기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 수식 표현식에서 시간 함수 사용
시간 함수를 사용하여 데이터 포인트의 타임스탬프를 기반으로 값을 반환합니다.
## 지표에서 시간 함수 사용
[지표](metrics.md)에서만 데이터 포인트의 타임스탬프를 기반으로 값을 반환하는 다음 함수를 사용할 수 있습니다.
시간 함수 인수는 로컬 자산 모델 또는 중첩 표현식의 속성이어야 합니다. 즉, 하위 자산 모델의 속성을 시간 함수에 사용할 수 없습니다.
시간 함수의 중첩 표현식을 사용할 수 있습니다. 중첩된 표현식을 사용할 때는 다음 규칙이 적용됩니다.
+ 각 인수에는 변수가 하나만 있을 수 있습니다.
예를 들어 `latest( t*9/5 + 32 )`은 지원됩니다.
+ 인수는 집계 함수일 수 없습니다.
예를 들어 `first( sum(x) )`은 지원되지 않습니다.
| 함수 | 설명 |
| --- | --- |
| `first(x)` | 현재 시간 간격 동안 해당 변수의 가장 오래된 타임스탬프가 있는 값을 반환합니다. |
| `last(x)` | 현재 시간 간격 동안 해당 변수의 가장 최근 타임스탬프가 있는 값을 반환합니다. |
| `earliest(x)` | 현재 시간 간격 시작 이전에 해당 변수의 가장 최근 값을 반환합니다. 입력 속성의 기록에 데이터 포인트가 하나 이상 있는 경우 이 함수는 1시간 간격으로 데이터 포인트를 계산합니다. 세부 정보는 [time-range-defintion](#time-range-def) 섹션을 참조하세요. |
| `latest(x)` | 현재 시간 간격 종료 이전에 해당 변수의 가장 최근 타임스탬프가 있는 값을 반환합니다. 입력 속성의 기록에 데이터 포인트가 하나 이상 있는 경우 이 함수는 1시간 간격으로 데이터 포인트를 계산합니다. 세부 정보는 [time-range-defintion](#time-range-def) 섹션을 참조하세요. |
| `statetime(x)` | 현재 시간 간격 동안 해당 변수가 양수인 시간(초)을 반환합니다. [비교 함수](expression-comparison-functions.md)를 사용하면 `statetime` 함수가 사용할 변형 속성을 만들 수 있습니다. 예를 들어 `Idle` 속성(`0` 또는 `1`)이 있는 경우, `IdleTime = statetime(Idle)` 표현식을 사용하여 시간 간격당 유휴 시간을 계산할 수 있습니다. 자세한 내용은 [상태 시간 시나리오 예](#statetime-example)를 참조하세요. 이 함수는 지표 속성을 입력 변수로 지원하지 않습니다. 입력 속성의 기록에 데이터 포인트가 하나 이상 있는 경우 이 함수는 1시간 간격으로 데이터 포인트를 계산합니다. |
| `TimeWeightedAvg(x, [interpolation])` | 포인트 간 시간 간격을 두고 가중치를 적용한 입력 데이터의 평균을 반환합니다.계산 및 간격에 대한 자세한 내용은 [시간 가중 함수 파라미터](#timeweighted-parameter)를 참조하세요.선택적 인수 `interpolaton`는 문자열 상수여야 합니다.[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/iot-sitewise/latest/userguide/expression-temporal-functions.html) |
| `TimeWeightedStDev(x, [algo])` | 포인트 간 시간 간격으로 가중치를 적용한 입력 데이터의 표준 편차를 반환합니다. 계산 및 간격에 대한 자세한 내용은 [시간 가중 함수 파라미터](#timeweighted-parameter)를 참조하세요. 계산에서는 데이터 포인트 간 간격에 대해 마지막으로 관찰된 캐리 포워드 계산 알고리즘을 사용합니다. 이 접근 방식에서는 데이터 포인트가 다음 입력 데이터 포인트 타임스탬프까지 마지막으로 관측된 값으로 계산됩니다. 가중치는 데이터 포인트 또는 창 경계 사이의 시간 간격(초)으로 계산됩니다. 선택적 인수 `algo`는 문자열 상수여야 합니다. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/iot-sitewise/latest/userguide/expression-temporal-functions.html) 다음과 같은 경우 계산에 다음 공식이 사용됩니다. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/iot-sitewise/latest/userguide/expression-temporal-functions.html) 모집단 표준 편차 방정식: ![\[모집단 표준 편차 방정식입니다.\]](http://docs.aws.amazon.com/ko_kr/iot-sitewise/latest/userguide/images/timeweightedstdev1.png) 빈도 표준 편차 방정식: ![\[빈도 표준 편차의 방정식입니다.\]](http://docs.aws.amazon.com/ko_kr/iot-sitewise/latest/userguide/images/timeweighted-frequency-stdev.png) |
다음 다이어그램은가 현재 시간 간격을 기준으로 시간 함수 `first`, `last``latest`, `earliest`및를 AWS IoT SiteWise 계산하는 방법을 보여줍니다.
![\[AWS IoT SiteWise 시간 함수는 타임스탬프를 기반으로 데이터 포인트를 반환합니다.\]](http://docs.aws.amazon.com/ko_kr/iot-sitewise/latest/userguide/images/sitewise-temporal-functions.png)
**참고**
`first(x)`, `last(x)`의 시간 범위는 (현재 기간 시작, 현재 기간 종료]입니다.
`latest(x)`의 시간 범위는 (시간 시작, 현재 기간 종료]입니다.
`earliest(x)`의 시간 범위는 (시간 시작, 이전 기간 종료]입니다.
**시간 가중 함수 파라미터**
집계 기간에 대해 계산된 시간 가중 함수는 다음 사항을 고려합니다.
+ 기간 내부의 데이터 포인트
+ 데이터 포인트 간 시간 간격
+ 기간 전의 마지막 데이터 포인트
+ 기간 뒤의 첫 번째 데이터 포인트(일부 알고리즘의 경우)
**용어:**
+ **잘못된 데이터 포인트** - 품질이 좋지 않거나 숫자 값이 아닌 모든 데이터 포인트. 이는 기간 결과 계산에서 고려되지 않습니다.
+ **잘못된 간격** - 잘못된 데이터 지점 이후의 간격입니다. 알려진 첫 번째 데이터 지점 이전의 간격도 잘못된 간격으로 간주됩니다.
+ **양호한 데이터 포인트** - 품질이 우수하고 수치 값이 있는 모든 데이터 포인트.
**참고**
AWS IoT SiteWise 는 변환 및 지표를 계산할 때만 `GOOD` 품질 데이터를 사용합니다. `UNCERTAIN` 및 `BAD` 데이터 포인트를 무시합니다.
알려진 첫 번째 데이터 포인트 이전의 간격은 **잘못된 간격**으로 간주됩니다. 자세한 정보는 [공식 표현식 튜토리얼](expression-tutorials.md)을 참조하세요.
마지막으로 알려진 데이터 포인트 이후의 간격은 무기한 계속되므로 이후의 모든 기간에 영향을 미칩니다. 새 데이터 포인트가 도착하면 함수는 간격을 다시 계산합니다.
위 규칙에 따라 기간 집계 결과가 계산되고 기간 경계로 제한됩니다. 기본적으로 함수는 전체 기간의 **간격이 적절한** 경우에만 기간 결과를 전송합니다.
기간의 **적절한 간격**이 기간 길이보다 작은 경우 함수는 기간을 전송하지 않습니다.
기간 결과에 영향을 미치는 데이터 포인트가 변경되면 함수는 데이터 포인트가 기간 외부에 있더라도 기간을 다시 계산합니다.
입력 속성의 기록에 데이터 요소가 하나 이상 있고 계산이 시작된 경우 함수는 시간 간격마다 시간 가중 집계 함수를 계산합니다.
**Example 상태 시간 시나리오 예**
다음 속성을 가진 자산이 있는 예를 고려하세요.
+ `Idle` - `0` 또는 `1`인 측정입니다. 값이 `1`이면 머신이 유휴 상태입니다.
+ `Idle Time` - 공식 `statetime(Idle)`를 사용하여 1분 간격으로 머신이 유휴 상태인 시간(초)을 계산하는 지표입니다.
`Idle` 속성은 다음과 같은 데이터 포인트를 갖습니다.
| | | | | | |
| --- |--- |--- |--- |--- |--- |
| 타임스탬프 | 2:00:00 PM | 2:00:30 PM | 2:01:15 PM | 2:02:45 PM | 2:04:00 PM |
| Idle | 0 | 1 | 1 | 0 | 0 |
AWS IoT SiteWise 는 값에서 1분마다 `Idle Time` 속성을 계산합니다`Idle`. 이 계산이 완료되면 `Idle Time` 속성은 다음과 같은 데이터 포인트를 갖습니다.
| | | | | | |
| --- |--- |--- |--- |--- |--- |
| 타임스탬프 | 2:00:00 PM | 2:01:00 PM | 2:02:00 PM | 2:03:00 PM | 2:04:00 PM |
| Idle Time | 해당 사항 없음 | 30 | 60 | 45 | 0 |
AWS IoT SiteWise 는 1분마다 다음과 같은 계산`Idle Time`을 수행합니다.
+ 2:00 PM(1:59 PM \$1 2:00 PM)
+ 2:00 PM 이전에는 `Idle`에 대한 데이터가 없으므로 데이터 포인트가 계산되지 않습니다.
+ 2:01 PM(2:00 PM \$1 2:01 PM)
+ 2:00:00 PM에 머신이 활성 상태입니다(`Idle`이 `0`임).
+ 2:00:30 PM에 머신이 유휴 상태입니다(`Idle`가 `1`임).
+ `Idle`은 2:01:00 PM에 간격이 끝나기 전에 다시 변경되지 않으므로 `Idle Time`은 30초입니다.
+ 2:02 PM(2:01 PM \$1 2:02 PM)
+ 2:01:00 PM에 머신이 유휴 상태입니다(2:00:30 PM의 마지막 데이터 포인트에 따라).
+ 2:01:15 PM에 머신이 유휴 상태입니다.
+ `Idle`은 2:02:00 PM에 간격이 끝나기 전에 다시 변경되지 않으므로 `Idle Time`은 60초입니다.
+ 2:03 PM(2:02 PM \$1 2:03 PM)
+ 2:02:00 PM에 머신이 유휴 상태입니다(2:01:15 PM의 마지막 데이터 포인트에 따라).
+ 2:02:45 PM에 머신이 활성 상태입니다.
+ `Idle`은 2:03:00 PM에 간격이 끝나기 전에 다시 변경되지 않으므로 `Idle Time`은 45초입니다.
+ 2:04 PM(2:03 PM \$1 2:04 PM)
+ 2:03:00 PM에 머신이 유휴 상태입니다(2:02:45 PM의 마지막 데이터 포인트에 따라).
+ `Idle`은 2:04:00 PM에 간격이 끝나기 전에 다시 변경되지 않으므로 `Idle Time`은 0초입니다.
**Example TimeWeightedAvg 및 TimeWeightedStDev 시나리오의 예**
다음 표에는 이러한 1분 기간 지표 `Avg(x), TimeWeightedAvg(x), TimeWeightedAvg(x, "linear"), stDev(x), timeWeightedStDev(x), timeWeightedStDev(x, 'p')`에 대한 샘플 입력 및 출력이 나와 있습니다.
1분 집계 기간에 대한 샘플 입력:
이러한 데이터 포인트의 품질은 모두 `GOOD`입니다.
| | |
| --- |--- |
| 03:00:00 | 4.0 |
| 03:01:00 | 2.0 |
| 03:01:10 | 8.0 |
| 03:01:50 | 20.0 |
| 03:02:00 | 14.0 |
| 03:02:05 | 10.0 |
| 03:02:10 | 3.0 |
| 03:02:30 | 20.0 |
| 03:03:30 | 0.0 |
집계 결과 출력:
없음 - 이 기간에 대한 결과가 생성되지 않았습니다.
| Time | `Avg(x)` | `TimeWeightedAvg(x)` | `TimeWeightedAvg(X, "linear")` | `stDev(X)` | `timeWeightedStDev(x)` | `timeWeightedStDev(x, 'p')` |
| --- | --- | --- | --- | --- | --- | --- |
| 3:00:00 | 4 | 없음 | 없음 | 0 | 없음 | 없음 |
| 3:01:00 | 2 | 4 | 3 | 0 | 0 | 0 |
| 3:02:00 | 14 | 9 | 13 | 6 | 5.430610041581775 | 5.385164807134504 |
| 3:03:00 | 11 | 13 | 12.875 | 8.54400374531753 | 7.724054437220943 | 7.659416862050705 |
| 3:04:00 | 0 | 10 | 2.5 | 0 | 10.084389681792215 | 10 |
| 3:05:00 | 없음 | 0 | 0 | 없음 | 0 | 0 |
## 변환에서 시간 함수 사용
[변환](transforms.md)의 경우에만 `pretrigger()` 함수를 사용하여 현재 변환 계산을 시작한 속성 업데이트 이전에 변수에 대한 `GOOD` 품질 값을 검색할 수 있습니다.
제조업체가를 사용하여 시스템 상태를 AWS IoT SiteWise 모니터링하는 예를 생각해 보십시오. 제조업체는 다음 측정값과 변환을 사용하여 프로세스를 나타냅니다.
+ 측정값 `current_state`는 0 또는 1이 될 수 있습니다.
+ 머신이 청소 상태인 경우, `current_state`는 1과 같습니다.
+ 머신이 제조 상태인 경우 `current_state`는 0과 같습니다.
+ `if(pretrigger(current_state) == 1, timestamp(current_state) - timestamp(pretrigger(current_state)), none)`와 동일한 변환 `cleaning_state_duration`입니다. 이 변환은 머신이 청소 상태에 있었던 시간을 초 단위의 Unix epoch 형식으로 반환합니다. 자세한 내용은 [수식 표현식에서 조건부 함수 사용](expression-conditional-functions.md) 및 [timestamp()](expression-date-and-time-functions.md) 함수를 참조하세요.
머신이 예상보다 오래 청소 상태로 유지되는 경우 제조업체에서 머신을 조사할 수 있습니다.
또한 `pretrigger()` 함수를 다변량 변환에서 사용할 수 있습니다. 예를 들어, 이름이 `x` 및 `y`인 측정값 두 개와 `z`와 같은 변환 `x + y + pretrigger(y)`가 있다고 가정해 보겠습니다. 다음 표에는 오전 9시부터 오전 9시 15분까지의 `x`, `y`, `z`에 대한 값이 나와 있습니다.
**참고**
이 예에서는 측정값이 시간순으로 도착한다고 가정합니다. 예를 들어 오전 9시의 `x` 값이 오전 9시 5분의 `x` 값보다 먼저 도착합니다.
오전 9시 5분의 데이터 포인트가 오전 9시의 데이터 포인트보다 먼저 도착하는 경우 `z`는 오전 9시 5분에 계산되지 않습니다.
오전 9시 5분의 `x` 값이 오전 9시의 `x` 값보다 먼저 도달하고 `y` 값이 시간순으로 도달하면 오전 9시 5분에 `z`는 `22 = 20 + 1 + 1`와 같습니다.
| | 오전 9시 | 오전 9시 5분 | 오전 9시 10분 | 오전 9시 15분 |
| --- | --- | --- | --- | --- |
| `x` | 10 | 20 | | 30 |
| `y` | 1 | 2 | 3 | |
| `z = x + y + pretrigger(y)` | `y`는 오전 9시 이전에는 데이터 포인트를 수신하지 않습니다. 따라서 오전 9시에 `z`는 계산되지 않습니다. | 23 = 20 \$1 2 \$1 1 `pretrigger(y)`는 1과 같습니다. | 25 = 20 \$1 3 \$1 2 `x`는 새 데이터 포인트를 받지 않습니다. `pretrigger(y)`는 2와 같습니다. | 36 = 30 \$1 3 \$1 3 `y`는 새 데이터 포인트를 받지 않습니다. 따라서 `pretrigger(y)`는 오전 9시 15분에는 3이 됩니다. |