高级推理配置 - AWS IoT SiteWise
高频推理（5 分钟 — 1 小时）低频推理（2 小时 — 1 天）灵活的日程安排模型版本激活检查模型版本

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

高级推理配置

AWS IoT SiteWise 允许客户配置根据其运营需求量身定制的模型推理计划。

推理调度大致分为三种模式：

高频推理（5 分钟 — 1 小时）

此模式非常适合连续运行或传感器值变化率高的过程。在此配置中，推理的频率为每 5 分钟运行一次。

用例：

  • 它用于监控快速变化的设备，例如压缩机或输送机。

  • 它有助于发现需要立即做出反应的短暂异常。

  • 这是一种永远在线的操作，数据持续流动。

条件偏移支持：

您可以定义一个条件偏移量（0-60 分钟），以便在数据摄取后延迟推理。这样可以确保晚到的数据仍包含在分析窗口中。

要配置高频推理，请执行以下操作：

  • 在开始推理PT5M, PT10M, PT15M, PT30M, PT1H时，DataUploadFrequency使用值配置AWS/ANOMALY_DETECTION_INFERENCE动作负载值：。

  • （可选）DataDelayOffsetInMinutes使用延迟偏移量（以分钟为单位）进行配置。将此值设置在 0 到 60 分钟之间。

{
    "inferenceMode": "START",
    "dataDelayOffsetInMinutes": "DataDelayOffsetInMinutes",
    "dataUploadFrequency": "DataUploadFrequency"
}
例 的高频推理配置：
{
    "inferenceMode": "START",
    "dataDelayOffsetInMinutes": "2",
    "dataUploadFrequency": "PT5M"
}

低频推理（2 小时 — 1 天）

此模式适用于进展缓慢的流程或每日评估足够多的用例。客户将推理配置为每小时运行一次或每天运行一次。

支持 1 天间隔的开始时间：

对于每日推理，可以选择指定 startTime（每天上午 8 点）以及时区感知能力。

时区支持：

如果提供 a，startTime则 AWS IoT SiteWise 使用由互联网号码分配机构 (IANA) 维护的时区数据库。这样可以确保您的推断与当地工作时间保持一致，即使跨地区也是如此。

条件偏移支持：

与其他模式一样，将条件偏移配置为 0 — 60 分钟。

用例：

  • 对批处理或基于轮班的操作进行每日运行状况检查。

  • 避免在维护或停机期间进行推理。

  • 它在资源受限的环境中很有用，在这种环境中，必须最大限度地减少计算使用量。

要配置低频推理，请执行以下操作：

  • 使用以下值配置AWS/ANOMALY_DETECTION_INFERENCE操作负载值：PT2H..PT12H。DataUploadFrequency

    • 在 1 天的情况下，DataUploadFrequency是P1D。

  • （可选）DataDelayOffsetInMinutes使用延迟偏移量（以分钟为单位）进行配置。将此值设置在 0 到 60 分钟之间。

例 的低频推理配置：
{
    "inferenceMode": "START",
    "dataUploadFrequency": "P1D",
    "inferenceStartTime": "13:00",
    "inferenceTimeZone": "America/Chicago"
}

灵活的日程安排

灵活的日程安排允许客户定义特定的日期和时间范围，在此期间进行推理。这使客户可以根据生产时间、轮班时间和计划停机时间完全控制排程。

在以下weeklyOperatingWindow情况下会有所帮助：

  • 设备仅在特定时间（上午 8 点至下午 4 点）运行。

  • 周末没有制作。

  • 每日维护是在已知的时间段内进行的。

时区支持：

如果提供 a，startTime则 AWS IoT SiteWise 使用由互联网号码分配机构 (IANA) 维护的时区数据库。这样可以确保推理与当地工作时间保持一致，即使跨地区也是如此。

条件偏移支持：

与其他模式一样，可以将 0 — 60 分钟的条件偏移量配置为 0 — 60 分钟。

以下好处weeklyOperatingWindow：

  • 它可以避免在闲置或维护期间进行推理，从而减少误报。

  • 它使异常检测与操作优先级和基于轮班的工作流程保持一致。

要配置灵活的计划，请执行以下操作：

  • 使用配置AWS/ANOMALY_DETECTION_INFERENCE操作负载值DataUploadFrequency。

  • （可选）DataDelayOffsetInMinutes延迟偏移量以分钟为单位。将此值设置在 0 到 60 分钟之间。

  • weeklyOperatingWindow使用轮班配置进行配置：

    • 的密钥weeklyOperatingWindow是一周中的几天:monday|tuesday|wednesday|thursday|friday|saturday|sunday.

    • 每个时间范围必须采用 24 小时格式，如 "HH:MM-HH:MM" ("08:00-16:00")。

    • 每天可以指定多个范围。

例 灵活的调度配置：
{
    "inferenceMode": "START",
    "dataUploadFrequency": "PT5M",
    "weeklyOperatingWindow": {
      "tuesday": ["11:00-13:00"],
      "monday": ["10:00-11:00", "13:00-15:00"]
    }
}

模型版本激活

开始推理时，您可以选择激活特定的模型版本以用于异常检测。此功能允许您选择经过训练的特定模型版本、回滚到以前的版本或覆盖自动模型升级决策。

使用案例：

  • 生产回滚：当当前版本显示性能下降或出现意外行为时，可以快速恢复到稳定的模型版本。

  • A/B 测试：通过在受控时间段内在不同模型版本之间切换，比较不同模型版本之间的性能。

  • 手动选择模型：忽略自动促销决策，并根据业务需求手动选择您的首选模型版本。

  • 分阶段部署：在非关键时间窗口内测试较新的型号版本，然后再将其提升为全面生产使用。

  • 性能优化：选择在特定操作条件或季节模式下性能更好的模型版本。

  • 维护期间回滚：在系统维护或升级期间使用经过充分测试的旧型号版本以确保稳定性。

模型版本选择行为

何targetModelVersion时指定：

  • 系统激活请求的模型版本进行推理。

  • 验证指定的模型版本是否存在。

  • 覆盖所有自动促销设置。

targetModelVersion未指定何时：

  • 如果之前已开始推理，则激活最后一个活跃的模型版本。

  • 如果推理从未激活，则使用经过训练的最新模型版本。

要激活特定的模型版本，请执行以下操作：

  • 配置推理操作有效负载，将其 targetModelVersion 设置为所需的模型版本号。

  • 如果存在指定的模型版本，则会对其进行验证和激活。

例 模型版本的激活情况：
{
    "inferenceMode": "START",
    "dataUploadFrequency": "PT15M",
    "targetModelVersion": 2
}

检查模型版本

要验证当前处于活动状态的模型版本，请执行以下操作：

要查看所有可用的型号版本，请执行以下操作：

  • 使用 ListExecutionsAPI 检索历史模型版本的完整列表。

  • 使用 Use the DescribeExecutionAPI 检索经过训练的模型信息，包括导出数据时间范围、计算模型版本和计费时长（以分钟为单位）。

模型版本特征

  • 模型版本号从 1 开始按顺序分配。

  • 您可以激活任何之前训练过的模型版本。

  • 激活的模型版本会一直保留，直到明确更改。

  • 模型版本激活适用于所有推理调度模式（高频、低频和灵活）。

  • 如果指定的模型版本不存在，则推理操作将失败并显示错误。