組み込み関数

デバイスが特定の状態で費やした時間の総計を計算します。 例えば、デバイスがオフラインになっている 1 日当たりの合計秒数を計算します。 PrepareTimeInState 関数の出力を使用して、デバイスの状態変更と見なされるものを指定します。

詳しくは、チュートリアル: 特定の状態で費やされた時間の計算を参照してください。

この機能は Maximo Monitor8.9 以降では使用できません。

従属変数の値に基づいて、1 つ以上のデータ項目の値を予測します。 この関数は、回帰モデルを使用して、従属変数がターゲット変数にどのように影響を与えるかを学習します。

この関数は、ターゲット変数の振る舞いが、従属変数の現在値から予測される振る舞いと一致しない場合に、異常を知らせる。 この関数の出力には、予測値と各予測値のアラートが含まれます。

関数を構成するときに、「targets」で、値を予測する変数を選択します。 「features」で、従属変数を選択します。 「threshold」には、しきい値の絶対値を設定します。

詳しくは、 異常の検出を参照してください。

入力データ項目を取り、一部のデータ・ポイントを極値に置き換えて、異常をシミュレートします。 例えば、極値を温度データ項目に追加して、temperature_with_extremes 出力項目を作成します。 出力に対してカタログの異常検出関数をいくつか試してみてください。

input_item フィールドで、シミュレートされるメトリックの基盤として使用するメトリックを選択します。

factor フィールドで、極値を追加する頻度を指定します。

size フィールドで、シミュレートされた値の極端さを指定します。

詳しくは、 異常のシミュレーションを参照してください。

入力データ項目を取り、値を変更して平坦線条件をシミュレートします。 例えば、平坦線条件を温度データ項目に追加して、temperature_with_flatlines 出力項目を作成します。 出力に対してカタログの異常検出関数をいくつか試してみてください。

input_item フィールドで、シミュレートされるメトリックの基盤として使用するメトリックを選択します。

factor フィールドで、平坦線条件を追加する頻度を指定します。

width フィールドで、各平坦線条件の幅を指定します。

詳しくは、 異常のシミュレーションを参照してください。

入力データ項目を取り、値を変更して、データがない条件をシミュレートします。 例えば、ギャップを温度データ項目に追加して、temperature_with_gaps 出力項目を作成します。 出力に対してカタログの NoDataAnomalyScore 検出関数を試して、ギャップを検出します。

input_item フィールドで、シミュレートされるメトリックの基盤として使用するメトリックを選択します。

factor フィールドで、ギャップをデータ・セットに追加する頻度を指定します。

width フィールドで、各ギャップの幅を指定します。

詳しくは、 異常のシミュレーションを参照してください。

アクティビティー・テーブルからデータをインポートし、データレイク内のデータにマージします。

例えば、アクティビティー・テーブル内の定期保守アクティビティーに関する情報をデータレイク内に保管できます。 この関数は、構成時にテーブル名 (例えば、maintenance_activity) を指定します。

1 つ以上のアクティビティー・コード (例えば、scheduled_maint、unscheduled_maint、firmware_upgrade、testing など) を指定します。

• アクティビティー・コード
• 開始日
• 終了日
• deviceid

この関数は、各アクティビティー・コードのアクティビティー期間を返します。

詳しくは、「他のソースからのデータの追加」を参照してください。

• バッチ・データ・メトリック
• ストリーミング・データ・メトリック

詳細はアラートを参照。

• バッチ・データ・メトリック
• ストリーミング・データ・メトリック

詳細はアラートを参照。

• バッチ・データ・メトリック
• ストリーミング・データ・メトリック

詳細はアラートを参照。

• バッチ・データ・メトリック
• ストリーミング・データ・メトリック

詳細はアラートを参照。

ArithmeticOperator

変換機能

オペレーター

ストリーミング・データ・メトリック

指定された演算子をフィールドに適用します。

条件が満たされなかった場合、ヌル値を返します。

例えば、温度レベルが 40 より大きい場合はヌルを返し、それ以外の場合は温度値を返します。 条件式は、pandas 構文を使用して定義します。 conditional_expression フィールドに、「 df['temperature']>40 」 を入力します。

• バッチ・データ・メトリック
• 数値入力のストリーミング・データ・メトリックのみ

指定されたデータ項目の値の数をカウントします。

この関数を構成するときは、source フィールドにカウント対象にするデータ項目を指定します。

オプションとして、カウントの実行前に、特定の数の値の存在を必須にする指定ができます。

例えば、min_count を 5 に設定すると、「N/A」に設定されていない値が少なくとも 5 つある場合に、カウントが実行されます。 デフォルト値は 1 です。

COPODAnomalyScoreJava

COPOD 分析

すべて

ストリーミング・データ・メトリック

データレイク内のテーブルにある時間以外のバリアント・データに対して検索を実行します。

この機能を構成するときには、テーブル名、検索する項目、およびデバイス・タイプのデータ項目を表のデータにマップするキー値を指定します。

例えば、テーブル Company にある EmployeeCount および Country を検索し、キーとして country_code フィールドを使用することができます。

詳しくは、「他のソースからのデータの追加」を参照してください。

入力データに対してデータ品質分析を実行します。

センサーからの入力データに、ダウンストリームでの計算でデータの品質に影響を及ぼす可能性のある品質の問題があるかどうかを判別します。

この関数を構成するときには、確認する時系列を「input_item」で選択し、実行するデータ品質チェックを選択します。 これらのチェックは、出力データ・タイプ別にグループ化されています。 次のオプションがあります。

• 定常性 (Stationarity): 時系列シグナルの統計プロパティー (平均や分散など) が定常であるかどうかを検査します。 一部の予測モデルでは、入力データの統計プロパティーが一定している必要があります。 出力値は次のとおりです。
  • 定常 (Stationary): データはモデル化または予測することができます。
  • 非定常 (Not stationary): データをモデル化または予測することはできません。
  • 傾向定常 (Trend stationary): 基本傾向を推定して取り除くと、データは定常になります。
  • 差異定常 (Difference stationary): データに差分手法を適用すると、データは定常になります。
• サンプル・エントロピー (Sample entropy): シグナル内の複雑さのレベルを検査します。 ゼロに近い値は、系列に反復パターンがあり、複雑さが最小であることを示します。
• 定数値 (Constant value): 系列がある定数値でスタックしていないか検査します。
• ゼロでスタック (Stuck-at-zero): 系列がゼロでスタックされているかどうかを検査します。
• ホワイト・ノイズ (White noise): 系列がランダムであるかどうかを検査します。

詳しくは、 異常の検出を参照してください。

2 つの日付の差 (日数) を計算します。

例えば、シフトの start_date (開始日) とシフトの end_date (終了日) を構成した場合に、この関数を使用してシフトの日数を計算します。

この機能は Maximo Monitor8.9 以降では使用できません。

定数を使用して日付の 1 つを指定し、2 つの日付の差 (日数) を計算します。

例えば、計画シャットダウン日までの日数を追跡できます。

この関数を構成するときは、date_1 で evt_timestamp を選択し、date_constant フィールドに planned_shutdown 定数を指定します。

この機能は Maximo Monitor8.9 以降では使用できません。

データ項目を使用して日付の 1 つを指定し、DD/MM/YYYY hh:mm という形式の参照データを使用してもう 1 つの日付を指定して、2 つの日付の差 (日数) を計算します。

例えば、計画されたシャットダウン日 (10 月 24 日 13:00) までの日数を追跡することができます。

この関数を構成するときは、date_1 で evt_timestamp を選択し、参照日を 24/10/2019 13:00 に設定します。

指定された日数より古い値をデータ項目から削除します。 この関数は、データのクリーンアップに使用します。

この関数を構成するときは、dummy_items からクリーンアップするデータ項目を 1 つ以上選択します。 older_than_days フィールドに、削除するデータの経過日数を指定します。

例えば、average_speed という名前のデータ項目で 100 日より古い値を削除するには、older_than_days を 100 に設定し、dummy_itmes を average_speed に設定します。

指定されたデータ項目の個別値の数をカウントします。

この関数を構成するときは、source フィールドにカウント対象にするデータ項目を指定します。

オプションとして、カウントの実行前に、特定の数の値の存在を必須にする指定ができます。

例えば、min_count を 5 に設定した場合、「N/A」に設定されていない値が少なくとも 5 つある場合は、個別のカウントが実行されます。 デフォルト値は 1 です。

ヌル値が含まれている行をすべてドロップします。 デバイス・タイプのすべてのデータ項目に適用されます。

このアクションから除外するデータ項目を指定します。

指定されたデバイス ID を使用してサンプル・デバイスを作成します。 時系列データ項目にランダム・データを生成します。

制約事項: この機能は、サンプル装置タイプでのみ使用できます。 列が既に存在するランダム・データを生成します。

この関数を構成するときには、ID フィールドでデバイス ID を指定します。

以下に例を示します。

73000, 73001, 73002, 73003, 73004

parameters フィールドに、追加する時系列データとその頻度を指定します。 関数の実行ごとに、既存の入力テーブルをドロップして新しいデータを生成できます。 以下に例を示します。

データ項目の計算をフィルターに掛けて、指定したエンティティーのデータのみを取得します。

例えば、エンティティー 73000 および 73001 のデータのみを取得するには、enitity_list フィールドに 73000 と 73001 を入力します。

FastMCDAnomalyScoreJava

変換機能

異常検出関数

ストリーミング・データ・メトリック

詳しくは、監視されていない異常検出器を参照してください。

Python 式を使用してデータ項目をフィルターに掛けます。 pandas 構文を使用して式を定義します。 式内の形式「df['data_item']」を使用してデータ項目を参照します。

式が true に評価された場合に保持するデータ項目を指定します。

例えば、距離が「2」に等しい場合は、速度データ項目を保持します。式フィールドで、「df['distance']=2」を指定します。filtered_sources フィールドで、速度を選択します。

• バッチ・データ・メトリック
• 数値入力のストリーミング・データ・メトリックのみ

データ項目の最初の値を識別します。

条件式が true を返した場合、新規データ項目の値として別の式の値を返します。

例 1:

speed (速度) が 2 より大きい場合に、speed の値を係数 0.9 で調整できます。

• conditional_expression フィールドで、 df['speed']>2を設定します。
• true_expression フィールドで、df['speed'] * 0.9 を設定します。
• false_expression で df['speed'] を設定します。

adjusted_speed に、出力パラメーターを設定できます。 出力データ項目のデータ・タイプを指定する必要があります。 例えば、adjusted_speed について、データ・タイプを数値に設定します。

例 2:

speed が 2 より大きい場合は新規データ項目を is_running に設定し、それ以外の場合は False に設定できます。

• condiitional_expression フィールドで、 df['speed']>2を設定します。
• true_expression フィールドで、True を設定します。
• false_expression で、False を設定します。

出力パラメーターを is_running に設定します。 データ・タイプを Boolean に設定します。

Watson Studio を使用して、分類モデルまたは回帰モデルを開発、トレーニング、およびテストします。 モデルを Watson Studio またはデータベース Maximo Monitor に保存します。 次に、InvokeWatsonStudio 関数を使用して、モデルを関数パイプラインの一部として呼び出し、データをスコアリングするか、または予測を行うようにします。

.json 文書を使用して、 Watson Studio でモデルへの接続パラメーターを指定します。 この関数を構成する際に、モデルで使用するデータ項目を選択します。 接続パラメーターを保管するグローバル定数の名前を指定します。

詳細については、 「モデルを外部でトレーニングする」 を参照してください。

IsolationForestAnomalyScoreJava

変換機能

異常検出関数

ストリーミング・データ・メトリック

バッチ・データ・メトリックは、この関数と KMeansAnomalyScoreV2 関数を使用することもできます。 ストリーミング・データ・メトリックは、 KMeansAnomalyScoreJava 関数を使用できます。 詳しくは、監視されていない異常検出器を参照してください。

KNNKDEAnomalyScoreJava

変換機能

異常スコア

ストリーミング・データ・メトリック

詳しくは、監視されていない異常検出器を参照してください。

• バッチ・データ・メトリック
• ストリーミング・データ・メトリック

指定されたデータ項目の最後の値を特定します。

• バッチ・データ・メトリック
• 数値入力のストリーミング・データ・メトリックのみ

データ項目の最大値を特定します。

• バッチ・データ・メトリック
• 数値入力のストリーミング・データ・メトリックのみ

データ項目の平均値を特定します。

データ項目の中央値を特定します。

• バッチ・データ・メトリック
• ストリーミング・データ・メトリック

データ項目の最小値を特定します。

pandas 式を使用して新規データ項目を作成します。

例えば、新しい距離データ項目「 df['speed'] * df['travel_time'] 」を作成する場合。

スカラー SQL 照会を使用して新規データ項目を作成します。 この照会では、単一値が返されます。

例えば、新規の plant_1_total データ項目を作成するには、「 SELECT COUNT(Alerts) FROM Robot_entity_plant_1 」を入力することができます。

パッケージのバージョン情報を表示します。

この関数を構成するときは、確認するパッケージを指定します。 例えば、future、requests、sklearn、pandas などです。

オプションとして、パッケージがインストールされていない場合にパッケージをインストールします。

PrepareTimeInState 関数は、デバイスの状態の変化を識別します。 状態変更を表す条件を作成します。 例えば、running_status メトリックの場合は条件を「== 'running '」に設定し、温度メトリックの場合は条件を「> = 37」に設定します。 この機能は、いつデバイスがこの状態になるか、またはこの状態から出るかを決定します。 この関数の出力を AggregateTimeInState 関数で使用して、デバイスが状態で費やす時間の合計を計算します。

ヒント: 出力は別の機能で使用されるため、データベースに保存する必要はありません。

PrepareTimeInState は、状態変更値と UNIX エポック・タイム・スタンプを含むコンマ区切りストリングを生成します。 状態を離れることは -1 で表され、変更なしは 0 で表され、状態に入ることは 1 で表されます。 例えば、「0,1638810253」は、タイム・スタンプ 1638810253 で変更が行われなかったことを意味します。

詳しくは、チュートリアル: 特定の状態で費やされた時間の計算を参照してください。

データ・セットの値を乗算して、積を返します。 計算に使用するデータ項目を選択します。

他のデータ項目が含まれている式から新しいデータ項目を作成します。 pandas 構文を使用して式を定義します。

この関数を構成するときは、expression フィールドに pandas 式を入力するか貼り付けます。 例えば、「 df['torque']*df['load'] 」

詳細については、 「式の使用」 を参照してください。

function フィールドに貼り付けた単純関数を実行します。

関数の名前は「f」でなければなりません。 関数は、df (pandas DataFrame) およびパラメーター (関数の構成の外部化に使用できるディクショナリー) を入力として受け入れます。

関数は、DataFrame、Series、NumpyArray、またはスカラー値を返すことができます。

以下に例を示します。

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


詳細については、 「簡易関数の使用」 を参照してください。

特定のデータ項目が計算された後にパイプラインを停止します。

この関数を構成するときは、「halt_after」フィールドにデータ項目を入力します。

関数の実行後に、UI に表示されているエラー・メッセージを確認します。

この関数は、問題のトラブルシューティングに役立ちます。

ランダムなカテゴリー値を生成します。 ストリングを domain_of_values に追加します。

オプションとして、各ストリングの発生確率を設定できます。 ストリングと同じ順序で確率を割り当てます。 確率の合計は 1 でなければなりません。

以下の例では、London (ロンドン) は、New York (ニューヨーク) よりも割り当てられる確率が高くなっています。

確率: 0.920, 0.080

値のドメイン: London, New York

ランダム数値を作成します。 この関数は、メトリックのシミュレートに使用します。 個別の数値を domain_of_values に追加します。

オプションとして、各数値の発生確率を設定できます。 数値と同じ順序で確率を割り当てます。 確率の合計は 1 でなければなりません。

以下の例では、211 は、352 よりも割り当てられる確率が高くなっています。

確率: 0.920,0.080

値のドメイン: 211,352

標準偏差値に基づいて 1 つ以上の入力データ項目にランダム・ノイズを追加します。

標準分布のランダム数値の集合を生成します。

データ・セットの平均値と標準偏差を指定します。

いくつかの null 値を、1 つ以上のデータ項目のデータ・セットにランダムに挿入します。

一様分布のランダム数値の集合を作成します。 この関数は、反復可能な数列を作成するために使用します。

最小値と最大値を指定します。

再識別

変換機能

変換

ストリーミング・データ・メトリック

入力メトリックを、このデバイスまたは階層リソースの新規メトリックとして再発行します。

RobustThreshold

変換機能

異常検出関数

ストリーミング・データ・メトリック

分位値または四分位範囲間のいずれかに基づく外れ値と、中央値絶対偏差に基づく異常値を提供し、その結果を2つのブーリアン出力列で返す。

この機能は Maximo Monitor8.9 以降では使用できません。

データ項目をクラウド・オブジェクト・ストレージに保存します。

ファイル名を指定します。 データ項目は、ファイル名を使用してクラウド・オブジェクト・ストレージに保存されます。

注: クラウド・オブジェクト・ストレージ・バケットは、資格情報から識別されます。 パイプラインの実行後、ファイルがクラウド・オブジェクト・ストレージで使用可能であることを確認してください。

SCD (Slow Changing Dimension) テーブルでディメンションの値のデータベース検索を実行します。

例えば、オペレーター名を検索します。 テーブル名を指定します。 テーブルには、start_date、end_date、device_ID、およびいくつかのプロパティー (SCD) が必要です。

このようなテーブルは、時系列データほど頻繁に更新されません。 ディメンションの値は、比較的静的な傾向があります。 次の検索まで、前の検索値が有効であるものと想定されます。

詳しくは、「他のソースからのデータの追加」を参照してください。

shift_definition を使用して、シフト・カレンダーのデータを生成します。 shift_id をキーとしたディクショナリーの形式で shift_definition を追加します。 このディクショナリーには、数値として表されているシフトの開始時刻と終了時刻のタプルが含まれます。

例えば、

{ "1": [ 8, 16 ], "2": [ 16, 24 ], "3": [ 24, 32 ] }

詳しくは、「他のソースからのデータの追加」を参照してください。

指定された秒数の間、デバイス・タイプのパイプラインを一時停止します。

• バッチ・データ・メトリック
• ストリーミング・データ・メトリック

データ・セット内の値の標準偏差を計算します。 計算に使用するデータ項目を選択します。

• バッチ・データ・メトリック
• 数値入力のストリーミング・データ・メトリックのみ

データ・セット内のすべての値の合計を計算します。 計算に使用するデータ項目を選択します。

• バッチ・データ・メトリック
• 数値入力のストリーミング・データ・メトリックのみ

データ・セットの差異を計算します。 差異は、平均値からの値の距離です。 計算に使用するデータ項目を選択します。