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.
# Interagisci con altri AWS servizi
AWS IoT SiteWise può pubblicare i dati degli asset sul broker di messaggi di pubblicazione e sottoscrizione AWS IoT MQTT, in modo da poter interagire con i dati degli asset provenienti da altri servizi. AWS AWS IoT SiteWise assegna a ciascuna proprietà degli asset un argomento MQTT univoco che potete utilizzare per indirizzare i dati degli asset ad altri AWS servizi utilizzando le regole di base. AWS IoT Ad esempio, puoi configurare le regole di AWS IoT base per eseguire le seguenti attività:
+ Identificare un guasto nell'apparecchiatura e informare il personale appropriato, inviando i dati ad [AWS IoT Events](https://docs.aws.amazon.com/iotevents/latest/developerguide/).
+ Storicizza determinati dati di asset per utilizzarli in soluzioni software esterne inviando dati ad [Amazon DynamoDB](https://docs.aws.amazon.com/dynamodb/).
+ Generare rapporti settimanali, attivando una funzione [AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/).
Puoi seguire un tutorial che illustra i passaggi necessari per configurare una regola che memorizza i valori delle proprietà in DynamoDB. Per ulteriori informazioni, consulta [Pubblica aggiornamenti dei valori delle proprietà su Amazon DynamoDB](publish-to-amazon-dynamodb.md).
Per ulteriori informazioni su come configurare una regola, consulta [Rules](https://docs.aws.amazon.com/iot/latest/developerguide/iot-rules.html) nella *AWS IoT Developer* Guide.
Puoi anche riutilizzare i dati di altri AWS servizi in AWS IoT SiteWise. Per importare dati tramite l'azione della AWS IoT SiteWise regola, vedere[Inserisci dati per AWS IoT SiteWise utilizzare le regole AWS IoT Core](iot-rules.md).
**Topics**
+ [Comprendi le proprietà degli asset negli argomenti MQTT](mqtt-topics.md)
+ [Attiva le notifiche sulle proprietà degli asset in AWS IoT SiteWise](property-notifications.md)
+ [Interroga le notifiche relative alle proprietà degli asset in AWS IoT SiteWise](query-notification-messages.md)
+ [Esporta i dati su Amazon S3 con notifiche sulle proprietà degli asset](export-to-s3.md)
+ [Integrazione AWS IoT SiteWise con Grafana](grafana-integration.md)
+ [Integrazione AWS IoT SiteWise e AWS IoT TwinMaker](integrate-tm.md)
+ [Rileva le anomalie con Lookout for Equipment](anomaly-detection.md)
# Comprendi le proprietà degli asset negli argomenti MQTT
A ogni proprietà di asset è assegnato un percorso di argomento MQTT univoco nel formato seguente.
```
$aws/sitewise/asset-models/assetModelId/assets/assetId/properties/propertyId
```
**Nota**
AWS IoT SiteWise non supporta il carattere jolly del filtro degli argomenti `#` (a più livelli) nel motore di regole AWS IoT Core. È invece possibile utilizzare il carattere jolly `+` (a livello singolo). Puoi, ad esempio, avvalerti del filtro di argomenti che segue per recuperare tutti gli aggiornamenti relativi a un particolare modello di asset.
```
$aws/sitewise/asset-models/assetModelId/assets/+/properties/+
```
Per ulteriori informazioni sui caratteri jolly dei filtri per argomenti, consulta [gli argomenti nella Guida AWS IoT](https://docs.aws.amazon.com/iot/latest/developerguide/topics.html) *principale* per gli sviluppatori.
# Attiva le notifiche sulle proprietà degli asset in AWS IoT SiteWise
È possibile abilitare le notifiche sulle proprietà su cui pubblicare AWS IoT Core gli aggiornamenti dei dati degli asset e quindi eseguire query sui dati. Con le notifiche sulle proprietà degli asset, AWS IoT SiteWise fornisce un CloudFormation modello che puoi utilizzare per esportare AWS IoT SiteWise i dati in Amazon S3.
**Nota**
I dati degli asset vengono inviati AWS IoT Core ogni volta che vengono ricevuti da AWS IoT SiteWise, indipendentemente dal fatto che il valore sia cambiato.
**Topics**
+ [Attiva le notifiche sulle proprietà degli asset (console)](#enable-property-notifications-console)
+ [Attiva le notifiche sulle proprietà degli asset ()AWS CLI](#enable-property-notifications-cli)
## Attiva le notifiche sulle proprietà degli asset (console)
Per impostazione predefinita, AWS IoT SiteWise non pubblica gli aggiornamenti dei valori delle proprietà. Puoi utilizzare la AWS IoT SiteWise console per abilitare le notifiche per una proprietà della risorsa.
**Per abilitare o disabilitare le notifiche per una proprietà di asset (console)**
1. Passare alla [console AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/).
1. Nel riquadro di navigazione, scegli **Asset**.
1. Scegli l'asset per abilitare le notifiche di una proprietà.
**Suggerimento**
Puoi scegliere l'icona a forma di freccia per espandere una gerarchia di asset e trovare il tuo asset.
1. Scegli **Modifica**.
1. Per lo **stato di notifica** della proprietà di asset scegli **ABILITATO**.
![\[AWS IoT SiteWise Schermata della pagina «Modifica risorsa» con «Stato della notifica» evidenziato.\]](http://docs.aws.amazon.com/it_it/iot-sitewise/latest/userguide/images/sitewise-enable-property-notifications-console.png)
Puoi inoltre scegliere **DISABILITATO** per disabilitare le notifiche per la proprietà di asset.
1. Scegli **Save** (Salva).
## Attiva le notifiche sulle proprietà degli asset ()AWS CLI
Per impostazione predefinita, AWS IoT SiteWise non pubblica gli aggiornamenti dei valori delle proprietà. È possibile utilizzare AWS Command Line Interface (AWS CLI) per abilitare o disabilitare le notifiche per una proprietà di un asset.
Per completare questa procedura, è necessario conoscere l'elemento `assetId` dell'asset e l'elemento `propertyId` della proprietà. Puoi anche usare l'ID esterno. Se hai creato una risorsa e non la conosci`assetId`, utilizza l'[ListAssets](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_ListAssets.html)API per elencare tutte le risorse per un modello specifico. Utilizzate l'[DescribeAsset](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAsset.html)operazione per visualizzare le proprietà della risorsa, inclusa la proprietà IDs.
Utilizzate l'[UpdateAssetProperty](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_UpdateAssetProperty.html)operazione per abilitare o disabilitare le notifiche per la proprietà di una risorsa. Specifica i seguenti parametri:
+ `assetId`— L'ID della risorsa.
+ `propertyId`— L'ID della proprietà dell'asset.
+ `propertyNotificationState`— Lo stato di notifica del valore della proprietà: `ENABLED` o`DISABLED`.
+ `propertyAlias`— L'alias della proprietà. Specificare l'alias esistente della proprietà quando si aggiorna lo stato di notifica. Se si omette questo parametro, l'alias esistente della proprietà viene rimosso.
**Per abilitare o disabilitare le notifiche per una proprietà di asset (CLI)**
1. Esegui il comando seguente per recuperare l'alias della proprietà di asset. Sostituisci *asset-id* con l'ID della risorsa e *property-id* con l'ID della proprietà.
```
aws iotsitewise describe-asset-property \
--asset-id asset-id \
--property-id property-id
```
L'operazione restituisce una risposta contenente i dettagli della proprietà di asset nel formato seguente. L'alias della proprietà si trova in `assetProperty.alias` nell'oggetto 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. Esegui il comando seguente per abilitare le notifiche per la proprietà di asset. *property-alias*Sostituitelo con l'alias della proprietà riportato nella risposta del comando precedente oppure omettete di `--property-alias` aggiornare la proprietà senza un alias.
```
aws iotsitewise update-asset-property \
--asset-id asset-id \
--property-id property-id \
--property-notification-state ENABLED \
--property-alias property-alias
```
Puoi inoltre passare `--property-notification-state DISABLED` per disabilitare le notifiche per la proprietà di asset.
# Interroga le notifiche relative alle proprietà degli asset in AWS IoT SiteWise
Per interrogare le notifiche sulle proprietà degli asset, crea AWS IoT Core regole costituite da istruzioni SQL.
AWS IoT SiteWise pubblica gli aggiornamenti dei dati delle proprietà degli asset su AWS IoT Core nel seguente formato.
```
{
"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
}
}
}
]
}
}
```
Ogni struttura nell'`values`elenco è una struttura timestamp-quality-value (TQV).
+ `timestamp` contiene l'orario UTC (epoca (Unix epoch)) corrente in secondi, con offset in nanosecondi.
+ `quality` contiene una delle seguenti stringhe che indicano la qualità del punto dati:
+ `GOOD`— I dati non sono interessati da alcun problema.
+ `BAD`— I dati sono interessati da un problema come il guasto del sensore.
+ `UNCERTAIN`— I dati sono influenzati da un problema come l'imprecisione del sensore.
+ `value` contiene uno dei seguenti campi, a seconda del tipo di proprietà:
+ `booleanValue`
+ `doubleValue`
+ `integerValue`
+ `stringValue`
+ `nullValue`
`nullValue`— Una struttura con il seguente campo che indica il tipo di valore della proprietà con valore Null e qualità di or. `BAD` `UNCERTAIN`
+ `valueType`— Enumerazione di \$1"B», «D», «S», «I"\$1
Per analizzare i valori al di fuori dell'array `values`, è necessario utilizzare query complesse su oggetti nidificati nelle istruzioni SQL delle regole. Per ulteriori informazioni, consulta le [interrogazioni sugli oggetti annidati](https://docs.aws.amazon.com/iot/latest/developerguide/iot-sql-nested-queries.html) nella *Guida per gli AWS IoT sviluppatori* o consulta il [Pubblica aggiornamenti dei valori delle proprietà su Amazon DynamoDB](publish-to-amazon-dynamodb.md) tutorial per un esempio specifico di analisi dei messaggi di notifica delle proprietà degli asset.
**Example Query di esempio per estrarre l'array dei valori**
Nell'istruzione seguente viene illustrato come eseguire una query sull'array dei valori delle proprietà aggiornati per una proprietà di tipo doppio specifica su tutti gli asset con tale proprietà.
```
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'
```
L'istruzione della query della regola precedente restituisce i dati nel formato seguente.
```
{
"windspeed": [
26.32020195042838,
26.282584572975477,
26.352566977372508,
26.283084346171442,
26.571883739599322,
26.60684140743005,
26.628738636715045,
26.273486932802125,
26.436379105473964,
26.600590095377303
]
}
```
**Example Query di esempio per estrarre un singolo valore**
Nell'istruzione seguente viene illustrato come eseguire una query del primo valore dall'array dei valori delle proprietà per una proprietà di tipo doppio specifica su tutti gli asset con tale proprietà.
```
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'
```
L'istruzione della query della regola precedente restituisce i dati nel formato seguente.
```
{
"windspeed": 26.32020195042838
}
```
**Importante**
Questa istruzione di query regola ignora gli aggiornamenti di valore diversi dal primo in ogni batch. Ogni lotto può contenere fino a 10 valori. Se è necessario includere i valori rimanenti, è necessario impostare una soluzione più complessa per l'output dei valori delle proprietà delle risorse ad altri servizi. Ad esempio, potete impostare una regola con un' AWS Lambda azione per ripubblicare ogni valore dell'array su un altro argomento e impostare un'altra regola per interrogare quell'argomento e pubblicare ogni valore nell'azione della regola desiderata.
# Esporta i dati su Amazon S3 con notifiche sulle proprietà degli asset
Puoi esportare i dati in entrata AWS IoT SiteWise da un bucket Amazon S3 nel tuo account. Puoi eseguire il backup dei dati in un formato che puoi utilizzare per creare report storici o per analizzare i dati con metodi complessi.
Per esportare i dati delle serie temporali da AWS IoT SiteWise, abilita la funzionalità cold tier per archiviare i dati in un bucket Amazon S3. Per ulteriori dettagli, consulta [Gestire l'archiviazione dei dati in AWS IoT SiteWise](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/manage-data-storage.html).
Per esportare modelli di asset e metadati di asset da AWS IoT SiteWise, utilizza la funzionalità di operazioni in blocco per esportare i metadati in un bucket Amazon S3. Per ulteriori dettagli, consulta [Operazioni in blocco con risorse](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/bulk-operations-assets-and-models.html) e modelli.
# Integrazione AWS IoT SiteWise con Grafana
Grafana è una piattaforma di visualizzazione dei dati utilizzata per visualizzare e monitorare i dati nei dashboard. Nella versione 10.4.0 e successive di Grafana, utilizza il AWS IoT SiteWise plug-in per visualizzare i AWS IoT SiteWise dati delle risorse nelle dashboard Grafana. Gli utenti possono visualizzare i dati da più AWS fonti (come AWS IoT SiteWise Amazon Timestream CloudWatch e Amazon) e altre fonti di dati con un'unica dashboard Grafana.
Hai due opzioni per utilizzare il plugin: AWS IoT SiteWise
+ **Server Grafana locali**
Puoi configurare il AWS IoT SiteWise plugin su un server Grafana che gestisci. Per ulteriori informazioni su come aggiungere e utilizzare il plug-in, consulta il file [README di AWS IoT SiteWise Datasource](https://github.com/grafana/iot-sitewise-datasource/blob/main/src/README.md) sul sito Web. GitHub
+ **AWS Managed Service for Grafana**
Puoi utilizzare il AWS IoT SiteWise plug-in nel AWS Managed Service for Grafana (AMG). AMG gestisce i server Grafana per te in modo che tu possa visualizzare i tuoi dati senza dover creare, impacchettare o implementare alcun hardware o altra infrastruttura Grafana. Per ulteriori informazioni, consulta i seguenti argomenti nella *AWS Managed Service for Grafana User* Guide:
+ [Cos'è Amazon Managed Service for Grafana (AMG)?](https://docs.aws.amazon.com/grafana/latest/userguide/what-is-Amazon-Managed-Service-Grafana.html)
+ [Utilizzo della fonte di AWS IoT SiteWise dati](https://docs.aws.amazon.com/grafana/latest/userguide/using-iotsitewise-in-AMG.html)
**Example Esempio di dashboard Grafana**
[La seguente dashboard Grafana visualizza il parco eolico dimostrativo.](getting-started-demo.md) Puoi accedere a questa dashboard demo sul sito web di [Grafana Play](https://play.grafana.org/d/avzwehmz/demo-wind-farm?orgId=1).
![\[Un esempio di dashboard Grafana che visualizza il parco eolico dimostrativo AWS IoT SiteWise .\]](http://docs.aws.amazon.com/it_it/iot-sitewise/latest/userguide/images/grafana-dashboard-example.png)
# Integrazione AWS IoT SiteWise e AWS IoT TwinMaker
L' AWS IoT TwinMaker integrazione con consente l'accesso a funzionalità affidabili AWS IoT SiteWise, come l'`ExecuteQuery`API per il recupero AWS IoT SiteWise dei dati e la ricerca avanzata delle risorse nella console. AWS IoT SiteWise Per integrare i servizi e utilizzare queste funzionalità, devi prima abilitare l'integrazione.
**Topics**
+ [Abilitazione dell'integrazione](#it-enable)
+ [Integrazione e AWS IoT SiteWise AWS IoT TwinMaker](#it-integrate)
## Abilitazione dell'integrazione
Gli amministratori possono utilizzare le policy AWS JSON per specificare chi ha accesso a cosa. In altre parole, quale *entità principale* può eseguire *operazioni* su quali *risorse* e in quali *condizioni*. L'elemento `Action` di una policy JSON descrive le operazioni che è possibile utilizzare per consentire o negare l'accesso in una policy. Per ulteriori informazioni sulle azioni AWS IoT SiteWise supportate, vedere [Azioni definite da AWS IoT SiteWise](https://docs.aws.amazon.com/service-authorization/latest/reference/list_awsiotsitewise.html#awsiotsitewise-actions-as-permissions) nel *Service Authorization* Reference.
*Per ulteriori informazioni sul ruolo AWS IoT TwinMaker collegato al servizio, consulta la sezione [Ruoli collegati ai servizi AWS IoT TwinMaker nella Guida per l'](https://docs.aws.amazon.com/iot-twinmaker/latest/guide/security_iam_service-with-iam.html#security_iam_service-with-iam-roles-service-linked)utente.AWS IoT TwinMaker *
Prima di poter effettuare l'integrazione con AWS IoT SiteWise e AWS IoT TwinMaker, è necessario concedere le seguenti autorizzazioni che consentono l'integrazione con un'area di AWS IoT SiteWise lavoro collegata: AWS IoT TwinMaker
+ `iotsitewise:EnableSiteWiseIntegration`— Consente AWS IoT SiteWise l'integrazione con uno spazio di lavoro collegato AWS IoT TwinMaker . Questa integrazione consente di AWS IoT TwinMaker leggere tutte le informazioni di modellazione AWS IoT SiteWise tramite un ruolo collegato al AWS IoT TwinMaker servizio. Per abilitare questa autorizzazione, aggiungi la seguente policy al tuo ruolo IAM:
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"iotsitewise:EnableSiteWiseIntegration"
],
"Resource": "*"
}
]
}
```
------
## Integrazione e AWS IoT SiteWise AWS IoT TwinMaker
Per integrare AWS IoT SiteWise e AWS IoT TwinMaker, è necessario disporre di quanto segue:
+ AWS IoT SiteWise ruolo collegato al servizio impostato nel tuo account
+ AWS IoT TwinMaker ruolo collegato al servizio impostato nel tuo account
+ AWS IoT TwinMaker spazio di lavoro con ID `IoTSiteWiseDefaultWorkspace` nel tuo account nella regione.
### Da integrare utilizzando la console AWS IoT SiteWise
Quando vedi il AWS IoT TwinMaker banner **Integrazione con** nella console, scegli **Concedi l'autorizzazione**. I prerequisiti vengono creati nel tuo account.
### Da integrare utilizzando il AWS CLI
Per integrarlo AWS IoT SiteWise e AWS IoT TwinMaker utilizzarlo AWS CLI, inserisci i seguenti comandi:
1. Chiama `CreateServiceLinkedRole` con un `AWSServiceName` di`iotsitewise.amazonaws.com`.
```
aws iam create-service-linked-role --aws-service-name iotsitewise.amazonaws.com
```
1. Chiama `CreateServiceLinkedRole` con un `AWSServiceName` di` iottwinmaker.amazonaws.com`.
```
aws iam create-service-linked-role --aws-service-name iottwinmaker.amazonaws.com
```
1. Chiama `CreateWorkspace` con un `ID` di`IoTSiteWiseDefaultWorkspace`.
```
aws iottwinmaker create-workspace --workspace-id IoTSiteWiseDefaultWorkspace
```
# Rileva le anomalie con Lookout for Equipment
**Nota**
Il rilevamento delle anomalie è disponibile solo nelle regioni in cui è disponibile Amazon Lookout for Equipment.
Puoi integrarti AWS IoT SiteWise con Amazon Lookout for Equipment per ottenere informazioni dettagliate sulle tue apparecchiature industriali attraverso il rilevamento delle anomalie e la manutenzione predittiva delle apparecchiature industriali. Lookout for Equipment è un servizio di machine learning (ML) per il monitoraggio delle apparecchiature industriali che rileva il comportamento anomalo delle apparecchiature e identifica potenziali guasti. Con Lookout for Equipment, è possibile implementare programmi di manutenzione predittiva e identificare i processi delle apparecchiature non ottimali. Per ulteriori informazioni su Lookout for Equipment, [consulta Cos'è Amazon Lookout](https://docs.aws.amazon.com/lookout-for-equipment/latest/ug/what-is.html) for Equipment? nella Guida per l'*utente di Amazon Lookout for Equipment*.
Quando crei una previsione per addestrare un modello ML a rilevare il comportamento anomalo delle apparecchiature, AWS IoT SiteWise invia i valori delle proprietà degli asset a Lookout for Equipment per addestrare un modello ML per rilevare il comportamento anomalo delle apparecchiature. Per definire una definizione di previsione su un modello di asset, specifichi i ruoli IAM necessari a Lookout for Equipment per accedere ai tuoi dati e alle proprietà da inviare a Lookout for Equipment e inviare i dati elaborati ad Amazon S3. Per ulteriori informazioni, consulta [Crea modelli di asset in AWS IoT SiteWise](create-asset-models.md).
Per integrare AWS IoT SiteWise e Lookout for Equipment, dovrai eseguire i seguenti passaggi di alto livello:
+ Aggiungi una definizione di previsione su un modello di asset che delinei le proprietà che desideri monitorare. La definizione di previsione è una raccolta riutilizzabile di misurazioni, trasformazioni e metriche utilizzata per creare previsioni sugli asset basati su quel modello di asset.
+ Addestra la previsione in base ai dati storici che fornisci.
+ Pianifica l'inferenza, che indica la AWS IoT SiteWise frequenza con cui eseguire una previsione specifica.
Una volta pianificata l'inferenza, il modello Lookout for Equipment monitora i dati ricevuti dalle apparecchiature e cerca anomalie nel comportamento delle apparecchiature. È possibile visualizzare e analizzare i risultati in SiteWise Monitor, utilizzando le operazioni dell'API AWS IoT SiteWise GET o la console Lookout for Equipment. Puoi anche creare allarmi utilizzando i rilevatori di allarme del modello Asset per avvisarti del comportamento anomalo delle apparecchiature.
**Topics**
+ [Aggiungi una definizione di previsione (console)](#ad-add-prediction-definition-console)
+ [Addestra una previsione (console)](#ad-train-prediction-console)
+ [Avvia o interrompi l'inferenza su una previsione (console)](#ad-start-stop-inference-console)
+ [Aggiungere una definizione di previsione (CLI)](#ad-add-prediction-definition-cli)
+ [Addestra una previsione e un'inferenza iniziale (CLI)](#ad-train-inference-prediction-cli)
+ [Addestra una previsione (CLI)](#ad-train-prediction-cli)
+ [Avvia o interrompi l'inferenza su una previsione (CLI)](#ad-start-stop-inference-cli)
## Aggiungi una definizione di previsione (console)
Per iniziare a inviare i dati raccolti da AWS IoT SiteWise a Lookout for Equipment, è necessario aggiungere AWS IoT SiteWise una definizione di previsione a un modello di asset.
**Per aggiungere una definizione di previsione a un modello di asset AWS IoT SiteWise**
1. Passare alla [console AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/).
1. Nel riquadro di navigazione, scegliete **Modelli** e selezionate il modello di asset a cui desiderate aggiungere la definizione di previsione.
1. Scegliete **Previsioni**.
1. Scegli **Aggiungi definizione di previsione.**
1. Definisci i dettagli sulla definizione della previsione.
1. Inserisci un **nome** e una **descrizione univoci per la definizione** della previsione. Scegli il nome con attenzione perché dopo aver creato la definizione di previsione, non puoi cambiarne il nome.
1. Crea o seleziona un **ruolo di autorizzazione IAM** che AWS IoT SiteWise consenta di condividere i dati delle tue risorse con Amazon Lookout for Equipment. Il ruolo deve avere le seguenti politiche IAM e trust. Per informazioni sulla creazione del ruolo, consulta [Creazione di un ruolo utilizzando politiche di fiducia personalizzate (console)](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_create_for-custom.html).
**Policy IAM**
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "L4EPermissions",
"Effect": "Allow",
"Action": [
"lookoutequipment:CreateDataset",
"lookoutequipment:CreateModel",
"lookoutequipment:CreateInferenceScheduler",
"lookoutequipment:DescribeDataset",
"lookoutequipment:DescribeModel",
"lookoutequipment:DescribeInferenceScheduler",
"lookoutequipment:ListInferenceExecutions",
"lookoutequipment:StartDataIngestionJob",
"lookoutequipment:StartInferenceScheduler",
"lookoutequipment:UpdateInferenceScheduler",
"lookoutequipment:StopInferenceScheduler"
],
"Resource": [
"arn:aws:lookoutequipment:us-east-1:123456789012:inference-scheduler/IoTSiteWise_*",
"arn:aws:lookoutequipment:us-east-1:123456789012:model/IoTSiteWise_*",
"arn:aws:lookoutequipment:us-east-1:123456789012:dataset/IoTSiteWise_*"
]
},
{
"Sid": "L4EPermissions2",
"Effect": "Allow",
"Action": [
"lookoutequipment:DescribeDataIngestionJob"
],
"Resource": "*"
},
{
"Sid": "S3Permissions",
"Effect": "Allow",
"Action": [
"s3:CreateBucket",
"s3:ListBucket",
"s3:PutObject",
"s3:GetObject"
],
"Resource": [
"arn:aws:s3:::iotsitewise-*"
]
},
{
"Sid": "IAMPermissions",
"Effect": "Allow",
"Action": [
"iam:GetRole",
"iam:PassRole"
],
"Resource": "arn:aws:iam::111122223333:role/Role_name"
}
]
}
```
------
**Policy di trust**
------
#### [ 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. Scegli **Next (Successivo)**.
1. Seleziona gli attributi dei dati (misurazioni, trasformazioni e metriche) che desideri inviare a Lookout for Equipment.
1. (Facoltativo) Seleziona le misurazioni.
1. (Facoltativo) Seleziona le trasformazioni.
1. (Facoltativo) Seleziona le metriche.
1. Scegli **Next (Successivo)**.
1. Rivedi le tue selezioni. Per aggiungere la definizione di previsione al modello di asset, nella pagina di riepilogo, scegli **Aggiungi definizione di previsione**.
Puoi anche **modificare** o **eliminare** una definizione di previsione esistente a cui sono allegate previsioni attive.
## Addestra una previsione (console)
Dopo aver aggiunto una definizione di previsione a un modello di asset, puoi addestrare le previsioni relative ai tuoi asset.
**Per addestrare una previsione in AWS IoT SiteWise**
1. Passare alla [console AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/).
1. Nel riquadro di navigazione, scegli **Risorse** e seleziona la risorsa che desideri monitorare.
1. Scegliete **Previsioni.**
1. Seleziona i pronostici che desideri addestrare.
1. In **Azioni**, scegli **Inizia allenamento** ed esegui le seguenti operazioni:
1. In **Dettagli di previsione**, seleziona un ruolo di autorizzazione IAM che AWS IoT SiteWise consenta di condividere i dati degli asset con Lookout for Equipment. Se devi creare un nuovo ruolo, scegli **Crea un** nuovo ruolo.
1. Per **le impostazioni dei dati** di **allenamento, inserisci un intervallo temporale dei dati** di allenamento per selezionare quali dati utilizzare per addestrare la previsione.
1. (Facoltativo) Seleziona la frequenza di campionamento dei dati dopo la post-elaborazione.
1. (Facoltativo) Per **le etichette dati**, fornisci un bucket Amazon S3 e un prefisso che contenga i dati di etichettatura. Per ulteriori informazioni sui dati di etichettatura, consulta [Etichettatura dei dati](https://docs.aws.amazon.com/lookout-for-equipment/latest/ug/labeling-data.html) nella *Amazon Lookout for* Equipment User Guide.
1. Scegli **Next (Successivo)**.
1. (Facoltativo) Se desideri che la previsione sia attiva non appena ha completato l'allenamento, in **Impostazioni avanzate**, seleziona **Attiva automaticamente la previsione dopo l'allenamento**, quindi procedi come segue:
1. In **Dati di input**, per **Frequenza di caricamento dei dati**, definisci la frequenza di caricamento dei dati e per il **tempo di ritardo di Offset**, definisci la quantità di buffer da utilizzare.
1. Scegli **Next (Successivo)**.
1. Controlla i dettagli del pronostico e scegli **Salva** e inizia.
## Avvia o interrompi l'inferenza su una previsione (console)
**Nota**
I costi di Lookout for Equipment si applicano alle inferenze programmate con i dati trasferiti AWS IoT SiteWise tra e Lookout for Equipment. Per ulteriori informazioni, consulta i prezzi di [Amazon Lookout for Equipment](https://aws.amazon.com/lookout-for-equipment/pricing/).
Se hai aggiunto la previsione `lookoutequipment:CreateDataset` ma non hai scelto di attivarla dopo l'allenamento, devi attivarla per iniziare a monitorare le tue risorse.
**Per avviare l'inferenza per una previsione**
1. Passare alla [console AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/).
1. Nel riquadro di navigazione, scegli **Risorse** e seleziona la risorsa a cui viene aggiunta la previsione.
1. Scegliete **Previsioni**.
1. Seleziona le previsioni che desideri attivare.
1. In **Azioni**, scegli **Avvia inferenza** ed esegui le seguenti operazioni:
1. In **Dati di input**, per **Frequenza di caricamento dei dati**, definisci la frequenza di caricamento dei dati e per il **tempo di ritardo di Offset**, definisci la quantità di buffer da utilizzare.
1. Scegli **Salva e inizia.**
**Per interrompere l'inferenza per una previsione**
1. Passare alla [console AWS IoT SiteWise](https://console.aws.amazon.com/iotsitewise/).
1. Nel riquadro di navigazione, scegli **Risorse** e seleziona la risorsa a cui viene aggiunta la previsione.
1. Scegliete **Previsioni**.
1. Seleziona i pronostici che desideri interrompere.
1. In **Azioni**, scegli **Stop inference**.
## Aggiungere una definizione di previsione (CLI)
Per definire una definizione di previsione su un modello di asset nuovo o esistente, puoi utilizzare (). AWS Command Line Interface AWS CLI Dopo aver definito la definizione di previsione sul modello di asset, addestrate e pianificate l'inferenza per una previsione su un asset per eseguire il rilevamento delle anomalie con AWS IoT SiteWise Lookout for Equipment.
**Prerequisiti**
Per completare questi passaggi, è necessario disporre di un modello di asset e creare almeno una risorsa. Per ulteriori informazioni, consultare [Crea un modello di asset (AWS CLI)](create-asset-models.md#create-asset-model-cli) e [Crea una risorsa (AWS CLI)](create-assets.md#create-asset-cli).
Se non lo sapete AWS IoT SiteWise, dovete chiamare l'operazione `CreateBulkImportJob` API per importare i valori delle proprietà dell'asset AWS IoT SiteWise, che verranno utilizzati per addestrare il modello. Per ulteriori informazioni, consulta [Crea un processo di importazione in blocco AWS IoT SiteWise ()AWS CLI](CreateBulkImportJob.md).
**Per aggiungere una definizione di previsione**
1. Crea un file denominato `asset-model-payload.json`. Segui i passaggi descritti in queste altre sezioni per aggiungere i dettagli del tuo modello di asset al file, ma non inviare la richiesta per creare o aggiornare il modello di asset.
+ Per ulteriori informazioni su come creare un modello di asset, consulta [Crea un modello di asset (AWS CLI)](create-asset-models.md#create-asset-model-cli)
+ Per ulteriori informazioni su come aggiornare un modello di asset esistente, consulta [Aggiornate un modello di asset, un modello di componente o un'interfaccia ()AWS CLI](update-asset-models.md#update-asset-model-cli)
1. Aggiungete un modello composito Lookout for Equipment `assetModelCompositeModels` () al modello di asset aggiungendo il codice seguente.
+ Sostituitelo `Property` con l'ID delle proprietà che desiderate includere. Per averli IDs, chiama [https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAssetModel.html](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeAssetModel.html).
+ Sostituiscilo `RoleARN` con l'ARN di un ruolo IAM che consente a Lookout for Equipment di accedere ai tuoi dati. 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. Crea il modello di asset o aggiorna il modello di asset esistente. Esegui una delle seguenti operazioni:
+ Per creare il modello di asset, esegui il seguente comando:
```
aws iotsitewise create-asset-model --cli-input-json file://asset-model-payload.json
```
+ Per aggiornare il modello di asset esistente, esegui il comando seguente. Sostituitelo `asset-model-id` con l'ID del modello di asset che desiderate aggiornare.
```
aws iotsitewise update-asset-model \
--asset-model-id asset-model-id \
--cli-input-json file://asset-model-payload.json
```
Dopo aver eseguito il comando, `assetModelId` annotatelo nella risposta.
## Addestra una previsione e un'inferenza iniziale (CLI)
Ora che la definizione di previsione è stata definita, puoi addestrare gli asset in base ad essa e avviare l'inferenza. Se vuoi addestrare la tua previsione ma non iniziare l'inferenza, passa a. [Addestra una previsione (CLI)](#ad-train-prediction-cli) Per addestrare la previsione e iniziare l'inferenza sulla risorsa, avrai bisogno della `assetId` risorsa di destinazione.
**Per addestrare e avviare l'inferenza della previsione**
1. Esegui il seguente comando per trovare quanto segue`assetModelCompositeModelId`. `assetModelCompositeModelSummaries` *`asset-model-id`*Sostituitelo con l'ID del modello di asset in cui avete creato[Aggiornate un modello di asset, un modello di componente o un'interfaccia ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Eseguite il comando seguente per trovare `actionDefinitionId` l'`TrainingWithInference`azione. Sostituisci *`asset-model-id`* con l'ID utilizzato nel passaggio precedente e sostituisci *`asset-model-composite-model-id`* con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Create un file chiamato `train-start-inference-prediction.json` e aggiungete il codice seguente, sostituendo il seguente:
+ `asset-id`con l'ID della risorsa di destinazione
+ `action-definition-id`con l'ID dell' TrainingWithInference azione
+ `StartTime`con l'inizio dei dati di allenamento, forniti in secondi d'epoca
+ `EndTime`con i dati di fine addestramento, forniti in secondi d'epoca
+ `TargetSamplingRate`con la frequenza di campionamento dei dati dopo la post-elaborazione da parte di Lookout for Equipment. I valori consentiti sono:. `PT1S | PT5S | PT10S | PT15S | PT30S | PT1M | PT5M | PT10M | PT15M | PT30M | PT1H`
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{
"stringValue": "{\"l4ETrainingWithInference\":{\"trainingWithInferenceMode\":\"START\",\"trainingPayload\":{\"exportDataStartTime\":StartTime,\"exportDataEndTime\":EndTime},\"targetSamplingRate\":\"TargetSamplingRate\"},\"inferencePayload\":{\"dataDelayOffsetInMinutes\":0,\"dataUploadFrequency\":\"PT5M\"}}}"
}
}
```
1. Esegui il seguente comando per avviare l'addestramento e l'inferenza:
```
aws iotsitewise execute-action --cli-input-json file://train-start-inference-prediction.json
```
## Addestra una previsione (CLI)
Ora che la definizione di previsione è stata definita, puoi addestrare gli asset in base ad essa. Per addestrare la previsione sull'asset, avrai bisogno della risorsa `assetId` di destinazione.
**Per addestrare la previsione**
1. Esegui il seguente comando per trovare quanto segue`assetModelCompositeModelId`. `assetModelCompositeModelSummaries` *`asset-model-id`*Sostituitelo con l'ID del modello di asset in cui avete creato[Aggiornate un modello di asset, un modello di componente o un'interfaccia ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Eseguite il comando seguente per trovare `actionDefinitionId` l'`Training`azione. Sostituisci *`asset-model-id`* con l'ID utilizzato nel passaggio precedente e sostituisci *`asset-model-composite-model-id`* con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Create un file chiamato `train-prediction.json` e aggiungete il codice seguente, sostituendo il seguente:
+ `asset-id`con l'ID della risorsa di destinazione
+ `action-definition-id`con l'ID dell'azione formativa
+ `StartTime`con i dati di inizio dell'allenamento, forniti in secondi epocali
+ `EndTime`con i dati di fine addestramento, forniti in secondi d'epoca
+ (Facoltativo) `BucketName` con il nome del bucket Amazon S3 che contiene i dati dell'etichetta
+ (Facoltativo) `Prefix` con il prefisso associato al bucket Amazon S3.
+ `TargetSamplingRate`con la frequenza di campionamento dei dati dopo la post-elaborazione da parte di Lookout for Equipment. I valori consentiti sono:. `PT1S | PT5S | PT10S | PT15S | PT30S | PT1M | PT5M | PT10M | PT15M | PT30M | PT1H`
**Nota**
Includi sia il nome che il prefisso del bucket o nessuno dei due.
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4ETraining\": {\"trainingMode\":\"START\",\"exportDataStartTime\": StartTime, \"exportDataEndTime\": EndTime, \"targetSamplingRate\":\"TargetSamplingRate\"}, \"labelInputConfiguration\": {\"bucketName\": \"BucketName\", \"prefix\": \"Prefix\"}}}"
}
}
```
1. Esegui il seguente comando per iniziare l'allenamento:
```
aws iotsitewise execute-action --cli-input-json file://train-prediction.json
```
Prima di iniziare l'inferenza, è necessario completare l'addestramento. Per verificare lo stato della formazione, effettuate una delle seguenti operazioni:
+ Dalla console, accedi alla risorsa su cui si basa la previsione.
+ Da AWS CLI, chiama `BatchGetAssetPropertyValue` utilizzando l'indirizzo `propertyId` della `trainingStatus` proprietà.
## Avvia o interrompi l'inferenza su una previsione (CLI)
Una volta addestrata la previsione, puoi avviare l'inferenza per dire a Lookout for Equipment di iniziare a monitorare le tue risorse. Per avviare o interrompere l'inferenza, avrai bisogno della risorsa `assetId` di destinazione.
**Per iniziare l'inferenza**
1. Esegui il seguente comando per trovare il `assetModelCompositeModelId` sotto`assetModelCompositeModelSummaries`. *`asset-model-id`*Sostituitelo con l'ID del modello di asset in cui avete creato[Aggiornate un modello di asset, un modello di componente o un'interfaccia ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Eseguite il comando seguente per trovare `actionDefinitionId` l'`Inference`azione. Sostituisci *`asset-model-id`* con l'ID utilizzato nel passaggio precedente e sostituisci *`asset-model-composite-model-id`* con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Create un file chiamato `start-inference.json` e aggiungete il codice seguente, sostituendo il seguente:
+ `asset-id`con l'ID della risorsa di destinazione
+ `action-definition-id`con l'ID dell'azione di inferenza iniziale
+ `Offset`con la quantità di buffer da usare
+ `Frequency`con la frequenza con cui vengono caricati i dati
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4EInference\": {\"inferenceMode\":\"START\",\"dataDelayOffsetInMinutes\": Offset, \"dataUploadFrequency\": \"Frequency\"}}"
}}
```
1. Esegui il seguente comando per avviare l'inferenza:
```
aws iotsitewise execute-action --cli-input-json file://start-inference.json
```
**Per interrompere l'inferenza**
1. Esegui il seguente comando per trovare il `assetModelCompositeModelId` sotto`assetModelCompositeModelSummaries`. *`asset-model-id`*Sostituitelo con l'ID del modello di asset in cui avete creato[Aggiornate un modello di asset, un modello di componente o un'interfaccia ()AWS CLI](update-asset-models.md#update-asset-model-cli).
```
aws iotsitewise describe-asset-model \
--asset-model-id asset-model-id \
```
1. Eseguite il comando seguente per trovare `actionDefinitionId` l'`Inference`azione. Sostituisci *`asset-model-id`* con l'ID utilizzato nel passaggio precedente e sostituisci *`asset-model-composite-model-id`* con l'ID restituito nel passaggio precedente.
```
aws iotsitewise describe-asset-model-composite-model \
--asset-model-id asset-model-id \
--asset-model-composite-model-id asset-model-composite-model-id \
```
1. Create un file chiamato `stop-inference.json` e aggiungete il codice seguente, sostituendo il seguente:
+ `asset-id`con l'ID della risorsa di destinazione
+ `action-definition-id`con l'ID dell'azione di inferenza iniziale
```
{
"targetResource": {
"assetId": "asset-id"
},
"actionDefinitionId": "action-definition-Id",
"actionPayload":{ "stringValue": "{\"l4EInference\":{\"inferenceMode\":\"STOP\"}}"
}}
```
1. Esegui il comando seguente per interrompere l'inferenza:
```
aws iotsitewise execute-action --cli-input-json file://stop-inference.json
```