Rivedi i risultati dell'inferenza

Recupera i risultati dell'inferenza

Ultimi risultati di inferenza

Eseguite il comando seguente per recuperare il risultato di inferenza più recente per una proprietà dell'asset. Per ulteriori informazioni, consultate la get-asset-property-valueGuida di riferimento ai AWS CLI comandi.

aws iotsitewise get-asset-property-value \
    —asset-id asset-id \
    —property-id result-property-id

Cronologia dei risultati di inferenza

Esegui il comando seguente per recuperare la cronologia dei risultati dell'inferenza per una finestra temporale specificata. Per ulteriori informazioni, vedere get-asset-property-value-history nella AWS CLI Command Reference Guide.

aws iotsitewise get-asset-property-value-history \
    —asset-id asset-id \
    —property-id result-property-id \
    —start-date start-time \
    —end-date end-time

Example response

Esempio di una risposta al risultato di inferenza:

{
  "value": {
    "stringValue": "{\"timestamp\": \"2025-02-10T22:42:00.000000\", \"prediction\": 0, \"prediction_reason\": \"NO_ANOMALY_DETECTED\", \"diagnostics\": [{\"name\": \"asset-id\\\\property-id\", \"value\": 0.53528}]}"
  },
  "timestamp": {
    "timeInSeconds": 1739227320,
    "offsetInNanos": 0
  },
  "quality": "GOOD"
}

Campi di risposta

• value.stringValue — Una stringa JSON contenente il risultato dell'inferenza con i seguenti campi:

  • timestamp — Il timestamp del TQV rispetto al quale viene eseguita l'inferenza.

  • previsione: il risultato della previsione (0 per nessuna anomalia, 1 per l'anomalia rilevata).

  • prediction_reason — Il motivo della previsione (o). NO_ANOMALY_DETECTED ANOMALY_DETECTED

  • diagnostica: una serie di informazioni diagnostiche che mostrano i fattori che contribuiscono.

• timestamp: il timestamp in cui viene registrato il risultato in. AWS IoT SiteWise

• qualità: la qualità del punto dati (in genere). GOOD

Comprendi i risultati dell'inferenza

Un risultato di inferenza restituito dal rilevamento delle AWS IoT SiteWise anomalie include informazioni chiave sulla previsione del modello in un determinato timestamp, tra cui se è stata rilevata un'anomalia e quali sensori hanno contribuito all'anomalia.

Esempio di un risultato di inferenza dettagliato:

{
    "timestamp": "2021-03-11T22:25:00.000000",
    "prediction": 1,
    "prediction_reason": "ANOMALY_DETECTED",
    "anomaly_score": 0.72385,
    "diagnostics": [
      { "name": "asset_id_1\\\\property_id_1", "value": 0.02346 },
      { "name": "asset_id_2\\\\property_id_2", "value": 0.10011 },
      { "name": "asset_id_3\\\\property_id_3", "value": 0.11162 }
    ]
}

Il diagnostics campo è utile per interpretare il motivo per cui il modello effettua una determinata previsione. Ogni voce dell'elenco include:

• name: Il sensore che ha contribuito alla previsione (formato:asset_id\\\\property_id).

• value: Un numero a virgola mobile compreso tra 0 e 1, che rappresenta il peso o l'importanza relativa di quel sensore in quel momento.

Vantaggi per l'utente:

• Scopri quali sensori hanno avuto il maggiore impatto su un'anomalia.

• Correla i sensori ad alto peso con il comportamento fisico delle apparecchiature.

• Informa l'analisi delle cause alla radice.

Nota

Anche quando prediction = 0 (comportamento normale), viene restituito l'elenco di diagnostica. Questo aiuta a valutare quali sensori stanno attualmente influenzando le decisioni del modello, anche in condizioni di salute.