Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Configurazioni di inferenza avanzate AWS IoT SiteWise consente ai clienti di configurare piani di inferenza dei modelli personalizzati in base alle loro esigenze operative. La pianificazione delle inferenze è generalmente suddivisa in tre modalità: + [Inferenza ad alta frequenza (5 minuti — 1 ora)](#high-frequency-inferencing) + [Inferenza a bassa frequenza (2 ore — 1 giorno)](#low-frequency-inferencing) + [Pianificazione flessibile](#flexible-scheduling) ## Inferenza ad alta frequenza (5 minuti — 1 ora) Questa modalità è ideale per processi che funzionano in modo continuo o presentano un'elevata velocità di variazione dei valori dei sensori. In questa configurazione, l'inferenza viene eseguita con una frequenza pari a ogni 5 minuti. **Casi d'uso:** + Viene utilizzato per monitorare apparecchiature in rapida evoluzione come compressori o trasportatori. + È utile per rilevare anomalie di breve durata che richiedono una risposta immediata. + È un'operazione sempre attiva in cui i dati fluiscono costantemente. **Supporto offset condizionale:** È possibile definire un **offset condizionale** (0-60 minuti) per ritardare l'inferenza dopo l'ingestione dei dati. Ciò garantisce che i dati in arrivo in ritardo siano ancora inclusi nella finestra di analisi. Per configurare l'inferenza ad alta frequenza: + Configura il valore del payload dell'`AWS/ANOMALY_DETECTION_INFERENCE`azione con `DataUploadFrequency` with values: `PT5M, PT10M, PT15M, PT30M, PT1H` durante l'avvio dell'inferenza. + (Facoltativo) Configura `DataDelayOffsetInMinutes` con l'offset del ritardo in minuti. Imposta questo valore tra 0 e 60 minuti. ``` { "inferenceMode": "START", "dataDelayOffsetInMinutes": "DataDelayOffsetInMinutes", "dataUploadFrequency": "DataUploadFrequency" } ``` **Example della configurazione di inferenza ad alta frequenza:** ``` { "inferenceMode": "START", "dataDelayOffsetInMinutes": "2", "dataUploadFrequency": "PT5M" } ``` ## Inferenza a bassa frequenza (2 ore — 1 giorno) Questa modalità è adatta per processi più lenti o casi d'uso in cui le valutazioni giornaliere sono sufficienti. I clienti configurano l'inferenza in modo che venga eseguita ogni ora o una volta al giorno. **Supporto per l'ora di inizio per un intervallo di 1 giorno:** Per l'inferenza giornaliera, specifica facoltativamente un **`startTime`**(8:00 ogni giorno), insieme alla consapevolezza del fuso orario. **Supporto per il fuso orario:** Quando `startTime` viene fornito un, AWS IoT SiteWise utilizza il [database dei fusi orari](https://www.iana.org/time-zones), gestito dalla Internet Assigned Numbers Authority (IANA). Ciò garantisce che l'inferenza sia in linea con l'orario di lavoro locale anche in tutte le regioni. **Supporto offset condizionale:** Come con altre modalità, è configurato un offset condizionale compreso tra 0 e 60 minuti. **Casi d'uso:** + Controlli sanitari giornalieri per processi in batch o operazioni basate su turni. + Evita l'inferenza durante la manutenzione o i tempi di inattività. + È utile in ambienti con risorse limitate, in cui l'utilizzo dell'elaborazione deve essere ridotto al minimo. Per configurare l'inferenza a bassa frequenza: + Configura il valore del payload dell'`AWS/ANOMALY_DETECTION_INFERENCE`azione con `DataUploadFrequency` with values:. `PT2H..PT12H` + Nel caso di 1 giorno, `DataUploadFrequency` è`P1D`. + (Facoltativo) Configura `DataDelayOffsetInMinutes` con l'offset del ritardo in minuti. Imposta questo valore tra 0 e 60 minuti. **Example della configurazione di inferenza a bassa frequenza:** ``` { "inferenceMode": "START", "dataUploadFrequency": "P1D", "inferenceStartTime": "13:00", "inferenceTimeZone": "America/Chicago" } ``` ## Pianificazione flessibile La pianificazione flessibile consente ai clienti di definire **giorni e intervalli di tempo specifici**, durante i quali viene eseguita l'inferenza. Ciò offre ai clienti il controllo completo sulla pianificazione in base alle ore di produzione, agli orari dei turni e ai tempi di inattività pianificati. Aiuta `weeklyOperatingWindow` quando: + L'apparecchiatura funziona solo in orari specifici (dalle 8:00 alle 16:00). + Non c'è produzione nei fine settimana. + La manutenzione giornaliera è programmata durante le fasce orarie note. **Supporto per il fuso orario:** Quando `startTime` viene fornito un, AWS IoT SiteWise utilizza il [database dei fusi orari](https://www.iana.org/time-zones), gestito dalla Internet Assigned Numbers Authority (IANA). Ciò garantisce che l'inferenza sia in linea con l'orario di lavoro locale anche tra le regioni. **Supporto offset condizionale:** Come con altre modalità, è possibile configurare un offset condizionale compreso tra 0 e 60 minuti. Vantaggi di: `weeklyOperatingWindow` + Evita l'inferenza durante i periodi di inattività o di manutenzione, riducendo i falsi positivi. + Allinea il rilevamento delle anomalie alle priorità operative e ai flussi di lavoro basati su turni. Per configurare una pianificazione flessibile: + Configura il valore del payload dell'`AWS/ANOMALY_DETECTION_INFERENCE`azione con. `DataUploadFrequency` + (Facoltativo) `DataDelayOffsetInMinutes` con la compensazione del ritardo in minuti. Imposta questo valore tra 0 e 60 minuti. + Configura `weeklyOperatingWindow` con una configurazione a turni: + Le chiavi per `weeklyOperatingWindow` sono i giorni della settimana:`monday|tuesday|wednesday|thursday|friday|saturday|sunday`. + Ogni intervallo di tempo deve essere nel **formato di 24 ore** come `"HH:MM-HH:MM"` (`"08:00-16:00"`). + È possibile specificare più intervalli al giorno. **Example di configurazione di pianificazione flessibile:** ``` { "inferenceMode": "START", "dataUploadFrequency": "PT5M", "weeklyOperatingWindow": { "tuesday": ["11:00-13:00"], "monday": ["10:00-11:00", "13:00-15:00"] } } ``` ## attivazione della versione del modello Quando si avvia l'inferenza, è possibile attivare facoltativamente una versione specifica del modello da utilizzare per il rilevamento delle anomalie. Questa funzionalità consente di selezionare una particolare versione del modello addestrato, ripristinare le versioni precedenti o ignorare le decisioni automatiche di promozione del modello. ### Casi d'uso: + **Ripristino della produzione**: ripristina rapidamente una versione stabile del modello quando la versione corrente mostra prestazioni ridotte o un comportamento imprevisto. + **Test A/B**: confronta le prestazioni tra diverse versioni del modello passando da una all'altra durante periodi di tempo controllati. + **Selezione manuale del modello**: sostituisci le decisioni automatiche di promozione e seleziona manualmente la versione del modello preferita in base ai requisiti aziendali. + **Distribuzione graduale**: prova le versioni più recenti del modello in finestre temporali non critiche prima di promuoverle al pieno utilizzo in produzione. + **Ottimizzazione delle prestazioni**: seleziona le versioni del modello che offrono prestazioni migliori per condizioni operative specifiche o modelli stagionali. + **Ripristino durante la manutenzione**: utilizza versioni del modello precedenti e ben collaudate durante la manutenzione del sistema o gli aggiornamenti per garantire la stabilità. ### Comportamento di selezione della versione del modello Quando `targetModelVersion` è specificato: + Il sistema attiva la versione del modello richiesta per l'inferenza. + Verifica l'esistenza della versione del modello specificata. + Sostituisce qualsiasi impostazione di promozione automatica. Quando non `targetModelVersion` è specificato: + Attiva l'ultima versione attiva del modello se l'inferenza è stata precedentemente avviata. + Se l'inferenza non è mai stata attivata, utilizza l'ultima versione del modello addestrato. Per attivare una versione specifica del modello: + Configura il payload dell'azione di inferenza, targetModelVersion impostandolo sul numero di versione del modello desiderato. + La versione del modello specificata viene convalidata e attivata, se esiste. **Example dell'attivazione della versione del modello:** ``` { "inferenceMode": "START", "dataUploadFrequency": "PT15M", "targetModelVersion": 2 } ``` ## Verifica delle versioni del modello Per verificare la versione del modello attualmente attiva: + Utilizza l'[ DescribeComputationModelExecutionSummary](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeComputationModelExecutionSummary.html)API, che include la versione attiva del modello nella risposta. Per visualizzare tutte le versioni del modello disponibili: + Utilizza l'[ ListExecutions](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_ListExecutions.html)API per recuperare un elenco completo delle versioni storiche del modello. + Utilizza l'[ DescribeExecution](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeExecution.html)API per recuperare le informazioni del modello addestrato, tra cui l'intervallo di tempo dei dati di esportazione, la versione del modello di calcolo e la durata fatturabile in minuti. ### Caratteristiche della versione del modello + I numeri di versione del modello vengono assegnati in sequenza a partire da 1. + È possibile attivare qualsiasi versione del modello precedentemente addestrata. + La versione del modello attivata persiste fino a quando non viene modificata esplicitamente. + L'attivazione della versione del modello funziona con tutte le modalità di pianificazione dell'inferenza (alta frequenza, bassa frequenza e flessibile). + Se la versione del modello specificata non esiste, l'azione di inferenza fallisce e restituisce un errore.