Revise os resultados da inferência

Recupere os resultados da inferência

Últimos resultados de inferência

Execute o comando a seguir para obter o resultado de inferência mais recente para uma propriedade de ativo. Para obter mais informações, consulte get-asset-property-valueo Guia de referência de AWS CLI comandos.

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

Histórico de resultados de inferência

Execute o comando a seguir para buscar o histórico dos resultados da inferência para uma janela de tempo especificada. Para obter mais informações, consulte get-asset-property-value-history no Guia de referência de AWS CLI comandos.

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

Exemplo de resposta

exemplo de uma resposta de resultado de inferência:

{
  "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"
}

Campos de resposta

• Value.stringValue — Uma string JSON contendo o resultado da inferência com os seguintes campos:

  • timestamp — O timestamp do TQV contra o qual a inferência é realizada.

  • previsão — O resultado da previsão (0 para nenhuma anomalia, 1 para anomalia detectada).

  • prediction_reason — O motivo da previsão (NO_ANOMALY_DETECTEDou). ANOMALY_DETECTED

  • diagnósticos — Uma série de informações de diagnóstico que mostram os fatores contribuintes.

• timestamp — O timestamp quando o resultado é gravado em. AWS IoT SiteWise

• qualidade — A qualidade do ponto de dados (normalmenteGOOD).

Entenda os resultados da inferência

Um resultado de inferência retornado pela detecção de AWS IoT SiteWise anomalias inclui informações importantes sobre a previsão do modelo em um registro de data e hora específico, incluindo se uma anomalia foi detectada e quais sensores contribuíram para a anomalia.

exemplo de um resultado de inferência detalhado:

{
    "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 }
    ]
}

O diagnostics campo é útil para interpretar por que o modelo faz uma determinada previsão. Cada entrada na lista inclui:

• name: O sensor que contribuiu para a previsão (formato:asset_id\\\\property_id).

• value: um número de ponto flutuante entre 0 e 1, representando o peso relativo ou a importância desse sensor naquele momento.

Benefícios para o usuário:

• Entenda quais sensores tiveram o impacto mais forte em uma anomalia.

• Correlacione sensores de alto peso com o comportamento do equipamento físico.

• Informe a análise da causa raiz.

nota

Mesmo quando prediction = 0 (comportamento normal), a lista de diagnósticos é retornada. Isso ajuda a avaliar quais sensores estão atualmente influenciando as decisões do modelo, mesmo em estados saudáveis.