> For the complete documentation index, see [llms.txt](https://navixy.com/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://navixy.com/docs/analytics/fr/iot-query/schema-overview/transformation-layer/transformation-builder/templates.md). # Modèles Navixy fournit des modèles de workflow pour les transformations courantes disponibles dans la couche Transformation. Chaque modèle est une configuration de workflow du Transformation Builder prête à l’emploi que vous pouvez importer, inspecter et adapter à votre scénario opérationnel avant de le planifier comme une transformation personnalisée dans `processed_custom_data`. Les modèles sont un point de départ, pas un produit fini. Chaque modèle est fourni sans nœud de sortie afin que vous puissiez décider où et comment les résultats sont écrits avant de le valider dans une planification. ## Comment utiliser un modèle Les étapes ci-dessous s’appliquent à tout modèle de cette page. Les valeurs spécifiques au modèle pour le nœud de sortie et la planification sont indiquées dans la section [Modèles disponibles](#available-templates) . {% stepper %} {% step %} **Téléchargez le modèle** Trouvez la transformation souhaitée dans la section Modèles disponibles ci-dessous et téléchargez son fichier YAML. {% endstep %} {% step %} **Ouvrez Transformation Builder et connectez-vous à votre base de données** Lancez [Transformation Builder](/docs/analytics/fr/iot-query/schema-overview/transformation-layer/transformation-builder.md) et saisissez l’URL de connexion PostgreSQL. Attendez que Builder détecte les tables et colonnes disponibles. {% endstep %} {% step %} **Importez le workflow** Cliquez sur **Importer** dans la barre d’outils et sélectionnez le fichier téléchargé `.yaml` . Le graphe du workflow se charge avec tous les nœuds et toutes les arêtes en place. {% endstep %} {% step %} **Vérifiez et ajustez le workflow** Inspectez le graphe des nœuds. La page de chaque transformation dans [Transformations courantes](/docs/analytics/fr/iot-query/schema-overview/transformation-layer/common-transformations.md) décrit la logique de traitement et répertorie les options de personnalisation que vous pouvez appliquer à ce stade. Cliquez sur Exécuter à tout moment pour prévisualiser les résultats sur vos données en direct (jusqu’à 100 lignes). {% endstep %} {% step %} **Ajoutez un nœud de sortie** Un modèle ne comporte pas de nœud de sortie. Ajoutez-en un depuis le panneau des nœuds et connectez-le au nœud final du graphe. Utilisez les valeurs du nœud de sortie indiquées pour votre modèle dans la section [Modèles disponibles](#available-templates) ci-dessous. Une fois planifié, le workflow écrit dans `processed_custom_data`. Il produit une table distincte de la version intégrée maintenue par Navixy dans `processed_common_data`. {% endstep %} {% step %} **Planifiez le workflow** Cliquez sur **Planifier** et définissez la fréquence d’exécution. Utilisez la planification recommandée indiquée pour votre modèle dans la section Modèles disponibles, ou choisissez un autre intervalle pour répondre à vos besoins de reporting. {% endstep %} {% endstepper %} ## Modèles disponibles Le tableau ci-dessous répertorie les modèles disponibles avec les valeurs nécessaires pour le nœud de sortie et la planification recommandée. Chaque modèle renvoie à sa page de transformation pour les détails de l’algorithme et les indications de personnalisation, et fournit le fichier YAML à télécharger. ### Trajets Produit une ligne par trajet de véhicule à partir des données télématiques brutes, avec les heures de début et de fin,\ la distance, les statistiques de vitesse et la détection des zones. Consultez la page [Trajets](/docs/analytics/fr/iot-query/schema-overview/transformation-layer/common-transformations/trips.md) pour le schéma de sortie complet, la description de l’algorithme et les options de personnalisation. {% file src="/files/ea4c2f33881dbb6858920dd0308ba2ab75734c29" %} Lors de l’ajout du **nœud de sortie**, utilisez la configuration suivante : | Paramètre | Valeur | | ------------------ | ------------------------------ | | Nom de la table | `trips` | | Colonne temporelle | `trip_start_time` | | Clé primaire | `device_id`, `trip_start_time` | | Mode d’écriture | `overwrite` | Planification recommandée : `10 */8 * * *` (UTC, toutes les 8 heures), correspondant à la fréquence de mise à jour de `processed_common_data.trips` intégré. ### Agrégation des données des capteurs Produit des agrégats des relevés de capteurs par plages horaires, avec décodage, calibration du carburant et enrichissement en texte clair appliqués. Consultez la page Agrégation des données des capteurs pour le schéma de sortie complet, la description de l’algorithme et les options de personnalisation. Le modèle est fourni préconfiguré pour des plages de 5 minutes, un scénario de personnalisation courant pour les tableaux de bord de diagnostic. Pour modifier la taille de la plage, modifiez le littéral d’intervalle dans le nœud SQL personnalisé avant la planification. La valeur de l’intervalle contrôle à la fois la taille de la plage et la fenêtre d’historique. {% file src="/files/23d5aa27506b1fdda6ed8cc8f29dc2a8e90c7781" %} Lors de l’ajout du **nœud de sortie**, utilisez la configuration suivante : | Paramètre | Valeur | | ------------------ | ----------------------------------------------------- | | Nom de la table | `sensors_data_by_5min` | | Colonne temporelle | `hour_bucket` | | Clé primaire | `device_id`, `hour_bucket`, `sensor_name`, `event_id` | | Répartir par | `DATE(hour_bucket)` | | Mode d’écriture | `append` | Planification recommandée : `*/5 * * * *` (UTC, toutes les 5 minutes), correspondant à la taille de plage de 5 minutes préconfigurée dans le modèle. Si vous modifiez l’intervalle, mettez à jour la planification en conséquence afin que chaque exécution lise exactement une plage de données. ## Étapes suivantes * [**Transformations courantes**](/docs/analytics/fr/iot-query/schema-overview/transformation-layer/common-transformations.md): Découvrez ce que produit chaque transformation, comment elle est construite et comment personnaliser la logique avant d’importer un modèle. * [**Transformation Builder**](/docs/analytics/fr/iot-query/schema-overview/transformation-layer/transformation-builder.md): Référence complète pour l’éditeur visuel de workflow, les types de nœuds et les options d’exécution. * [**Référence YAML du workflow**](/docs/analytics/fr/iot-query/schema-overview/transformation-layer/transformation-builder/workflow-yaml-reference.md): Spécification du format YAML utilisé par ces fichiers de modèle. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://navixy.com/docs/analytics/fr/iot-query/schema-overview/transformation-layer/transformation-builder/templates.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.