アセット間でセンサーの異常検出を有効にする

異常検出を設定するには、UpdateAssetModel (AWS CLI) を使用し、次の要件を満たします。

1. または DOUBLE INTEGER データ型のいずれかである少なくとも 1 つの入力プロパティ。これは測定プロパティまたは変換プロパティのいずれかであり、モデルのトレーニングに使用されます。

2. STRING データ型の結果プロパティ。これは測定プロパティでなければならず、異常検出結果を保存します。

次の内容anomaly-detection-computation-model-payload.jsonのファイルを作成します。

{
    "computationModelName": "name of ComputationModel",
    "computationModelConfiguration": {
        "anomalyDetection": {
            "inputProperties": "${properties}",
            "resultProperty": "${p3}"
        }
    },
    "computationModelDataBinding": {
        "properties": {
            "list": [
                {
                    "assetProperty": { 
                        "assetId": "asset-id",
                        "propertyId": "input-property-id-1"
                    }
                },
                {
                    "assetProperty": { 
                        "assetId": "asset-id",
                        "propertyId": "input-property-id-2"
                    }
                }
            ]
        },
        "p3": {
            "assetProperty": { 
                "assetId": "asset-id",
                "propertyId": "results-property-id"
            }
        }
    }
}

次のコマンドを実行して、計算モデルを作成します。

aws iotsitewise create-computation-model \
    --cli-input-json file://anomaly-detection-computation-model-payload.json

ファイルをクリーンアップして、コントロール文字を削除します。

tr -d '\n\r\t' < original-action-payload.json > training-or-inference-action-payload.json

ファイル を使用して アクションを実行します@=file://...。

aws iotsitewise execute-action \
    --target-resource computationModelId=<MODEL_ID> \
    --action-definition-id <ACTION_DEFINITION_ID> \
    --action-payload stringValue@=file://training-or-inference-action-payload.json

次のコマンドを実行して、AWS/ANOMALY_DETECTION_TRAINING アクションの actionDefinitionId を検索します。を前のステップで返された ID computation-model-idに置き換えます。

aws iotsitewise describe-computation-model \
    --computation-model-id computation-model-id

という名前のファイルを作成しanomaly-detection-training-payload.json、次の値を追加します。

1. StartTime エポック秒で提供されるトレーニングデータの開始。

2. EndTime エポック秒で提供されるトレーニングデータの終了。

3. オプションで を設定できます高度な推論設定。

   1. (オプション) TargetSamplingRateデータのサンプリングレート。

   2. (オプション) モデルトレーニングを改善するために異常な動作が発生した期間LabelInputConfigurationを指定します。

   3. (オプション) ModelEvaluationConfiguration トレーニングの完了後に指定された時間範囲で推論を実行してモデルのパフォーマンスを評価する。

{
  "exportDataStartTime": StartTime,
  "exportDataEndTime": EndTime
}

{
  "exportDataStartTime": 1717225200,
  "exportDataEndTime": 1722789360
}

次のコマンドを実行してトレーニングを開始します (アセットをターゲットリソースとして指定しません）。コマンド内の以下のパラメータを置き換えてください。

aws iotsitewise execute-action \
    --target-resource computationModelId=computation-model-id \
    --action-definition-id training-action-definition-id \
    --action-payload stringValue@=file://anomaly-detection-training-payload.json

次のコマンドを実行して、モデルトレーニングプロセスのステータスを確認します。最新の実行概要には、実行ステータス (RUNNING/COMPLETED/) が表示されますFAILED。

aws iotsitewise list-executions \
    --target-resource-type COMPUTATION_MODEL \
    --target-resource-id computation-model-id

次のコマンドを実行して、最新のトレーニング済みモデルの設定を確認します。このコマンドは、少なくとも 1 つのモデルが正常にトレーニングを完了した場合にのみ出力を生成します。

aws iotsitewise describe-computation-model-execution-summary \
    --computation-model-id computation-model-id

「」で説明されているのと同じペイロードを準備しますスケジューラの再トレーニングを開始する。

トレーニングアクションを実行する (アセットをターゲットリソースとして指定しない）。コマンド内の以下のパラメータを置き換えてください。

1. computation-model-id ターゲット計算モデルの ID を指定します。

2. training-action-definition-id AWS/ANOMALY_DETECTION_TRAININGアクションの ID を指定します。

aws iotsitewise execute-action \
    --target-resource computationModelId=computation-model-id \
    --action-definition-id training-action-definition-id \
    --action-payload stringValue@=file://anomaly-detection-start-retraining-payload.json

次のコマンドを実行して、再トレーニングの開始スケジューラプロセスのステータスを確認します。最新の実行概要には、実行ステータス (RUNNING/COMPLETED/) が表示されますFAILED。

aws iotsitewise list-executions \
    --target-resource-type COMPUTATION_MODEL \
    --target-resource-id computation-model-id

「」で説明されているのと同じペイロードを準備しますスケジューラの再トレーニングを停止する。

トレーニングアクションを実行する (アセットをターゲットリソースとして指定しない）。コマンド内の以下のパラメータを置き換えてください。

1. computation-model-id ターゲット計算モデルの ID を指定します。

2. training-action-definition-id AWS/ANOMALY_DETECTION_TRAININGアクションの ID を指定します。

aws iotsitewise execute-action \
    --target-resource computationModelId=computation-model-id \
    --action-definition-id training-action-definition-id \
    --action-payload stringValue@=file://anomaly-detection-stop-retraining-payload.json

次のコマンドを実行して、再トレーニングのスケジューラプロセスの停止ステータスを確認します。最新の実行概要には、実行ステータス (RUNNING/COMPLETED/) が表示されますFAILED。

aws iotsitewise list-executions \
    --target-resource-type COMPUTATION_MODEL \
    --target-resource-id computation-model-id

次のコマンドを実行して、AWS/ANOMALY_DETECTION_INFERENCE アクションの actionDefinitionId を検索します。を、前に作成した計算モデルの実際の ID computation-model-idに置き換えます。

aws iotsitewise describe-computation-model \
    --computation-model-id computation-model-id

ファイルを作成しanomaly-detection-start-inference-payload.json、次のコードを追加します。説明に従って、次のパラメータを置き換えます。

1. DataUploadFrequency: 異常検出を実行するために推論スケジュールを実行する頻度を設定します。許可される値は PT5M, PT10M, PT15M, PT30M, PT1H, PT2H..PT12H, PT1D です。

   "inferenceMode": "START",
   "dataUploadFrequency": "DataUploadFrequency"

2. (オプション) 遅延オフセットDataDelayOffsetInMinutesを分単位で指定します。この値を 0～60 分に設定します。

3. (オプション) アクティブ化TargetModelVersionするモデルバージョン。

4. (オプション) シフト設定weeklyOperatingWindowで を設定します。

5. オプションで を設定できます高度な推論設定。

   1. 高頻度推論 (5 分～1 時間).

   2. 低頻度推論 (2 時間～1 日).

   3. 柔軟なスケジューリング.

推論を開始するには、次のコマンドを実行します。ペイロードファイルの次のパラメータを置き換えます。

1. computation-model-id ターゲット計算モデルの ID を指定します。

2. inference-action-definition-id ステップ 1 のAWS/ANOMALY_DETECTION_INFERENCEアクションの ID を持つ 。

aws iotsitewise execute-action \
    --target-resource computationModelId=computation-model-id \
    --action-definition-id inference-action-definition-id \
    --action-payload stringValue@=file://anomaly-detection-inference-payload.json 

次のコマンドを実行して、推論がまだ実行されているかどうかを確認します。推論がアクティブなTRUE場合、 inferenceTimerActiveフィールドは に設定されます。

aws iotsitewise describe-computation-model-execution-summary \
    --computation-model-id computation-model-id

次のコマンドは、すべての推論実行を一覧表示します。

aws iotsitewise list-executions \
    --target-resource-type COMPUTATION_MODEL \
    --target-resource-id computation-model-id

次のコマンドを実行して、個々の実行を記述します。を前のステップ 5 の ID execution-idに置き換えます。

aws iotsitewise describe-execution \
    --execution-id execution-id

次のコマンドを実行して、AWS/ANOMALY_DETECTION_INFERENCE アクションの actionDefinitionId を検索します。を、前に作成した計算モデルの実際の ID computation-model-idに置き換えます。

aws iotsitewise describe-computation-model \
    --computation-model-id computation-model-id

ファイルを作成しanomaly-detection-stop-inference-payload.json、次のコードを追加します。

{
    "inferenceMode": "STOP"
}

推論を停止するには、次のコマンドを実行します。ペイロードファイルの次のパラメータを置き換えます。

1. computation-model-id ターゲット計算モデルの ID を指定します。

2. inference-action-definition-id ステップ 1 のAWS/ANOMALY_DETECTION_INFERENCEアクションの ID を持つ 。

aws iotsitewise execute-action \
--target-resource computationModelId=computation-model-id \
--action-definition-id inference-action-definition-id \
--action-payload stringValue@=file://anomaly-detection-stop-inference-payload.json