AWS IoT SiteWise unterstützt jetzt die Umschulung von Anomalieerkennungsmodellen
Heute kündigte AWS neue Funktionen für die native Anomalieerkennung in AWS IoT SiteWise an. Diese Version umfasst automatisierte Modellumschulung, flexible Aufstiegsmodi und offengelegte Modellmetriken, die alle darauf ausgelegt sind, das Feature zur Erkennung von Anomalien zu verbessern.
Dank der automatischen Umschulung können Modelle automatisch nach einem Zeitplan von mindestens 30 Tagen bis maximal einem Jahr neu trainiert werden, sodass Modelle nicht mehr manuell neu trainiert werden müssen. Diese Funktion stellt sicher, dass die Modelle hinsichtlich sich ändernder Gerätebedingungen oder Konfigurationen auf dem neuesten Stand bleiben und so im Laufe der Zeit eine optimale Leistung aufrechterhalten.
Darüber hinaus bieten flexible Aufstiegsmodi den Kunden die Wahl zwischen servicegesteuertem und kundenverwaltetem Modellaufstieg. Durch automatischen Aufstieg kann AWS IoT SiteWise das Modell mit der besten Leistung ohne Eingreifen des Kunden evaluieren und einen Aufstieg ausführen. Bei manuellem Aufstieg können Kunden umfassende, exponierte Modellkennzahlen – einschließlich Präzision, Rückruf und Area Under the ROC Curve (AUC) – überprüfen, bevor sie entscheiden, welche Modellversion aktiviert werden soll. Diese Flexibilität ermöglicht die Wahl zwischen einem vollautomatischen oder einem menschlichen Überwachungsansatz.
Die multivariate Anomalieerkennung ist in den AWS-Regionen USA Ost (Nord-Virginia), Europa (Irland) und Asien-Pazifik (Sydney) verfügbar, in denen AWS IoT SiteWise angeboten wird. Weitere Informationen finden Sie im Launch-Blog und im Benutzerhandbuch.