWS IoT SiteWise
```
{
...
"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. Buat model aset atau perbarui model aset yang ada. Lakukan salah satu tindakan berikut:
+ Untuk membuat model aset, jalankan perintah berikut:
```
aws iotsitewise create-asset-model --cli-input-json file://asset-model-payload.json
```
+ Untuk memperbarui model aset yang ada, jalankan perintah berikut. Ganti `asset-model-id` dengan ID model aset yang ingin Anda perbarui.
```
aws iotsitewise update-asset-model \
--asset-model-id asset-model-id \
--cli-input-json file://asset-model-payload.json
```
Setelah Anda menjalankan perintah, perhatikan `assetModelId` dalam respons.
## Latih prediksi dan inferensi awal (CLI)
Sekarang setelah definisi prediksi ditentukan, Anda dapat melatih aset berdasarkan itu dan memulai inferensi. Jika Anda ingin melatih prediksi Anda tetapi tidak memulai inferensi, lompat ke. [Melatih prediksi (CLI)](#ad-train-prediction-cli) Untuk melatih prediksi dan memulai inferensi pada aset, Anda memerlukan sumber `assetId` daya target.
**Untuk melatih dan memulai inferensi prediksi**
1. Jalankan perintah berikut untuk menemukan bagian `assetModelCompositeModelId` bawah`assetModelCompositeModelSummaries`. Ganti *`asset-model-id`* dengan ID model aset yang Anda buat[Memperbarui model aset, model komponen, atau antarmuka (AWS CLI)](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Jalankan perintah berikut untuk menemukan `TrainingWithInference` tindakan. `actionDefinitionId` Ganti *`asset-model-id`* dengan ID yang digunakan pada langkah sebelumnya dan ganti *`asset-model-composite-model-id`* dengan ID yang dikembalikan pada langkah sebelumnya.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Buat file bernama `train-start-inference-prediction.json` dan tambahkan kode berikut, ganti yang berikut ini:
+ `asset-id`dengan ID aset target
+ `action-definition-id`dengan ID TrainingWithInference tindakan
+ `StartTime`dengan dimulainya data pelatihan, disediakan dalam hitungan detik
+ `EndTime`dengan berakhirnya data pelatihan, disediakan dalam hitungan detik
+ `TargetSamplingRate`dengan laju pengambilan sampel data setelah pemrosesan pasca oleh Lookout for Equipment. Nilai yang diizinkan adalah:`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. Jalankan perintah berikut untuk memulai pelatihan dan inferensi:
```
aws iotsitewise execute-action --cli-input-json file://train-start-inference-prediction.json
```
## Melatih prediksi (CLI)
Sekarang setelah definisi prediksi ditentukan, Anda dapat melatih aset berdasarkan itu. Untuk melatih prediksi aset, Anda memerlukan sumber daya target. `assetId`
**Untuk melatih prediksi**
1. Jalankan perintah berikut untuk menemukan bagian `assetModelCompositeModelId` bawah`assetModelCompositeModelSummaries`. Ganti *`asset-model-id`* dengan ID model aset yang Anda buat[Memperbarui model aset, model komponen, atau antarmuka (AWS CLI)](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Jalankan perintah berikut untuk menemukan `Training` tindakan. `actionDefinitionId` Ganti *`asset-model-id`* dengan ID yang digunakan pada langkah sebelumnya dan ganti *`asset-model-composite-model-id`* dengan ID yang dikembalikan pada langkah sebelumnya.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Buat file bernama `train-prediction.json` dan tambahkan kode berikut, ganti yang berikut ini:
+ `asset-id`dengan ID aset target
+ `action-definition-id`dengan ID tindakan pelatihan
+ `StartTime`dengan dimulainya data pelatihan, disediakan dalam hitungan detik
+ `EndTime`dengan berakhirnya data pelatihan, disediakan dalam hitungan detik
+ (Opsional) `BucketName` dengan nama bucket Amazon S3 yang menyimpan data label Anda
+ (Opsional) `Prefix` dengan awalan yang terkait dengan bucket Amazon S3.
+ `TargetSamplingRate`dengan laju pengambilan sampel data setelah pemrosesan pasca oleh Lookout for Equipment. Nilai yang diizinkan adalah:`PT1S | PT5S | PT10S | PT15S | PT30S | PT1M | PT5M | PT10M | PT15M | PT30M | PT1H`.
**catatan**
Sertakan nama bucket dan awalan atau keduanya.
```
{
"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. Jalankan perintah berikut untuk memulai pelatihan:
```
aws iotsitewise execute-action --cli-input-json file://train-prediction.json
```
Sebelum Anda dapat memulai inferensi, pelatihan harus diselesaikan. Untuk memeriksa status pelatihan, lakukan salah satu hal berikut:
+ Dari konsol, arahkan ke aset tempat prediksi aktif.
+ Dari AWS CLI, hubungi `BatchGetAssetPropertyValue` menggunakan `trainingStatus` properti. `propertyId`
## Memulai atau menghentikan inferensi pada prediksi (CLI)
Setelah prediksi dilatih, Anda dapat memulai inferensi untuk memberi tahu Lookout for Equipment untuk mulai memantau aset Anda. Untuk memulai atau menghentikan inferensi, Anda memerlukan `assetId` sumber daya target.
**Untuk memulai inferensi**
1. Jalankan perintah berikut untuk menemukan bagian `assetModelCompositeModelId` bawah`assetModelCompositeModelSummaries`. Ganti *`asset-model-id`* dengan ID model aset yang Anda buat[Memperbarui model aset, model komponen, atau antarmuka (AWS CLI)](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Jalankan perintah berikut untuk menemukan `Inference` tindakan. `actionDefinitionId` Ganti *`asset-model-id`* dengan ID yang digunakan pada langkah sebelumnya dan ganti *`asset-model-composite-model-id`* dengan ID yang dikembalikan pada langkah sebelumnya.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Buat file bernama `start-inference.json` dan tambahkan kode berikut, ganti yang berikut ini:
+ `asset-id`dengan ID aset target
+ `action-definition-id`dengan ID tindakan inferensi awal
+ `Offset`dengan jumlah buffer yang akan digunakan
+ `Frequency`dengan seberapa sering data diunggah
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4EInference\": {\"inferenceMode\":\"START\",\"dataDelayOffsetInMinutes\": Offset, \"dataUploadFrequency\": \"Frequency\"}}"
}}
```
1. Jalankan perintah berikut untuk memulai inferensi:
```
aws iotsitewise execute-action --cli-input-json file://start-inference.json
```
**Untuk menghentikan inferensi**
1. Jalankan perintah berikut untuk menemukan bagian `assetModelCompositeModelId` bawah`assetModelCompositeModelSummaries`. Ganti *`asset-model-id`* dengan ID model aset yang Anda buat[Memperbarui model aset, model komponen, atau antarmuka (AWS CLI)](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Jalankan perintah berikut untuk menemukan `Inference` tindakan. `actionDefinitionId` Ganti *`asset-model-id`* dengan ID yang digunakan pada langkah sebelumnya dan ganti *`asset-model-composite-model-id`* dengan ID yang dikembalikan pada langkah sebelumnya.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Buat file bernama `stop-inference.json` dan tambahkan kode berikut, ganti yang berikut ini:
+ `asset-id`dengan ID aset target
+ `action-definition-id`dengan ID tindakan inferensi awal
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4EInference\":{\"inferenceMode\":\"STOP\"}}"
}}
```
1. Jalankan perintah berikut untuk menghentikan inferensi:
```
aws iotsitewise execute-action --cli-input-json file://stop-inference.json
```