Funzioni integrate

Le funzioni integrate sono disponibili dal catalogo delle funzioni. È possibile utilizzare queste funzioni nei calcoli per gli avvisi, la raccolta dei dati, la ripulitura dei dati, il filtraggio dei dati, la trasformazione dei dati, il riepilogo dei dati, il rilevamento delle anomalie, la gestione dei dati o la risoluzione dei problemi.

Le funzioni integrate sono disponibili dal catalogo delle funzioni. Il catalogo contiene anche tutte le funzioni personalizzate che sono state create e registrate con Maximo® Monitor. Per visualizzare il codice di Python della funzione, vedere la classe della funzione nel modulo bif.py di IoT Functions. Funzioni integrate del modulo bif.py in IoT Le funzioni sono registrate di default.

In Maximo Monitor 8.10 e successive, le metriche dei dati in streaming supportano funzioni personalizzate solo per i modelli ONNX.

In Maximo Monitor 8.9, le metriche dei dati in streaming non supportano le funzioni personalizzate.

Nota: a partire dal Maximo Monitor, le metriche dei dati in streaming non sono più disponibili. La documentazione fornita per le metriche dei dati in streaming si applica solo a Maximo Monitor 9.0 e alle versioni precedenti. Provate a utilizzare le metriche dei dati batch. Per ulteriori informazioni, vedere Creazione di metriche dati batch o streaming.

Tabella 1. Funzioni integrate
Nome	Tipo	Finalità	Metriche supportate	Descrizione
AggregateTimeInState	Transformer	Trasforma	Metriche dei dati batch	Calcolare la quantità aggregata di tempo che un dispositivo trascorre in uno stato specifico. Per esempio, calcolare il numero totale di secondi che un dispositivo è offline al giorno. Utilizzare l'uscita della funzione PrepareTimeInState per specificare cosa viene considerato un cambiamento di stato per un dispositivo. Per ulteriori informazioni, vedere Esercitazione: Calcolo del tempo trascorso in uno stato specifico.
AggregateWithCalculation	Transformer	Trasforma	Metriche dei dati batch	Creare un'aggregazione utilizzando un'espressione su un elemento di dati.
AggregateWithExpression	Transformer	Trasforma	Metriche dei dati batch	Creare un'aggregazione utilizzando un'espressione. Il calcolo viene valutato per ciascun elemento dati selezionato. L'elemento dati risultante è disponibile come serie di panda. Fare riferimento alla serie di pandas utilizzando la variabile locale "x". L'espressione deve restituire un valore scalare, ad esempio x.max() - x.min()
AnomalyDetector	Transformer	Rilevatore di anomalie	Questa funzione non è disponibile in Maximo Monitor 8.9 o successive.	Prevedere il valore di uno o più elementi dati in base ai valori delle variabili dipendenti. La funzione utilizza un modello di regressione per imparare come le variabili dipendenti influenzano le variabili tagert. La funzione segnala un'anomalia ogni volta che il comportamento di una variabile target non è coerente con il suo comportamento previsto, dato dai valori correnti delle sue variabili dipendenti. L'output della funzione include i valori previsti e gli avvisi per ogni valore previsto. Quando si configura la funzione, selezionare le variabili i cui valori si desidera prevedere negli obiettivi. Selezionare le variabili dipendenti nelle funzioni. Impostare un valore di soglia assoluto in soglia. Per ulteriori informazioni, vedere Rilevamento delle anomalie.
AnomalyGeneratorExtremeValue	Transformer	Simulatore di anomalia	Metriche dei dati batch	Prendere una voce dati in ingresso e sostituire alcuni punti dati con valori estremi ad esso per simulare le anomalie. Ad esempio, aggiungere alcuni valori estremi alla voce dati di temperatura per creare un articolo di output temperature_with_extremes. Prova alcuni dei rilevatori di anomalie dal catalogo sull'output. Nel campo input_item, scegliere la metrica che si desidera utilizzare come base per la metrica simulata. Nel campo del fattore, specificare con quanta frequenza si desidera aggiungere un valore estremo. Nel campo delle dimensioni, specificare quanto estremo si desidera che il valore simulato sia. Per ulteriori informazioni, vedere Simulazione di anomalie.
AnomalyGeneratorFlatline	Transformer	Simulatore di anomalia	Metriche dei dati batch	Prendere una voce dati di input e alterare i valori per simulare alcune condizioni di flatline. Ad esempio, aggiungere alcune condizioni di flatline alla voce dati di temperatura per creare un articolo di output temperature_with_flatlines. Prova alcuni dei rilevatori di anomalie dal catalogo sull'output. Nel campo input_item, scegliere la metrica che si desidera utilizzare come base per la metrica simulata. Nel campo del fattore, specificare quanto frequentemente si desidera aggiungere condizioni flatline. Nel campo della larghezza, specificare quanto deve essere ampia ogni condizione di flatline. Per ulteriori informazioni, vedere Simulazione di anomalie.
AnomalyGeneratorNoData	Transformer	Simulatore di anomalia	Metriche dei dati batch	Prendere una voce dati di input e alterare i valori per simulare alcune condizioni in cui non si vedono dati. Ad esempio, aggiungere alcune lacune alla voce dati di temperatura per creare un articolo di output temperature_with_gap. Provare il rilevatore NoDataAnomalyScore dal catalogo sull'output per rilevare le lacune. Nel campo input_item, scegliere la metrica che si desidera utilizzare come base per la metrica simulata. Nel campo del fattore, specificare con quanta frequenza si desidera aggiungere lacune al dataset Nel campo della larghezza, specificare quanto deve essere ampio ogni divario. Per ulteriori informazioni, vedere Simulazione di anomalie.
ActivityDuration	Origine dati	Raccogli dati	Metriche dei dati batch	Importare i dati da una tabella di attività e unirlo con i dati nel lago dati. Ad esempio, si potrebbero memorizzare informazioni relative all'attività di manutenzione programmata in una tabella di attività nel lago dati. Quando si configura la funzione, specificare il nome della tabella, ad esempio, l'attività di manutenzione. Specificare uno o più codici di attività, ad esempio scheduled_maint, unscheduled_maint, firmware_upgrade, testing. Nota: La tabella deve includere le seguenti colonne: codice attività data di inizio data di fine IDDispositivo La funzione restituisce una durata di attività per ogni codice di attività. Per ulteriori informazioni, vedere Aggiunta di dati da altre fonti.
AlertExpression	Transformer	Avviso	Metriche dei dati batch Metriche di dati in streaming	Per ulteriori informazioni, vedere Avvisi.
AlertLowValue	Transformer	Avviso	Metriche dei dati batch Metriche di dati in streaming	Per ulteriori informazioni, vedere Avvisi.
AlertHighValue	Transformer	Avviso	Metriche dei dati batch Metriche di dati in streaming	Per ulteriori informazioni, vedere Avvisi.
AlertOutOfRange	Transformer	Avviso	Metriche dei dati batch Metriche di dati in streaming	Per ulteriori informazioni, vedere Avvisi.
ArithmeticOperator	Transformer	Operatore	Metriche di dati in streaming	Applica l'operatore specificato ai campi.
coalesce	Transformer	Filtro	Metriche dei dati batch	Restituisce il primo valore non nullo di un elenco di dati.
CoalesceDimension	Transformer	Filtro	Metriche dei dati batch	Restituisce il primo valore non nullo di un elenco di dati.
ConditionalItems	Transformer	Filtro	Metriche dei dati batch	Restituire un valore di null a meno che non venga soddisfatta una condizione. Ad esempio, se il livello di temperatura è maggiore di 40 ritorno nullo, altrimenti restituire il valore della temperatura. Definire l'espressione condizionale utilizzando la sintassi pandas. Nel campo conditional_expression, inserire: ` df [ 'temperatura']> 40 `
Conteggio	Aggregatore	Riepilogo	Metriche dei dati batch Streaming delle metriche di dati solo per gli input numerici	Conta il numero di valori per l'articolo di dati specificato. Quando si configura la funzione, specificare l'articolo dati da contare nel campo di origine. Facoltativamente, specificare che un numero specifico di valori deve esistere prima di eseguire il conteggio. Ad esempio, se si imposta min_count a 5, viene eseguito un conteggio se ci sono almeno cinque valori non impostati su N / A. Il valore predefinito è 1.
COPODAnomalyScoreJava	Analisi COPOD	Tutti	Metriche di dati in streaming	Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
DatabaseLookup	Origine dati	Raccogli dati	Metriche dei dati batch	Eseguire una ricerca su dati varianti non di tempo in una tabella nel lago dati. Quando si configura la funzione, specificare il nome della tabella, gli elementi da ricercare e il valore chiave che assota gli elementi dati per il tipo di dispositivo ai dati presenti nella tabella. Ad esempio, è possibile ricercare EmployeeCount e Country da una tabella Company e utilizzare il campo country_code come chiave. Per ulteriori informazioni, vedere Aggiunta di dati da altre fonti.
DataQualityChecks	Aggregatore	Rilevatore di anomalie	Metriche dei dati batch	Eseguire l'analisi della qualità dei dati sui dati di input. Stabilire se i dati di input dei vostri sensori hanno problemi di qualità che potrebbero influenzare la qualità dei dati nei calcoli a valle. Quando si configura la funzione, selezionare la serie temporale che si desidera controllare in 'input_item' e selezionare i controlli di qualità dei dati da eseguire. I controlli sono raggruppati per il loro tipo di dati di output. Le opzioni sono: Stationarity: Controlli se le proprietà statistiche del segnale della serie temporale, per esempio, la media, la varianza, sono stazionarie. Alcuni modelli di previsione richiedono che le proprietà statiche dei dati di input siano costanti. I valori di output sono: Stazionario: i dati possono essere modellati o preclusi. Non fermo: i dati non possono essere modellati o preclusi. Trend stazionario: se stimate e rimuovete l'andamento sottostante, i dati saranno fermi. Differenza stazionario: se si applicano tecniche di differenziazione ai dati, i dati saranno fermi. Entropia di esempio: controlla il livello di complessità nel segnale. Un valore vicino a zero dimostra che la serie ha dei pattern ripetiti e ha una complessità minimale. Valore costante: Controlli se la serie è bloccata su un valore costante. Bloccato a zero: Controlli se la serie è bloccata a zero. Rumore bianco: Controlli se la serie è casuale. Per ulteriori informazioni, vedere Rilevamento delle anomalie.
DateDifference	Transformer	Trasforma	Metriche dei dati batch	Calcolare la differenza tra due date in giorni. Ad esempio, se si configura uno shift start_date e un end_data di spostamento, utilizzare questa funzione per calcolare il numero di giorni di turno. Nota: Data / ora viene utilizzato se non viene specificato alcun dato.
DateDifferenceConstant	Transformer	Trasforma	Questa funzione non è disponibile in Maximo Monitor 8.9 o successive.	Calcolare la differenza tra due date in giorni, dove si specifica una delle date utilizzando una costante. Ad esempio, si potrebbe voler tracciare il numero di giorni fino ad una data di chiusura pianificata. Quando si configura la funzione, selezionare evt_timestamp in date_1 e specificare la costante planned_shutdown nel campo date_costante. Nota: Per date_1, la registrazione data / ora viene utilizzata se non viene specificata alcuna data.
DateDifferenceReference	Transformer	Trasforma	Questa funzione non è disponibile in Maximo Monitor 8.9 o successive.	Calcolare la differenza tra due date in giorni, in cui una delle date è specificata utilizzando un elemento dati e gli altri dati vengono specificati utilizzando un dato di riferimento nel formato DD/MM/YYYY hh:mm. Ad esempio, si potrebbe voler tracciare il numero di giorni fino a una data di chiusura prevista il 24 ottobre alle ore 13.00. Quando si configura la funzione, selezionare evt_timestamp in date_1 e impostare la data di riferimento a 2 4 / 1 0 / 2 0 1 9 9 13.00. Nota: Per date_1, la registrazione data / ora viene utilizzata se non viene specificata alcuna data.
DeleteInputData	Transformer	gestisci	Metriche dei dati batch	Rimuovere i valori che sono più vecchi di un determinato numero di giorni dagli elementi dati. Utilizza questa funzione per ripulire i tuoi dati. Quando si configura la funzione, selezionare uno o più elementi di dati da ripulire da dummy_items. Specificare il numero di giorni di dati da rimuovere nel campo older_than_days. Ad esempio, per rimuovere i valori superiori a 100 giorni per un articolo di dati che si chiama average_speed, impostare older_than_days su 100 e impostare dummy_itmes su average_speed.
DistinctCount	Aggregatore	Riepilogo	Metriche dei dati batch	Conta il numero di valori discreti per gli elementi dati specificati. Quando si configura la funzione, specificare l'articolo dati da contare nel campo di origine. Facoltativamente, specificare che un numero specifico di valori deve esistere prima di eseguire il conteggio. Ad esempio, se si imposta min_count a 5, viene eseguito un conteggio distinto se ci sono almeno cinque valori non impostati su N / A. Il valore predefinito è 1.
DropNull	Transformer	Pulire	Metriche dei dati batch	Eliminare tutte le righe che hanno valori nulli. Applicare a tutti gli elementi di dati di un tipo di dispositivo. Specificare quali elementi dati si desidera escludere da questa azione.
EntityDataGenerator	Transformer	Simula	Metriche dei dati batch	Creare periferiche di esempio utilizzando gli ID periferica specificati. Generare dati casuali per gli elementi di dati della serie temporale. Limitazione: è possibile utilizzare la funzione solo con i tipi di periferica di esempio. Generare dati casuali dove le colonne già esistono. Quando si configura la funzione, specificare gli ID del dispositivo nel campo degli id. Ad esempio: `73000, 73001, 73002, 73003, 73004` Nel campo dei parametri, specificare i dati della serie temporale da aggiungere e la sua frequenza. È possibile rilasciare tabelle di input esistenti e generare nuovi dati per ogni esecuzione della funzione. Ad esempio: `{ "freq": "5min", "data_item_mean": { "torque": 12, "load": 375, "load_rating": 400, "speed": 3, "travel_time": 1, "cost": 22 }, "drop_existing": true }`
EntityFilter	Transformer	Filtro	Metriche dei dati batch	Filtrare i calcoli dell'articolo dati per richiamare i dati solo per le entità specificate. Ad esempio, per richiamare i dati per le entità 73000 e 73001 solo, nel campo enitity_list, inserire 73000 e 73001.
FastMCDAnomalyScoreJava	Transformer	Rilevatore di anomalie	Metriche di dati in streaming	Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
FFTbasedGeneralizedAnomalyScore	Transformer	Rilevatore di anomalie	Metriche dei dati batch	Le metriche dei dati batch possono anche utilizzare la funzione `FFTbasedGeneralizedAnomalyScoreV2` . Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
Filtro	Transformer	Filtro	Metriche dei dati batch	Filtra gli elementi dei dati utilizzando un'espressione Python . Definire l'espressione utilizzando la sintassi pandas. Fare riferimento ad un elemento dati utilizzando il formato ` df [ 'data_item'] ` nella tua espressione. Specificare gli elementi dati da tenere quando l'espressione valuta a true. Per esempio, mantenere la voce dati di velocità, quando la distanza è uguale a ` 2 `. Nel campo di espressione, specificare ` df [ 'distanza'] =2 `. Nel campo filtered_sorgenti, selezionare la velocità.
Primo	Aggregatore	Riepilogo	Metriche dei dati batch Streaming delle metriche di dati solo per gli input numerici	Identificare il primo valore per un elemento dati.
GBMRegressore	Transformer	Rilevatore di anomalie	Metriche dei dati batch	Per ulteriori informazioni, vedere Rilevatori di anomalie supervisionati.
GeneralizedAnomalyScore	Transformer	Rilevatore di anomalie	Metriche dei dati batch	Le metriche dei dati batch possono anche utilizzare la funzione `GeneralizedAnomalyScoreV2` . Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
GetEntityData	Transformer	Riepilogo	Metriche dei dati batch	Richiamare i dati delle serie temporali da un tipo entità. Fornire il nome della tabella per il tipo di entità e specificare la colonna chiave da utilizzare per l'associazione del tipo di entità di origine alla destinazione. Ad esempio, puoi aggiungere i dati del sensore di temperatura a un tipo di entità ubicazione selezionando location_id come chiave di mappatura sul tipo di entità di origine. Questa funzione è sperimentale
IdentifyShiftFromTimestamp	Transformer	Riepilogo	Metriche dei dati batch	Identifica il turno che era attivo quando i dati sono stati ricevuti utilizzando la data / ora sui dati.
IfThenElse	Transformer	Filtro	Metriche dei dati batch	Se un'espressione condizionale restituisce true, restituire il valore di un'altra espressione come valore della nuova voce dati. Nota: Nei campi di espressione è necessario specificare un'espressione piuttosto che come semplici variabili. Ad esempio, specificando `df['status']=="offline"` è valido ma semplicemente specificando `"offline"` non è valido. Esempio 1: Se la velocità è maggiore di 2, si desidera regolare il valore della velocità di un fattore di 0.9. Nel campo conditional_expression, impostare `df['speed']>2`. Nel campo true_expression, impostare `df['speed'] * 0.9`. Nella false_expression è impostato su `df['speed']`. Si potrebbe impostare il parametro di output su adjusted_speed. È necessario specificare il tipo di dati della voce dati di output. Ad esempio, per adjusted_speed, impostare il tipo di dati su numero. Esempio 2: Se la velocità è maggiore di 2, si desidera impostare una nuova voce dati, `is_running`, a True, altrimenti impostarla su False. Nel campo condiitional_expression, impostare `df['speed']>2`. Nel campo true_expression, impostare `True`. Nella false_expression, impostare `False`. Impostare il parametro di output su `is_running`. Impostare il tipo di dati su Boolean.
InvokeWatsonStudio	Transformer	Rilevatore di anomalie	Metriche dei dati batch	Sviluppare, addestrare e testare un modello di classificazione o regressione utilizzando Watson Studio. Memorizza il modello in Watson Studio o nel Maximo Monitor database. Quindi, utilizzare la funzione InvokeWatsonStudio per richiamare il modello come parte della pipeline di funzioni per valutare i dati o effettuare previsioni. Specifica i parametri di connessione al modello in Watson Studio utilizzando un documento .json . Quando si configura la funzione, selezionare gli elementi di dati da utilizzare nel proprio modello. Specificare il nome della costante globale che memorizza i parametri di connessione. Per ulteriori informazioni, consultare Modelli di formazione esterni.
IsolationForestAnomalyScoreJava	Transformer	Rilevatore di anomalie	Metriche di dati in streaming	Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
KMeansAnomalyScore	Transformer	Punteggio anomalia	Vedere la colonna Descrizione	Le metrica dei dati batch possono utilizzare anche questa funzione e la funzione `KMeansAnomalyScoreV2` . Le metriche dei dati di flusso possono utilizzare la funzione `KMeansAnomalyScoreJava` . Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
KNNKDEAnomalyScoreJava	Transformer	Punteggio anomalia	Metriche di dati in streaming	Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
Ultimo	Transformer	Riepilogo	Metriche dei dati batch Metriche di dati in streaming	Identificare l'ultimo valore per l'articolo dati specificato.
LoadTableAndConcat	Transformer	Trasforma	Metriche dei dati batch	Creare un nuovo elemento dati per espressione.
MatrixProfileAnomalyScore	Aggregatore	Riepilogo	Vedere la colonna Descrizione	Le metriche dei dati batch possono utilizzare la funzione `MatrixProfileAnomalyScore`. Le metriche dei dati di flusso utilizzano la funzione `MatrixProfileAnomalyScoreJava` . Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
Massimo	Aggregatore	Punteggio anomalia	Metriche dei dati batch Streaming delle metriche di dati solo per gli input numerici	Identificare il valore massimo per un elemento dati.
Media	Aggregatore	Riepilogo	Metriche dei dati batch Streaming delle metriche di dati solo per gli input numerici	Identificare il valore medio per un elemento dati.
Mediana	Aggregatore	Riepilogo	Metriche dei dati batch	Identificare il valore mediano per un elemento dati.
MergeByFirstValid	Transformer	Trasforma	Metriche dei dati batch	Creare avvisi che vengono attivati quando i valori dei dati raggiungono un intervallo particolare.
Minimo	Aggregatore	Riepilogo	Metriche dei dati batch Metriche di dati in streaming	Identificare il valore minimo per un elemento dati.
NewColFromCalculation	Transformer	Trasforma	Metriche dei dati batch	Creare una nuova voce dati utilizzando un'espressione pandas. Ad esempio, per creare un nuovo articolo dati a distanza, ` df [ 'velocità'] * df [ 'viaggia_tempo'] `.
NewColFromScalarSql	Transformer	Trasforma	Metriche dei dati batch	Creare una nuova voce dati utilizzando una query SQL scalare. La query restituisce un valore unico. Ad esempio, per creare una nuova voce dati plant_1_total , è possibile inserire ` SELECT COUNT (Alerts) FROM Robot_entity_plant_1`.
NewColFromSql	Transformer	Trasforma	Metriche dei dati batch	Creare nuovi elementi dati unendo i risultati della query SQL.
NoDataAnomalyScore	Transformer	Rilevatore di anomalie	Metriche dei dati batch	Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
OccupancyCount	Aggregatore	Aggregato	Metriche dei dati batch	Determinare il conteggio massimo di occupazione per intervallo di unità di dati.
OccupancyDuration	Aggregatore	Aggregato	Metriche dei dati batch	Calcolare la durata dell'occupazione per intervallo di grani. L'unità del risultato è data dalla granularità dell'input.
OccupancyCountByBusinessUnit	Transformer	Trasforma	Metriche dei dati batch	Pesare il conteggio di occupazione in base alle assegnazioni delle unità aziendali.
OccupancyFrequencyRate	Transformer	Trasforma	Metriche dei dati batch	Determinare il rapporto tra la durata dell'occupazione e la disponibilità al giorno in percentuale.
OccupancyRate	Transformer	Trasforma	Metriche dei dati batch	Determinare il rapporto tra il conteggio di occupazione e la capacità in percentuale.
PackageInfo	Transformer	gestisci	Metriche dei dati batch	Visualizzare le informazioni sulla versione per i pacchetti. Quando si configura la funzione, specificare i pacchetti da controllare. Ad esempio, future, richieste, skimpara, pandas. Opzionalmente, installare un pacchetto se il pacchetto non è installato.
PrepareTimeInState	Transformer	Trasforma	Metriche dei dati batch	La funzione PrepareTimeInState identifica un cambiamento di stato per un dispositivo. Creare una condizione che rappresenti un cambiamento di stato. Ad esempio, per una metrica running_status, impostare la condizione su "== 'running '" o per una metrica della temperatura, impostare la condizione su "> = 37 ". La funzione determina quando i dispositivi si spostano in o fuori da questo stato. Utilizzare l'output di questa funzione nella funzione AggregateTimeInState per calcolare il tempo totale trascorso dal dispositivo nello stato. Suggerimento: non è necessario salvare l'output nel database perché utilizzato in un'altra funzione. PrepareTimeInState produce una stringa delimitata da virgole con un valore di modifica dello stato e un timestamp unix epoch. L'uscita dallo stato è rappresentata da -1, l'assenza di cambiamenti da 0 e l'entrata nello stato da 1. Ad esempio, "0,1638810253" significa che non si è verificato alcun cambiamento alla data / ora 1638810253. Per ulteriori informazioni, vedere Esercitazione: Calcolo del tempo trascorso in uno stato specifico.
Prodotto	Aggregatore	Riepilogo	Metriche dei dati batch	Moltiplicare i valori del dataset per restituire il prodotto. Seleziona una voce dati da utilizzare nel calcolo.
PythonExpression	Transformer	Trasforma	Metriche dei dati batch	Creare una nuova voce dati da un'espressione che include altri elementi dati. Definire l'espressione utilizzando la sintassi pandas. Quando si configura la funzione, inserire o incollare un'espressione pandas nel campo di espressione. Ad esempio, ` df [ 'coppia'] * df [ 'carico'] ` Per ulteriori informazioni, vedere Utilizzo delle espressioni.
PythonFunction	Transformer	Trasforma	Metriche dei dati batch	Esegui una semplice funzione che incolla nel campo della funzione. La funzione deve essere chiamata 'f'. La funzione accetta df (un panda DataFrame) e parametri (un dict che è possibile utilizzare per esternalizzare la configurazione della funzione) come input. La funzione può restituire un DataFrame, serie, un NumpyArray o un valore scalare. Ad esempio: `def f(df,parameters = None): import numpy as np threshold = df['speed'].mean() + 2 * df['speed'].std() output = np.where(df['acc']>threshold,1,0) return output` Per ulteriori informazioni, vedere Utilizzo delle funzioni semplici.
RaiseError	Transformer	Risolvere i problemi	Metriche dei dati batch	Arresta la pipeline dopo il calcolo di un elemento dati specifico. Quando si configura la funzione, immettere l'elemento dati nel campo 'halt_after'. Dopo l'esecuzione della funzione, esaminare gli eventuali messaggi di errore visualizzati nell'interfaccia utente. La funzione è utile per la risoluzione dei problemi.
RandomChoiceString	Transformer	Simula	Metriche dei dati batch	Genera valori categoriali casuali. Aggiungere le stringhe a domain_of_values. Facoltativamente, è possibile impostare la probabilità che ogni stringa si verifichi. Assegnare le probabilità nello stesso ordine delle stringhe. La somma delle probabilità deve essere uguale a 1. Nel seguente esempio, Londra ha una probabilità più alta di essere assegnata rispetto a New York: Probabilità: 0.920, 0.080 Dominio dei valori: Londra, New York
RandomDiscreteNumeric	Transformer	Simula	Metriche dei dati batch	Creare alcuni valori numerici casuali. Utilizzare la funzione per simulare le metriche. Aggiungere numeri discreti a domain_of_values. Facoltativamente, è possibile impostare la probabilità che ogni numero si verifichi. Assegnare le probabilità nello stesso ordine dei numeri. La somma delle probabilità deve essere uguale a 1. Nel seguente esempio, 211 ha una probabilità più alta di essere assegnato di 352: Probabilità: 0.920,0.080 Dominio dei valori: 211,352
RandomNoise	Transformer	Simula	Metriche dei dati batch	Aggiungere rumore casuale a uno o più elementi di dati di input in base a un valore di deviazione standard.
RandomNormal	Transformer	Simula	Metriche dei dati batch	Generare una serie di numeri casuali distribuiti normalmente. Specificare un valore medio e la deviazione standard per il dataset.
RandomNull	Transformer	Simula	Metriche dei dati batch	Inserire alcuni valori null in modo casuale nel dataset per uno o più elementi dati.
RandomUniform	Transformer	Simula	Metriche dei dati batch	Creare una serie di numeri casuali distribuiti in modo uniforme. Utilizzare la funzione per creare una sequenza ripetibile di numeri. Specificare il valore minimo e il valore massimo.
Nuova identificazione	Transformer	Trasforma	Metriche di dati in streaming	Emettere di nuovo la metrica di input come una nuova metrica di questa periferica o risorsa della gerarchia.
RobustThreshold	Transformer	Rilevatore di anomalie	Metriche di dati in streaming	Fornisce gli outlier in base al quantile o all'intervallo interquartile e le anomalie in base alla deviazione assoluta mediana e restituisce il risultato in due colonne di output booleane.
SaliencybasedGeneralizedAnomalyScore	Transformer	Rilevatore di anomalie	Metriche dei dati batch	Le metriche dei dati batch possono anche utilizzare la funzione `SaliencybasedGeneralizedAnomalyScoreV2` . Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
SaveCosDataFrame	Transformer	Trasforma	Questa funzione non è disponibile in Maximo Monitor 8.9 o successive.	Salva gli elementi dati in Cloud Object Storage. Specificare un nome file. Gli elementi dati vengono salvati in Cloud Object Storage utilizzando il nome file. Nota: il bucket Cloud Object Storage è identificato dalle tue credenziali. Dopo l'esecuzione della pipeline, verifica che il file sia disponibile in Cloud Object Storage.
Ricerca SCD	Origine dati	Raccogli dati	Metriche dei dati batch	Eseguire una ricerca database per il valore di una dimensione in una tabella SCD (Slow changing dimension). Ad esempio, cercare un nome operatore. Specificare il nome tabella. La tabella deve avere una start_date, end_date, device_ID e alcune proprietà (SCD). Tali tabelle non vengono aggiornate con la stessa frequenza dei dati delle serie temporali. Il valore di una dimensione tende ad essere relativamente statico. Si presuppone che il valore di ricerca precedente sia valido fino alla ricerca successiva. Per ulteriori informazioni, vedere Aggiunta di dati da altre fonti.
ShiftCalendar	Origine dati	Raccogli dati	Metriche dei dati batch	Generare i dati per un calendario turni utilizzando una shift_definition. Aggiungere una shift_definition sotto forma di un dizionario con chiave shift_id. Il dizionario contiene una tupla con le ore di inizio e di fine del turno espresse come numeri. Ad esempio: `{ "1": [ 8, 16 ], "2": [ 16, 24 ], "3": [ 24, 32 ] }` Per ulteriori informazioni, vedere Aggiunta di dati da altre fonti.
Sospendi	Transformer	Risolvere i problemi	Metriche dei dati batch	Sospendi la pipeline per il numero di secondi specificato per il tipo di periferica.
StandardDeviation	Analisi spettrale	Riepilogo	Metriche dei dati batch Metriche di dati in streaming	Calcolare la deviazione standard dei valori nel dataset. Seleziona una voce dati da utilizzare nel calcolo.
SpectralAnomalyScore	Analisi spettrale	Punteggio anomalia	Metriche dei dati batch	Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
SpectralAnomalyScoreExt	Analisi spettrale	Linee piatte	Metriche dei dati batch	Per ulteriori informazioni, vedere Rilevatori di anomalie non supervisionati.
SplitDataByActiveShifts	Transformer	Trasforma	Metriche dei dati batch	Identifica il turno che era attivo quando i dati sono stati ricevuti utilizzando la data / ora sui dati.
Somma	Aggregatore	Riepilogo	Metriche dei dati batch Streaming delle metriche di dati solo per gli input numerici	Calcola la somma di tutti i valori nel dataset. Seleziona una voce dati da utilizzare nel calcolo.
TimestampCol	Transformer	Riepilogo	Metriche dei dati batch	Consegna di un elemento dati contenente la data/ora.
TraceConstants	Transformer	Riepilogo	Metriche dei dati batch	Scrivere i valori delle costanti disponibili nella traccia
Variazione	Aggregatore	Riepilogo	Metriche dei dati batch Streaming delle metriche di dati solo per gli input numerici	Calcolare la varianza del dataset. La variabilità è la distanza di un valore dal valore medio. Seleziona una voce dati da utilizzare nel calcolo.