本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 進階推論組態
<a name="advanced-inference-configurations"></a>

AWS IoT SiteWise 可讓客戶設定根據其營運需求量身打造的模型推論排程。

推論排程大致分為三種模式：
+ [高頻率推論 (5 分鐘 – 1 小時）](#high-frequency-inferencing)
+ [低頻率推論 (2 小時 – 1 天）](#low-frequency-inferencing)
+ [彈性排程](#flexible-scheduling)

## 高頻率推論 (5 分鐘 – 1 小時）
<a name="high-frequency-inferencing"></a>

此模式非常適合持續運作或感應器值變化率較高的程序。在此組態中，推論會每隔 5 分鐘執行一次。

**使用案例：**
+ 它用於監控快速變化的設備，例如壓縮器或輸送帶。
+ 它有助於找出需要立即回應的短期異常。
+ 這是一個永遠開啟的操作，資料會持續流動。

**條件偏移支援：**

您可以定義**條件偏移** (0 - 60 分鐘），以在資料擷取後延遲推論。這可確保分析時段中仍會包含延遲抵達的資料。

若要設定高頻率推論：
+ `DataUploadFrequency` 使用值設定`AWS/ANOMALY_DETECTION_INFERENCE`動作承載值： 開始推論`PT5M, PT10M, PT15M, PT30M, PT1H`時。
+ （選用） `DataDelayOffsetInMinutes`以分鐘為單位設定延遲位移。將此值設定為 0 到 60 分鐘。

```
{
    "inferenceMode": "START",
    "dataDelayOffsetInMinutes": "DataDelayOffsetInMinutes",
    "dataUploadFrequency": "DataUploadFrequency"
}
```

**Example 高頻率推論組態：**  

```
{
    "inferenceMode": "START",
    "dataDelayOffsetInMinutes": "2",
    "dataUploadFrequency": "PT5M"
}
```

## 低頻率推論 (2 小時 – 1 天）
<a name="low-frequency-inferencing"></a>

此模式適用於移動速度較慢的程序或使用案例，其中每日評估已足夠。客戶將推論設定為每小時執行一次，或每天執行一次。

**1 天間隔的開始時間支援：**

對於每日推論，選擇性地指定 **`startTime`**（每天上午 8 點），以及時區意識。

**時區支援：**

提供 `startTime` 時， AWS IoT SiteWise 會使用由網際網路指派號碼授權機構 (IANA) 維護的[時區資料庫](https://www.iana.org/time-zones)。這可確保即使跨區域，您的推論也能與當地工作時間保持一致。

**條件偏移支援：**

如同其他模式，會設定 0 – 60 分鐘的條件偏移。

**使用案例：**
+ 批次程序或輪班型操作的每日運作狀態檢查。
+ 避免在維護或停機期間進行推論。
+ 在資源受限的環境中很有用，其中運算用量必須最小化。

若要設定低頻率推論：
+ 使用 設定`AWS/ANOMALY_DETECTION_INFERENCE`動作承載值，其值`DataUploadFrequency`為：`PT2H..PT12H`。
  + 在 1 天的情況下， `DataUploadFrequency`為 `P1D`。
+ （選用） `DataDelayOffsetInMinutes`以分鐘為單位設定延遲位移。將此值設定為 0 到 60 分鐘。

**Example 低頻率推論組態：**  

```
{
    "inferenceMode": "START",
    "dataUploadFrequency": "P1D",
    "inferenceStartTime": "13:00",
    "inferenceTimeZone": "America/Chicago"
}
```

## 彈性排程
<a name="flexible-scheduling"></a>

彈性排程可讓客戶定義**特定的日期和時間範圍**，在此期間執行推論。這可讓客戶根據生產時間、輪班時間和規劃的停機時間來完全控制排程。

`weeklyOperatingWindow` 有助於下列情況：
+ 設備只會在特定時間 （上午 8 點到下午 4 點） 執行。
+ 週末沒有生產。
+ 每日維護排程在已知的時段內。

**時區支援：**

提供 `startTime` 時， AWS IoT SiteWise 會使用由網際網路指派號碼局 (IANA) 維護的[時區資料庫](https://www.iana.org/time-zones)。這可確保推論與區域間的當地工作時間保持一致。

**條件偏移支援：**

如同其他模式，可以設定 0 – 60 分鐘的條件偏移。

的優點`weeklyOperatingWindow`：
+ 它可避免在閒置或維護期間進行推論，減少誤報。
+ 它使異常偵測與操作優先順序和以輪班為基礎的工作流程保持一致。

若要設定彈性排程：
+ 使用 設定`AWS/ANOMALY_DETECTION_INFERENCE`動作承載值`DataUploadFrequency`。
+ （選用） `DataDelayOffsetInMinutes` 搭配以分鐘為單位的延遲位移。將此值設定為 0 到 60 分鐘。
+ `weeklyOperatingWindow` 使用輪班組態設定 ：
  + 的金鑰`weeklyOperatingWindow`是一週中的天數：`monday|tuesday|wednesday|thursday|friday|saturday|sunday`。
  + 每個時間範圍的格式必須為 **24 小時** `"HH:MM-HH:MM"`(`"08:00-16:00"`)。
  + 每天可以指定多個範圍。

**Example 彈性排程組態的 ：**  

```
{
    "inferenceMode": "START",
    "dataUploadFrequency": "PT5M",
    "weeklyOperatingWindow": {
      "tuesday": ["11:00-13:00"],
      "monday": ["10:00-11:00", "13:00-15:00"]
    }
}
```

## 模型版本啟用
<a name="model-version-activation"></a>

開始推論時，您可以選擇啟用特定模型版本以用於異常偵測。此功能可讓您選取特定的訓練模型版本、復原至先前的版本，或覆寫自動模型提升決策。

### 使用案例：
<a name="model-version-use-cases"></a>
+ **生產復原**：當目前版本顯示效能降低或非預期行為時，快速還原至穩定的模型版本。
+ **A/B 測試**：在受控期間切換不同模型版本，以比較不同模型版本之間的效能。
+ **手動模型選取**：覆寫自動提升決策，並根據業務需求手動選取您偏好的模型版本。
+ **階段部署**：在非關鍵時段測試較新的模型版本，然後再將它們提升為完全生產用途。
+ **效能最佳化**：選取對特定操作條件或季節性模式表現更好的模型版本。
+ **在維護期間轉返**：在系統維護期間使用較舊且經過良好測試的模型版本，或進行升級以確保穩定性。

### 模型版本選取行為
<a name="model-version-selection-behavior"></a>

`targetModelVersion` 指定 時：
+ 系統會啟用請求的模型版本以進行推論。
+ 驗證指定的模型版本是否存在。
+ 覆寫任何自動提升設定。

`targetModelVersion` 未指定 時：
+ 如果先前已啟動推論，則啟用最後一個作用中模型版本。
+ 如果從未啟用推論， 會使用最新的訓練模型版本。

若要啟用特定模型版本：
+ 設定推論動作承載，並將 targetModelVersion 設定為所需的模型版本編號。
+ 如果指定的模型版本存在，則會對其進行驗證和啟用。

**Example 模型版本啟用的 ：**  

```
{
    "inferenceMode": "START",
    "dataUploadFrequency": "PT15M",
    "targetModelVersion": 2
}
```

## 檢查模型版本
<a name="checking-model-versions"></a>

若要驗證目前作用中的模型版本：
+ 使用 [ DescribeComputationModelExecutionSummary](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeComputationModelExecutionSummary.html) API，其中包含回應中的作用中模型版本。

若要檢視所有可用的模型版本：
+ 使用 [ ListExecutions](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_ListExecutions.html) API 擷取歷史模型版本的完整清單。
+ 使用 [ DescribeExecution](https://docs.aws.amazon.com/iot-sitewise/latest/APIReference/API_DescribeExecution.html) API 擷取訓練過的模型資訊，包括匯出資料時間範圍、運算模型版本，以及以分鐘為單位的計費持續時間。

### 模型版本特性
<a name="important-notes"></a>
+ 模型版本編號會從 1 開始依序指派。
+ 您可以啟用任何先前訓練過的模型版本。
+ 啟用的模型版本會持續存在，直到明確變更為止。
+ 模型版本啟用適用於所有推論排程模式 （高頻率、低頻率和彈性）。
+ 如果指定的模型版本不存在，推論動作會失敗並顯示錯誤。