Amazon Monitron은 더 이상 신규 고객에게 공개되지 않습니다. 기존 고객은 정상적으로 서비스를 계속 이용할 수 있습니다. Amazon Monitron과 유사한 기능은 [블로그 게시물](https://aws.amazon.com/blogs/machine-learning/maintain-access-and-consider-alternatives-for-amazon-monitron)을 참조하세요.
기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Monitron Kinesis 데이터 내보내기 v1
**참고**
Amazon Monitron Kinesis 데이터 내보내기 스키마 v1은 더 이상 사용되지 않습니다. [v2 데이터 내보내기 스키마](monitron-kinesis-export-v2.md)에 대해 자세히 알아보세요.
Amazon Monitron에서 들어오는 측정 데이터와 해당 추론 결과를 내보내고 실시간 분석을 수행할 수 있습니다. 데이터 내보내기는 라이브 데이터를 Kinesis로 스트리밍합니다.
**Topics**
+ [Kinesis 스트림으로 데이터 내보내기](#exporting-stream-procedure)
+ [라이브 데이터 내보내기 설정 편집](#edit-live-export)
+ [라이브 데이터 내보내기 중지](#stop-kinesis-export)
+ [데이터 내보내기 오류 보기](#viewing-kinesis-export-errors)
+ [Kinesis 스트림에서 서버 측 암호화 사용](#data-export-server-side-encryption)
+ [Amazon CloudWatch Logs를 사용한 모니터링](data-export-cloudwatch-logs.md)
+ [Amazon S3에서 데이터 저장하기](kinesis-store-S3.md)
+ [Lambda를 사용한 데이터 처리](data-export-lambda.md)
+ [v1 데이터 내보내기 스키마의 이해](data-export-schema.md)
## Kinesis 스트림으로 데이터 내보내기
1. 프로젝트 메인 페이지의 페이지 하단 오른쪽에서 **라이브 데이터 내보내기 시작**을 선택합니다.
1. **Amazon Kinesis 데이터 스트림 선택**에서 다음 중 하나를 수행하세요.
+ 검색 칸에 기존 스트림의 이름을 입력합니다. 그런 다음 5단계로 건너뜁니다.
+ **새 데이터 스트림 생성**을 선택합니다.
1. **데이터 스트림 만들기** 페이지의 **데이터 스트림 구성**에서 데이터 스트림 이름을 입력합니다.
1. 데이터 스트림 용량에서 용량 모드를 선택합니다.
+ 데이터 스트림의 처리량 요구 사항을 예측할 수 없고 가변적이면 **온디맨드**를 선택하세요.
+ 데이터 스트림의 처리량 요구 사항을 안정적으로 추정할 수 있다면 **프로비저닝됨**을 선택하세요. 그런 다음 프로비저닝된 샤드에서 만들려는 샤드 수를 입력하거나 **샤드 추정기**를 선택합니다.
1. **데이터 스트림 생성**을 선택합니다.
## 라이브 데이터 내보내기 설정 편집
라이브 데이터 내보내기 설정을 편집하려면 다음과 같이 하세요.
1. Amazon Monitron 콘솔을 엽니다.
1. 탐색 창에서 **프로젝트**를 선택합니다.
1. 프로젝트가 여러 개 있는 경우 내보내기 설정을 편집하려는 프로젝트를 선택합니다.
1. 프로젝트 기본 페이지의 **라이브 데이터 내보내기**에 있는 **작업** 드롭다운 메뉴에서 **라이브 데이터 내보내기 설정 편집**을 선택합니다.
## 라이브 데이터 내보내기 중지
1. Amazon Monitron 콘솔을 엽니다.
1. 탐색 창에서 **프로젝트**를 선택합니다.
1. 프로젝트가 여러 개 있는 경우 내보내기 설정을 편집하려는 프로젝트를 선택합니다.
1. 프로젝트 기본 페이지의 **라이브 데이터 내보내기**에 있는 **작업** 드롭다운 메뉴에서 **라이브 데이터 내보내기 중지**를 선택합니다.
1. 팝업 창에서 **중지**를 선택합니다.
## 데이터 내보내기 오류 보기
CloudWatch Logs 인터페이스에서 오류 메시지를 보려면 다음과 같이 하세요.
+ Amazon Monitron 콘솔의 프로젝트 메인 페이지에 있는 **라이브 데이터 내보내기**에서 **CloudWatch 로그 그룹**을 선택합니다.
## Kinesis 스트림에서 서버 측 암호화 사용
Kinesis 데이터 내보내기를 설정하기 전에 Kinesis 스트림에 대해 서버 측 암호화를 활성화할 수 있습니다. 그러나 Kinesis 데이터 내보내기를 설정한 후 서버 측 암호화를 활성화하면 Amazon Monitron은 스트림에 게시할 수 없습니다. 이는 Amazon Monitron이 Kinesis로 전송된 데이터를 암호화할 수 있도록 [kms:GenerateDataKey](https://docs.aws.amazon.com/kms/latest/APIReference/API_GenerateDataKey.html)를 호출할 권한이 없기 때문입니다.
이 문제를 해결하려면 구성을 변경하지 말고 [라이브 데이터 내보내기 설정 편집](#edit-live-export)의 지침을 따르세요. 이렇게 하면 설정한 암호화가 내보내기 구성과 연결됩니다.
# Amazon CloudWatch Logs를 사용한 모니터링
Amazon CloudWatch Logs를 사용하여 Amazon Monitron 라이브 데이터 내보내기를 모니터링할 수 있습니다. 측정값 내보내기에 실패하면 Amazon Monitron은 CloudWatch Logs에 로그 이벤트를 전송합니다. 또한 오류 로그에 지표 필터를 설정하여 지표를 생성하고 경보를 설정할 수 있습니다. 특정 임계값을 설정하고 해당 임계값이 충족될 때 알림을 전송하거나 조치를 취할 수 있습니다. 자세한 내용은 [CloudWatch 사용 설명서](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html)를 참조하세요.
Amazon Monitron은 /aws/monitron/data-export/\$1HASH\$1ID\$1 로그 그룹에 로그 이벤트를 보냅니다.
로그 이벤트의 JSON 형식은 다음과 같습니다.
```
{
"assetDisplayName": "string",
"destination": "string",
"errorCode": "string",
"errorMessage": "string",
"eventId": "string",
"positionDisplayName": "string",
"projectDisplayName": "string",
"projectName": "string",
"sensorId": "string",
"siteDisplayName": "string",
"timestamp": "string"
}
```
assetDisplayName
+ 앱에 표시되는 자산 이름
+ 유형: 문자열
destination
+ Kinesis 데이터 스트림의 ARN
+ 유형: 문자열
+ 패턴: arn:aws:kinesis:\$1\$1REGION\$1\$1:\$1\$1AWS\$1ACCOUNT\$1ID\$1\$1:stream/\$1\$1STREAM\$1NAME\$1\$1
errorCode
+ 오류 코드
+ 타입: 문자열
+ 유효 값: `INTERNAL_SEVER_ERROR | KINESIS_RESOURCE_NOT_FOUND | KINESIS_PROVISIONED_THROUGHPUT_EXCEEDED | KMS_ACCESS_DENIED | KMS_NOT_FOUND | KMS_DISABLED | KMS_INVALID_STATE | KMS_THROTTLING`
errorMessage
+ 상세 오류 메시지
+ 유형: 문자열
eventId
+ 각 측정값 내보내기에 해당하는 고유 이벤트 ID
+ 유형: 문자열
positionDisplayName
+ 앱에 표시된 센서 위치 이름
+ 유형: 문자열
sensorId
+ 측정값이 전송되는 센서의 물리적 ID
+ 유형: 문자열
siteDisplayName
+ 앱에 표시된 사이트 이름
+ 유형: 문자열
timestamp
+ Amazon Monitron 서비스가 측정값을 UTC로 수신할 때의 타임스탬프
+ 유형: 문자열
+ 패턴: yyyy-mm-dd hh:mm:ss.SSS
# Amazon S3에서 데이터 저장하기
**Topics**
+ [미리 정의된 CloudFormation 템플릿 사용](#kinesis-cloudfront-makestack)
+ [콘솔에서 Kinesis를 수동으로 구성하기](#kinesis-configure-console)
## 미리 정의된 CloudFormation 템플릿 사용
Amazon Monitron은 Kinesis 데이터 스트림에서 Amazon S3 버킷으로 데이터를 전송하도록 Firehose를 빠르게 설정하는 데 도움이 되는 사전 정의된 AWS CloudFormation 템플릿을 제공합니다. 이 템플릿을 사용하면 동적 파티셔닝이 가능하며, 전달된 Amazon S3 객체는 Amazon Monitron에서 권장하는 다음과 같은 키 형식을 사용합니다: `/project={projectName}/site={siteName}/time={yyyy-mm-dd 00:00:00}/{filename}`
1. AWS 계정에 로그인합니다.
1. 다음 URL을 사용하여 새 브라우저 탭을 엽니다.
```
https://console.aws.amazon.com/cloudformation/home?region=us-east-1#/stacks/create/review?templateURL=https://s3.us-east-1.amazonaws.com/monitron-cloudformation-templates-us-east-1/monitron_kinesis_data_export.yaml&stackName=monitron-kinesis-live-data-export
```
1. 열리는 CloudFormation 페이지의 오른쪽 상단 모서리에서 Amazon Monitron을 사용 중인 리전을 선택합니다.
1. 기본적으로 템플릿은 Amazon S3에 데이터를 전송하는 데 필요한 다른 리소스와 함께 새로운 Kinesis 데이터 스트림 및 S3 버킷을 생성합니다. 기존 리소스를 사용하도록 파라미터를 변경할 수 있습니다.
1. 가 *IAM 리소스를 생성할 AWS CloudFormation 수 있음을 승인합니다 확인란을 선택합니다.*
1. **스택 생성**을 선택합니다.
1. 다음 페이지에서 스택 상태가 CREATE\$1COMPLETE가 될 때까지 원하는 횟수만큼 새로 고침 아이콘을 선택합니다.
## 콘솔에서 Kinesis를 수동으로 구성하기
1. AWS Management Console에 로그인하고 https://console.aws.amazon.com/kinesis Kinesis 콘솔을 엽니다.
1. 탐색 창에서 **전송 스트림**을 선택합니다.
1. **전송 스트림 생성**을 선택합니다.
1. 소스에서 **Amazon Kinesis Data Streams**를 선택합니다.
1. 대상으로 **Amazon S3**를 선택합니다.
1. **소스 설정, Kinesis 데이터 스트림**에서 Kinesis 데이터 스트림의 ARN을 입력합니다.
1. **전송 스트림 이름**에 Kinesis 데이터 스트림의 이름을 입력합니다.
1. **대상 설정**에서 Amazon S3 버킷을 선택하거나 버킷 URI를 입력합니다.
1. (선택 사항) JSON용 인라인 파싱을 사용하여 동적 파티셔닝을 활성화합니다. 이 옵션은 소스 정보와 타임스탬프를 기반으로 스트리밍 측정 데이터를 분할하려는 경우에 적합합니다. 예제:
+ **동적 파티셔닝**에서 **활성화**를 선택합니다.
+ **새 줄 구분자**에서 **활성화**를 선택합니다.
+ **JSON의 인라인 파싱** **활성화**를 선택합니다.
+ **동적 파티셔닝 키**에서 다음을 추가합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/Monitron/latest/user-guide/kinesis-store-S3.html)
1. **동적 파티셔닝 키 적용**을 선택하고 생성된 Amazon S3 버킷 접두사가 `!{partitionKeyFromQuery:project}/!{partitionKeyFromQuery:site}/!{partitionKeyFromQuery:time}/`인지 확인합니다.
1. Amazon S3에서 객체는 다음 키 형식을 사용합니다: `/project={projectName}/site={siteName}/time={yyyy-mm-dd 00:00:00}/{filename}`.
1. **전송 스트림 생성**을 선택합니다.
1. (선택 사항) 더 세분화된 경로를 사용합니다.
동적 파티션을 선택한 경우 및 AWS Glue Athena를 사용하여 데이터를 쿼리하려는 경우 이전 Amazon S3 키 형식을 사용합니다. 더 세밀한 키 형식을 선택할 수도 있지만 Amazon Athena 쿼리는 효율적이지 않습니다. 다음은 더 세밀한 Amazon S3 키 경로를 설정하는 예제입니다.
**동적 파티셔닝 키**에서 다음을 추가합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/Monitron/latest/user-guide/kinesis-store-S3.html)
Amazon S3에서 객체는 다음 키 형식을 사용합니다: ` /project={projectName}/site={siteName}/asset={assetName}/position={positionName}/sensor={sensorId}/date={yyyy-mm-dd}/time={HH:MM:SS}/{filename}`
# Lambda를 사용한 데이터 처리
**Topics**
+ [1단계: 함수에 AWS 리소스에 액세스할 수 있는 권한을 부여하는 [IAM 역할](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html) 생성](#create-iam-role)
+ [2단계: Lambda 함수 생성](#create-lambda-function)
+ [3단계: Lambda 함수 구성](#configure-lambda-function)
+ [4단계: AWS Lambda 콘솔에서 Kinesis 트리거 활성화](#enable-lambda-trigger)
## 1단계: 함수에 AWS 리소스에 액세스할 수 있는 권한을 부여하는 [IAM 역할](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html) 생성
1. IAM 콘솔에서 [역할 페이지](https://console.aws.amazon.com/iam/home?#/roles)를 엽니다.
1. **역할 생성**을 선택합니다.
1. 다음 속성을 사용하여 역할을 만듭니다.
+ 신뢰할 수 있는 엔터티: Lambda
+ 권한: AWSLambdaKinesisExecutionRole(Kinesis 스트림이 암호화된 경우 AWSKeyManagementServicePowerUser 포함)
+ 역할 이름: lambda-kinesis-role
![\[IAM role creation interface showing name, review, and create steps with role details and permissions.\]](http://docs.aws.amazon.com/ko_kr/Monitron/latest/user-guide/images/lambda-create-role.png)
## 2단계: Lambda 함수 생성
1. Lambda 콘솔에서 **함수** 페이지를 엽니다.
1. **함수 생성**을 선택합니다.
1. **청사진 사용**을 선택합니다.
1. **청사진** 검색창에서 **kinesis-process-record (nodejs)** 또는 **kinesis-process-record-python**을 검색하고 선택합니다.
1. **구성**을 선택합니다.
![\[Create function interface with options to author from scratch, use a blueprint, or select container image.\]](http://docs.aws.amazon.com/ko_kr/Monitron/latest/user-guide/images/lambda-create-function.png)
## 3단계: Lambda 함수 구성
1. **함수 이름**을 선택합니다.
1. 첫 단계에서 만든 역할을 **실행 역할**로 선택합니다.
1. Kinesis 트리거를 구성합니다.
1. Kinesis 스트림을 선택합니다.
1. **함수 생성**을 클릭합니다.
![\[Lambda function configuration form with basic information and Kinesis trigger settings.\]](http://docs.aws.amazon.com/ko_kr/Monitron/latest/user-guide/images/lambda-kinesis-trigger.png)
## 4단계: AWS Lambda 콘솔에서 Kinesis 트리거 활성화
1. **구성** 탭에서 **트리거**를 선택합니다.
1. Kinesis 스트림 이름 옆의 확인란을 선택하고 **활성화**를 선택합니다.
![\[Lambda function configuration page with Triggers tab and Kinesis stream trigger highlighted.\]](http://docs.aws.amazon.com/ko_kr/Monitron/latest/user-guide/images/kinesis-process-record-lambda.png)
이 예제에 사용된 청사진은 선택한 스트림의 로그 데이터만 사용합니다. 나중에 Lambda 함수 코드를 추가로 편집하여 더 복잡한 태스크를 완료할 수 있습니다.
# v1 데이터 내보내기 스키마의 이해
**참고**
Amazon Monitron Kinesis 데이터 내보내기 스키마 v1은 더 이상 사용되지 않습니다. [v2 데이터 내보내기 스키마](monitron-kinesis-export-v2.md)에 대해 자세히 알아보세요.
각 측정 데이터와 해당 추론 결과는 JSON 형식의 Kinesis 데이터 스트림 레코드 하나로 내보내집니다.
**Topics**
+ [v1 스키마 형식](#data-export-schema-format)
+ [v1 스키마 파라미터](#data-export-schema-parameters)
## v1 스키마 형식
```
{
"timestamp": "string",
"eventId": "string",
"version": "string",
"projectDisplayName": "string",
"siteDisplayName": "string",
"assetDisplayName": "string",
"sensorPositionDisplayName": "string",
"sensor": {
"physicalId": "string",
"rssi": number
},
"gateway": {
"physicalId": "string"
},
"measurement": {
"features": {
"acceleration": {
"band0To6000Hz": {
"xAxis": {
"rms": number
},
"yAxis": {
"rms": number
},
"zAxis": {
"rms": number
}
},
"band10To1000Hz": {
"resultantVector": {
"absMax": number,
"absMin": number,
"crestFactor": number,
"rms": number
},
"xAxis": {
"rms": number
},
"yAxis": {
"rms": number
},
"zAxis": {
"rms": number
}
}
},
"temperature": number,
"velocity": {
"band10To1000Hz": {
"resultantVector": {
"absMax": number,
"absMin": number,
"crestFactor": number,
"rms": number
},
"xAxis": {
"rms": number
},
"yAxis": {
"rms": number
},
"zAxis": {
"rms": number
}
}
}
},
"sequenceNo": number
},
"models": {
"temperatureML": {
"persistentClassificationOutput": "string",
"pointwiseClassificationOutput": "string"
},
"vibrationISO": {
"isoClass": "string",
"mutedThreshold": "string",
"persistentClassificationOutput": "string",
"pointwiseClassificationOutput": "string"
},
"vibrationML": {
"persistentClassificationOutput": "string",
"pointwiseClassificationOutput": "string"
}
},
"assetState": {
"newState": "string",
"previousState": "string"
}
}
```
## v1 스키마 파라미터
timestamp
+ Monitron 서비스가 UTC로 측정값을 수신할 때의 타임스탬프
+ 유형: 문자열
+ 패턴: yyyy-mm-dd hh:mm:ss.SSS
eventId
+ 각 측정에 할당된 고유한 데이터 내보내기 이벤트 ID. 수신한 Kinesis 스트림 레코드의 중복을 제거하는 데 사용할 수 있습니다.
+ 유형: 문자열
version
+ 스키마 버전
+ 유형: 문자열
+ 현재 값: 1.0
projectDisplayName
+ 앱 및 콘솔에 표시되는 프로젝트 이름
+ 유형: 문자열
siteDisplayName
+ 앱에 표시된 사이트 이름
+ 유형: 문자열
assetDisplayName
+ 앱에 표시되는 자산 이름
+ 유형: 문자열
sensorPositionDisplayName
+ 앱에 표시된 센서 위치 이름
+ 유형: 문자열
sensor.physicalId
+ 측정값이 전송되는 센서의 물리적 ID
+ 유형: 문자열
sensor.rssi
+ 센서 블루투스 수신 신호 강도 표시기 값
+ 형식: 숫자
+ 단위: dBm
gateway.physicalId
+ Amazon Monitron 서비스로 데이터를 전송하는 데 사용되는 게이트웨이의 물리적 ID
+ 유형: 문자열
measurement.features.acceleration.band0To6000Hz.xAxis.rms
+ x축의 주파수 대역 0\$16000Hz에서 관찰된 가속도의 평균 제곱근
+ 형식: 숫자
+ 단위: m/s^2
measurement.features.acceleration.band0To6000Hz.yAxis.rms
+ y축의 주파수 대역 0\$16000Hz에서 관찰된 가속도의 평균 제곱근
+ 형식: 숫자
+ 단위: m/s^2
measurement.features.acceleration.band0To6000Hz.zAxis.rms
+ y축의 주파수 대역 0\$16000Hz에서 관찰된 가속도의 평균 제곱근
+ 형식: 숫자
+ 단위: m/s^2
measurement.features.acceleration.band10To1000Hz.resultantVector.absMax
+ 주파수 대역 10\$11000Hz에서 관찰된 절대 최대 가속도
+ 형식: 숫자
+ 단위: m/s^2
measurement.features.acceleration.band10To1000Hz.resultantVector.absMin
+ 주파수 대역 10\$11000Hz에서 관찰된 절대 최소 가속도
+ 형식: 숫자
+ 단위: m/s^2
measurement.features.acceleration.band10To1000Hz.resultantVector.crestFactor
+ 주파수 대역 10\$11000Hz에서 관찰된 가속 파고율
+ 형식: 숫자
measurement.features.acceleration.band10To1000Hz.resultantVector.rms
+ 주파수 대역 10\$11000Hz에서 관찰된 가속도의 평균 제곱근
+ 형식: 숫자
+ m/s^2
measurement.features.acceleration.band10To1000Hz.xAxis.rms
+ x축의 주파수 대역 10\$11000Hz에서 관찰된 가속도의 평균 제곱근
+ 형식: 숫자
+ m/s^2
measurement.features.acceleration.band10To1000Hz.yAxis.rms
+ y축의 주파수 대역 10\$11000Hz에서 관찰된 가속도의 평균 제곱근
+ 형식: 숫자
+ m/s^2
measurement.features.acceleration.band10To1000Hz.zAxis.rms
+ z축의 주파수 대역 10\$11000Hz에서 관찰된 가속도의 평균 제곱근
+ 형식: 숫자
+ m/s^2
measurement.features.temperature
+ 관찰된 온도
+ 형식: 숫자
+ °C/도
measurement.features.velocity.band10To1000Hz.resultantVector.absMax
+ 주파수 대역 10\$11000Hz에서 관찰된 절대 최대 속도
+ 형식: 숫자
+ mm/s
measurement.features.velocity.band10To1000Hz.resultantVector.absMin
+ 주파수 대역 10\$11000Hz에서 관찰된 절대 최소 속도
+ 형식: 숫자
+ mm/s
measurement.features.velocity.band10To1000Hz.resultantVector.crestFactor
+ 주파수 대역 10\$11000Hz에서 관찰된 속도 파고율
+ 형식: 숫자
measurement.features.velocity.band10To1000Hz.resultantVector.rms
+ 주파수 대역 10\$11000Hz에서 관찰된 속도의 평균 제곱근
+ 형식: 숫자
+ mm/s
measurement.features.velocity.band10To1000Hz.xAxis.rms
+ x축의 주파수 대역 10\$11000Hz에서 관찰된 속도의 평균 제곱근
+ 형식: 숫자
+ mm/s
measurement.features.velocity.band10To1000Hz.yAxis.rms
+ y축의 주파수 대역 10\$11000Hz에서 관찰된 속도의 평균 제곱근
+ 형식: 숫자
+ mm/s
measurement.features.velocity.band10To1000Hz.zAxis.rms
+ z축의 주파수 대역 10\$11000Hz에서 관측된 속도의 평균 제곱근
+ 형식: 숫자
+ mm/s
measurement.sequenceNo
+ 측정 시퀀스 번호
+ 형식: 숫자
models.temperatureML.persistentClassificationOutput
+ 기계 학습 기반 온도 모델의 지속적 분류 출력
+ 형식: 숫자
+ 유효한 값: `UNKNOWN | HEALTHY | WARNING | ALARM`
models.temperatureML.pointwiseClassificationOutput
+ 기계 학습 기반 온도 모델의 점별 분류 출력
+ 타입: 문자열
+ 유효 값: `UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM`
models.vibrationISO.isoClass
+ ISO 기반 진동 모델에서 사용하는 ISO 20816 등급(기계 진동의 측정 및 평가 표준)
+ 타입: 문자열
+ 유효 값: `CLASS1 | CLASS2 | CLASS3 | CLASS4 | FAN_BV2`
models.vibrationISO.mutedThreshold
+ ISO 기반 진동 모델의 알림을 음소거하기 위한 임계값
+ 타입: 문자열
+ 유효 값: `WARNING | ALARM`
models.vibrationISO.persistentClassificationOutput
+ ISO 기반 진동 모델의 지속적 분류 출력
+ 타입: 문자열
+ 유효 값: `UNKNOWN | HEALTHY | WARNING | ALARM`
models.vibrationISO.pointwiseClassificationOutput
+ ISO 기반 진동 모델의 포인트별 분류 출력
+ 타입: 문자열
+ 유효 값: `UNKNOWN | HEALTHY | WARNING | ALARM | MUTED_WARNING | MUTED_ALARM`
models.vibrationML.persistentClassificationOutput
+ 기계 학습 기반 진동 모델의 지속적 분류 출력
+ 타입: 문자열
+ 유효 값: `UNKNOWN | HEALTHY | WARNING | ALARM`
models.vibrationML.pointwiseClassificationOutput
+ 기계 학습 기반 진동 모델의 포인트별 분류 출력
+ 타입: 문자열
+ 유효 값: `UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM`
assetState.newState
+ 측정을 처리한 후의 기계 상태
+ 타입: 문자열
+ 유효 값: `UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM`
assetState.previousState
+ 측정을 처리하기 전의 기계 상태
+ 타입: 문자열
+ 유효 값: `UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM`