> 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/id/iot-query/schema-overview/transformation-layer/common-transformations/sensor-data-aggregation.md).

# Agregasi data sensor

Proses pembacaan sensor IoT mentah menjadi catatan per jam dengan keranjang waktu, kalibrasi terdekode, perhitungan volume bahan bakar, dan agregasi tingkat perangkat

Transformasi agregasi data sensor mengubah sampel ulang pembacaan sensor mentah menjadi catatan ringkasan berbasis bucket waktu. Setiap baris dalam `processed_common_data.sensors_data_by_hours` merepresentasikan satu sensor pada satu perangkat untuk satu bucket: nilai terdekode rata-rata, minimum, dan maksimum, serta, untuk sensor Bahan bakar, volume terkalibrasi pada masing-masing titik tersebut.

Transformasi bawaan berjalan setiap jam dan mengagregasi data sensor mentah selama satu jam terakhir dari `raw_telematics_data.inputs` ke dalam bucket satu jam. Setiap eksekusi menambahkan satu set catatan per jam yang baru ke tabel.

{% hint style="info" %}
Data di tabel ini mungkin berusia hingga 1 jam, yang mencerminkan eksekusi yang paling baru selesai.\
Semua stempel waktu disimpan dalam UTC.\
Hanya nilai sensor numerik yang berpartisipasi dalam agregasi. Status teks, bilangan negatif, dan notasi ilmiah difilter di sumber.
{% endhint %}

### Tabel output: processed\_common\_data.sensors\_data\_by\_hours

Setiap baris merepresentasikan satu bucket pembacaan agregat untuk satu sensor pada satu perangkat. Dalam transformasi bawaan, setiap bucket mencakup satu jam. Kunci alami adalah `hour_bucket`, `device_id`, `sensor_name`, dan `event_id`.

<table><thead><tr><th width="245">Kolom</th><th width="115">Tipe</th><th>Deskripsi</th></tr></thead><tbody><tr><td><code>hour_bucket</code></td><td>stempel waktu</td><td>Awal bucket waktu yang diagregasikan baris ini. Dalam transformasi bawaan, selalu disejajarkan dengan batas jam dalam UTC. Dalam transformasi kustom dengan ukuran bucket yang berbeda, ini adalah awal bucket pada granularitas yang dipilih (misalnya, awal jendela 5 menit).</td></tr><tr><td><code>device_id</code></td><td>integer</td><td>Pengidentifikasi perangkat. Untuk mendapatkan label Pelacak tanpa penggandaan baris, gabungkan ke <code>raw_business_data.objects</code> on <code>device_id</code> where <code>is_deleted = false</code>.</td></tr><tr><td><code>sensor_name</code></td><td>text</td><td>Pengidentifikasi input mentah dari <code>raw_telematics_data.inputs</code>Sesuai <code>sensor_description.input_label</code> saat sensor dikonfigurasikan.</td></tr><tr><td><code>event_id</code></td><td>integer</td><td>Pengidentifikasi jenis peristiwa untuk pembacaan sensor.</td></tr><tr><td><code>sensor_id</code></td><td>integer</td><td>Pengidentifikasi entitas sensor dari <code>raw_business_data.sensor_description</code>. Null jika sensor tidak dikonfigurasi.</td></tr><tr><td><code>input_label</code></td><td>text</td><td>Label input yang dikonfigurasi dari <code>deskripsi sensor</code>Sesuai <code>sensor_name</code> jika ada.</td></tr><tr><td><code>label sensor</code></td><td>text</td><td>Nama sensor yang dapat dibaca manusia yang ditetapkan oleh pengguna.</td></tr><tr><td><code>sensor_type</code></td><td>text</td><td>Jenis sensor, misalnya <code>level_bahan bakar</code>, <code>suhu</code>, <code>Pengapian</code>.</td></tr><tr><td><code>satuan sensor</code></td><td>text</td><td>String satuan yang dimasukkan pengguna saat <code>tipe_unit</code> Disetel ke kustom. Kosong jika tidak.</td></tr><tr><td><code>tipe_unit</code></td><td>integer</td><td>Kode numerik untuk kategori unit. Dikonversi menjadi string yang mudah dibaca manusia di <code>deskripsi_sensor_tipe_unit</code>.</td></tr><tr><td><code>tipe_kelompok</code></td><td>integer</td><td>Kode aturan agregasi untuk sensor yang dikelompokkan: 0 untuk jumlah, 1 untuk rata-rata. Dikonversi di <code>deskripsi_sensor_tipe_kelompok</code>.</td></tr><tr><td><code>nilai_rata-rata</code></td><td>float</td><td>Rata-rata nilai sensor yang didekode di seluruh pembacaan dalam kelompok.</td></tr><tr><td><code>value_min</code></td><td>float</td><td>Nilai terdekode minimum dalam bucket.</td></tr><tr><td><code>value_max</code></td><td>float</td><td>Nilai terdekode maksimum dalam bucket.</td></tr><tr><td><code>val_low_avg</code>, <code>val_high_avg</code>, <code>vol_low_avg</code>, <code>vol_high_avg</code></td><td>numerik</td><td>Titik acuan kalibrasi yang digunakan saat melakukan interpolasi <code>calibrated_volume_avg</code>. Hanya untuk sensor level bahan bakar; jika tidak, null.</td></tr><tr><td><code>calibrated_volume_avg</code></td><td>numerik</td><td>Volume terkalibrasi yang sesuai dengan <code>nilai_rata-rata</code>, dihitung dengan interpolasi linear di antara titik acuan. Untuk sensor non-bahan bakar, ini sama dengan <code>nilai_rata-rata</code>.</td></tr><tr><td><code>val_low_min</code>, <code>val_high_min</code>, <code>vol_low_min</code>, <code>vol_high_min</code>, <code>calibrated_volume_min</code></td><td>numerik</td><td>Titik acuan kalibrasi dan volume terinterpolasi untuk <code>value_min</code>.</td></tr><tr><td><code>val_low_max</code>, <code>val_high_max</code>, <code>vol_low_max</code>, <code>vol_high_max</code>, <code>calibrated_volume_max</code></td><td>numerik</td><td>Titik acuan kalibrasi dan volume terinterpolasi untuk <code>value_max</code>.</td></tr><tr><td><code>label_Pelacak</code></td><td>text</td><td>Label pelacak dari <code>raw_business_data.objects</code>. Dapat muncul beberapa kali untuk bucket yang sama jika sebuah perangkat pernah dialokasikan ulang antara pelacak secara historis.</td></tr><tr><td><code>deskripsi_sensor_tipe_unit</code></td><td>text</td><td>Kategori unit yang mudah dibaca manusia yang ditentukan dari <code>tipe_unit</code>.</td></tr><tr><td><code>deskripsi_sensor_tipe_kelompok</code></td><td>text</td><td>Aturan pengelompokan yang mudah dibaca manusia yang ditentukan dari <code>tipe_kelompok</code>.</td></tr><tr><td><code>sensor_units_final</code></td><td>text</td><td>String unit yang ditampilkan. Sama dengan <code>satuan sensor</code> jika disetel, jika tidak kembali ke <code>deskripsi_sensor_tipe_unit</code>.</td></tr><tr><td><code>value_title</code></td><td>text</td><td>Label yang mudah dibaca manusia untuk sensor diskret, dicari dari <code>parameters.value_titles</code> menggunakan <code>value_max</code> sebagai kunci. Null untuk sensor pengukuran.</td></tr></tbody></table>

Contoh di bawah ini menunjukkan pola kueri umum. Yang pertama mengembalikan agregat per jam untuk 7 hari terakhir. Yang kedua digabungkan ke `raw_business_data.objects` untuk menyertakan label pelacak tanpa penggandaan baris. Yang ketiga berfokus pada sensor bahan bakar dan menggunakan kolom volume terkalibrasi.

{% tabs %}
{% tab title="Kueri dasar per jam" %}
{% code overflow="wrap" expandable="true" %}

```sql
PILIH
    device_id,
    hour_bucket,
    sensor_label,
    sensor_type,
    value_avg,
    value_min,
    value_max,
    sensor_units_final
FROM processed_common_data.sensors_data_by_hours
WHERE hour_bucket >= CURRENT_DATE - INTERVAL '7 days'
ORDER BY device_id, hour_bucket, sensor_label;
```

{% endcode %}
{% endtab %}

{% tab title="Dengan label pelacak" %}
{% code overflow="wrap" expandable="true" %}

```sql
PILIH
    s.device_id,
    o.pelacak_label,
    s.hour_bucket,
    s.sensor_label,
    s.value_avg,
    s.sensor_units_final
FROM processed_common_data.sensors_data_by_hours s
LEFT JOIN raw_business_data.objects o
    ON o.device_id = s.device_id
   AND o.is_deleted = false
WHERE s.hour_bucket >= CURRENT_DATE - INTERVAL '7 days'
ORDER BY s.device_id, s.hour_bucket, s.sensor_label;
```

{% endcode %}
{% endtab %}

{% tab title="Sensor bahan bakar dengan volume terkalibrasi" %}
{% code overflow="wrap" expandable="true" %}

```sql
PILIH
    device_id,
    hour_bucket,
    sensor_label,
    value_avg AS raw_avg,
    calibrated_volume_avg AS volume_avg_litres,
    calibrated_volume_min AS volume_min_litres,
    calibrated_volume_max AS volume_max_litres
FROM processed_common_data.sensors_data_by_hours
WHERE sensor_type = 'fuel_level'
  AND hour_bucket >= CURRENT_DATE - INTERVAL '24 hours'
ORDER BY device_id, hour_bucket;
```

{% endcode %}
{% endtab %}
{% endtabs %}

### Bagaimana agregat sensor dibentuk

Satu baris dalam tabel ini bukan pembacaan perangkat mentah, melainkan entitas turunan yang disusun dari banyak pembacaan sensor individual. Transformasinya bekerja melalui data mentah secara bertahap: menentukan pembacaan mana yang dapat digunakan, menggabungkan konfigurasi sensor, mendekode nilai, mengelompokkan ke dalam jendela waktu, mengagregasi, menerapkan kalibrasi bahan bakar, dan akhirnya memperkaya dengan label yang mudah dibaca manusia. Memahami proses ini membantu Anda menafsirkan hasil dengan benar dan mengenali kapan perilaku bawaan perlu disesuaikan untuk kasus penggunaan Anda.

Berikut adalah langkah-langkah algoritma yang membentuk baris agregat sensor:

{% stepper %}
{% step %}

#### **Membaca dan memfilter masukan mentah**

Transformasi membaca irisan data terbaru dari `raw_telematics_data.inputs`. Panjang irisan sesuai dengan interval yang dikonfigurasi: eksekusi bawaan membaca satu jam terakhir; eksekusi kustom dengan interval 5 menit membaca 5 menit terakhir. Pembacaan difilter sebelum pemrosesan lebih lanjut:

* Hanya nilai yang cocok dengan ekspresi reguler `^[0-9]+\.?[0-9]*$` akan diteruskan. Ini menerima bilangan bulat non-negatif dan desimal.
* Nilai teks, bilangan negatif, notasi ilmiah, dan nilai null dikecualikan.
* Sensor yang hanya mengeluarkan data nonnumerik tidak muncul dalam tabel keluaran.

Filter beroperasi pada data mentah `nilai` kolom dalam `input`, sebelum penerapan dekode apa pun.
{% endstep %}

{% step %}

#### **Konfigurasi penggabungan sensor**

Setiap pembacaan yang tersisa dicocokkan dengan `raw_business_data.sensor_description` menggunakan sebuah `LEFT JOIN` on `device_id` dan `input_label = sensor_name`. Penggabungan ini menyertakan `sensor_id`, `label sensor`, `sensor_type`, `tipe_unit`, `tipe_kelompok`, `pembagi`, `multiplier`, `calibration_data`, dan `parameters`. Karena join berada di sisi kiri, pembacaan dari sensor yang belum dikonfigurasi tetap lolos dengan metadata sensor bernilai null.
{% endstep %}

{% step %}

#### **Mendekode nilai mentah**

Setiap pembacaan dikonversi dari representasi tersimpannya menjadi nilai numerik yang dapat digunakan. Aturan dekode berasal dari `sensor_description.parameters.calc_method`:

* `bit_index` mengekstrak satu bit dari nilai integer menggunakan pergeseran bit dan mask: `((raw_value::bigint >> bit_index) & 1)`. Digunakan untuk bendera status yang dikemas ke dalam bilangan bulat.
* `identitas` menggunakan nilai numerik mentah tanpa perubahan.
* Jika tidak, fungsi menerapkan `(raw_value / divider) * multiplier`, yang merupakan rumus standar untuk Sensor pengukuran. Divider bernilai null memicu `COALESCE` fallback ke nilai mentah.
  {% endstep %}

{% step %}

#### **Pengelompokan ke bucket dan agregasi**

Nilai yang didekodekan dikelompokkan ke dalam bucket waktu dengan memotong `device_time` ke batas bucket. Di dalam setiap bucket, fungsi menghitung `AVG`, `MIN`, dan `MAX` dari nilai yang didekodekan. Pengelompokan juga mencakup kolom metadata sensor, sehingga agregat dihitung per sensor per perangkat per bucket.

Dalam transformasi bawaan, bucket berdurasi satu jam. Transformasi kustom dapat menggunakan interval positif apa pun. Lihat [Menyesuaikan transformasi](https://claude.ai/chat/32cacafe-fe34-476d-b7d0-c93b4ce82da6#customizing-the-transformation) di bawah ini.
{% endstep %}

{% step %}

#### **Kalibrasi untuk sensor bahan bakar**

Sensor dengan `calibration_data` array yang terisi (biasanya sensor level bahan bakar) mendapatkan interpolasi linier yang diterapkan pada setiap agregat. Untuk `nilai_rata-rata`, `value_min`, dan `value_max` secara terpisah, fungsi menemukan titik batas kalibrasi tepat di bawah dan tepat di atas nilai, lalu menginterpolasi secara linier untuk menghasilkan `calibrated_volume_avg`, `calibrated_volume_min`, dan `calibrated_volume_max`. Untuk sensor tanpa data kalibrasi, volume terkalibrasi sama dengan agregat mentah.

Kolom titik batas (`val_low_*`, `val_high_*`, `vol_low_*`, `vol_high_*`) dipertahankan dalam keluaran demi transparansi.
{% endstep %}

{% step %}

#### **Pengayaan dengan label**

Baris yang diagregasi digabungkan dengan `raw_business_data.objects` on `device_id` untuk menambahkan `label_Pelacak`, dan dengan `raw_business_data.description_parameters` dua kali untuk menyelesaikan `tipe_unit` dan `tipe_kelompok` menjadi string deskripsi yang dapat dibaca manusia. Fungsi ini juga menghitung `sensor_units_final`, yang lebih mengutamakan yang dimasukkan pengguna `satuan sensor` dan jika tidak ada, memakai string deskripsi.

Untuk sensor diskret dengan `parameters.value_titles` pemetaan, fungsi mencari judul yang dapat dibaca manusia yang sesuai dengan `value_max` dan mengembalikannya sebagai `value_title`. Sensor pengukuran memiliki `value_title` diatur ke null.
{% endstep %}
{% endstepper %}

Dua bagian referensi berikut berisi parameter interval yang dapat dikonfigurasi dan aturan dekode yang diterapkan transformasi secara internal.

<details>

<summary>Parameter interval</summary>

Transformasi ini digerakkan oleh satu parameter, `p_interval`, yang mengendalikan ukuran bucket dan jendela lihat balik. Keduanya selalu sama: eksekusi dengan `p_interval = '5 minutes'` membaca 5 menit terakhir data mentah dan menghasilkan bucket 5 menit.

| Pengaturan            | Transformasi bawaan                           | Transformasi kustom                                                               |
| --------------------- | --------------------------------------------- | --------------------------------------------------------------------------------- |
| Ukuran bucket         | 1 jam                                         | Interval positif apa pun yang ditetapkan di node SQL kustom                       |
| Jendela tinjau mundur | 1 jam                                         | Sama dengan ukuran bucket                                                         |
| Frekuensi penjadwalan | Setiap jam (disesuaikan dengan ukuran bucket) | Cocokkan dengan ukuran bucket yang dipilih agar cakupan berkelanjutan tanpa celah |

Lihat [Menyesuaikan transformasi](#customizing-the-transformation) untuk petunjuk cara mengubah interval.

</details>

<details>

<summary>Aturan penguraian nilai</summary>

Nilai sensor mentah masuk sebagai teks di `raw_telematics_data.inputs.value`. Transformasi menerapkan aturan dekode berdasarkan konfigurasi masing-masing sensor sebelum melakukan agregasi.

| `calc_method`        | Perilaku dekode                                                                                                  |
| -------------------- | ---------------------------------------------------------------------------------------------------------------- |
| `bit_index`          | Mengekstrak satu bit: `((value::bigint >> bit_index) & 1)`. Nilai ini `bit_index` dibaca dari `parameters`.      |
| `identitas`          | Menggunakan nilai mentah sebagai float, tanpa perubahan.                                                         |
| (bawaan / tidak ada) | Menerapkan `(raw_value / divider) * multiplier`. Pembagi null memicu sebuah `COALESCE` fallback ke nilai mentah. |

Interpolasi kalibrasi, yang diterapkan setelah agregasi untuk sensor dengan data kalibrasi, bekerja dengan menemukan titik batas dalam `calibration_data` (sebuah larik JSONB dari `{in, out}` entri) yang paling dekat dengan nilai agregat dan melakukan interpolasi secara linear di antaranya. Hasilnya disimpan di `calibrated_volume_*` kolom.

</details>

### Menyesuaikan transformasi

Agregasi data sensor bawaan mencerminkan agregasi per jam serbaguna dari Navixy. Jika skenario operasional Anda memerlukan granularitas yang berbeda, seperti resolusi yang lebih halus untuk dasbor diagnostik atau interval yang lebih kasar untuk pelaporan jangka panjang, Anda dapat membuat transformasi kustom yang memanggil `select_timeperiod_sensor_data` dengan interval yang berbeda dan menulis hasilnya ke tabel Anda sendiri di `data_kustom_yang_diproses`.

Kustomisasi adalah perubahan satu baris di dalam node SQL kustom:

```sql
SELECT * FROM processed_common_data.select_timeperiod_sensor_data('5 minutes')
```

Ubah literal interval untuk mengontrol ukuran bucket sekaligus jendela tinjau mundur. Fungsi ini mengembalikan bentuk kolom yang sama apa pun intervalnya, sehingga konfigurasi node Output di hilir tetap sederhana.

{% hint style="warning" %}
Nilai interval mengontrol ukuran bucket dan jendela tinjau mundur sekaligus. Keduanya tidak dapat diatur secara independen. Penjadwalan alur kerja harus berjalan setidaknya sesering interval, jika tidak beberapa pembacaan tidak akan diagregasi.
{% endhint %}

#### Bentuk alur kerja

Alur kerja minimal terdiri dari dua node:

<figure><img src="https://1696125515-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoFNFEIINiGFbhi3Px3dE%2Fuploads%2Fgit-blob-2160d1986b61ca2e36061e3889caf87b1a905d59%2FSensor-data-aggregation-custom-timeframe.png?alt=media" alt=""><figcaption></figcaption></figure>

Tidak `Data mentah: Telematika` diperlukan node sumber. Fungsi ini membaca dari `raw_telematics_data.inputs` dan `raw_business_data` tabel secara internal. Node SQL kustom berisi seluruh alur, dan node Output mewujudkan hasilnya ke tabel target Anda.

#### Contoh kustomisasi

Buka bagian di bawah untuk melihat contoh kustomisasi berbasis kasus.

<details>

<summary>Mengubah ukuran bucket</summary>

Gunakan ini ketika granularitas per jam terlalu kasar untuk kebutuhan pelaporan Anda. Kasus umum mencakup dasbor yang menampilkan tren bahan bakar dengan resolusi 5 menit, diagnostik detik demi detik untuk uji jalan singkat, dan ringkasan harian untuk pelaporan jangka panjang.

Untuk mengubah ukuran bucket, edit literal interval di node SQL kustom dan perbarui jadwal agar sesuai.

* **Bucket 5 menit**, dengan jadwal `*/5 * * * *` (setiap 5 menit):

```sql
SELECT * FROM processed_common_data.select_timeperiod_sensor_data('5 minutes')
```

* **Bucket 15 menit**, dengan jadwal `*/15 * * * *` (setiap 15 menit):

```sql
SELECT * FROM processed_common_data.select_timeperiod_sensor_data('15 minutes')
```

* **Bucket harian**, dengan jadwal `5 0 * * *` (setiap hari pada 00:05 UTC):

```sql
SELECT * FROM processed_common_data.select_timeperiod_sensor_data('1 day')
```

Kolom keluaran masih disebut `hour_bucket` apa pun intervalnya. Jika Anda menginginkan nama yang lebih jelas di tabel kustom Anda, beri alias di SQL kustom:

```sql
PILIH
    hour_bucket AS bucket_time,
    device_id, sensor_name, event_id,
    sensor_id, input_label, sensor_label,
    sensor_type, sensor_units, units_type, group_type,
    nilai rata-rata, nilai minimum, nilai maksimum,
    label_Pelacak, sensor_satuan_akhir
FROM processed_common_data.select_timeperiod_sensor_data('5 minutes')
```

Atur node Output **Kolom waktu** ke `bucket waktu` Jika Anda memberi alias, atau ke `hour_bucket` jika Anda mempertahankan nama aslinya.

</details>

<details>

<summary>Membatasi pada sensor tertentu</summary>

Gunakan ini ketika Anda hanya memerlukan agregat untuk sebagian sensor, misalnya hanya level bahan bakar dan suhu mesin, untuk mengurangi ukuran tabel dan biaya kueri.

Bungkus pemanggilan fungsi dalam penyaringan `PILIH` di dalam node SQL kustom:

```sql
SELECT *
FROM processed_common_data.select_timeperiod_sensor_data('15 minutes')
WHERE sensor_type IN ('fuel_level', 'temperature')
```

Anda dapat memfilter pada kolom mana pun yang dikembalikan oleh fungsi, termasuk `label sensor`, `sensor_name`, atau `sensor_id`. Untuk menemukan nilai yang tersedia dalam data Anda, jalankan kueri pada tabel sumber:

```sql
SELECT DISTINCT sensor_name FROM raw_telematics_data.inputs LIMIT 100;
```

</details>

<details>

<summary>Mengurangi output menjadi kolom esensial</summary>

Gunakan ini ketika Anda tidak memerlukan breakpoint kalibrasi atau sensor diskret `value_title` kolom, dan ingin tabel output yang lebih ramping. Ini terutama berguna ketika Armada Anda tidak memiliki sensor Bahan bakar, dalam hal ini 15 kolom terkait kalibrasi semuanya bernilai null atau merupakan duplikat dari agregat mentah.

Proyeksikan hanya kolom yang Anda perlukan:

```sql
PILIH
    hour_bucket,
    device_id,
    sensor_name,
    event_id,
    sensor_label,
    sensor_type,
    value_avg,
    value_min,
    value_max,
    pelacak_label,
    sensor_units_final
FROM processed_common_data.select_timeperiod_sensor_data('15 minutes')
```

Konfigurasi node output tetap sama; tabel target hanya akan memiliki lebih sedikit kolom.

</details>

#### Konfigurasi node output

Setelah node SQL kustom disiapkan, hubungkan ke node output dan konfigurasikan tabel target.

<table><thead><tr><th width="180">Parameter</th><th>Nilai</th></tr></thead><tbody><tr><td><strong>Nama tabel</strong></td><td>Nama deskriptif, misalnya <code>sensors_data_by_5min</code></td></tr><tr><td><strong>Kolom waktu</strong></td><td><code>hour_bucket</code> (atau alias Anda jika Anda menggantinya)</td></tr><tr><td><strong>Kunci utama</strong></td><td><code>device_id</code>, <code>hour_bucket</code>, <code>sensor_name</code>, <code>event_id</code></td></tr><tr><td><strong>Partisi berdasarkan</strong></td><td><code>DATE(hour_bucket)</code></td></tr><tr><td><strong>Mode penulisan</strong></td><td><code>tambahkan</code></td></tr></tbody></table>

Kunci primer harus mencakup keempat kolom kunci alami fungsi. Menggunakan hanya `device_id` dan `hour_bucket` akan menyebabkan pelanggaran kunci primer, karena setiap perangkat memiliki beberapa sensor yang mengirimkan data dalam bucket yang sama. `tambahkan` adalah mode penulisan yang benar ketika penjadwalan sesuai dengan ukuran bucket, karena setiap proses menghasilkan bucket baru yang belum pernah ditulis sebelumnya. Gunakan `upsert` hanya jika proses Anda saling tumpang tindih (misalnya, interval 15 menit yang dijadwalkan setiap 5 menit).

#### Penjadwalan

Frekuensi penjadwalan harus sama dengan nilai interval. Setiap eksekusi kemudian membaca data sebanyak tepat satu kelompok data tanpa tumpang tindih dan tanpa celah.

| Ukuran bucket | Ekspresi penjadwalan | Arti                       |
| ------------- | -------------------- | -------------------------- |
| 1 menit       | `* * * * *`          | Setiap menit               |
| 5 menit       | `*/5 * * * *`        | Setiap 5 menit             |
| 15 menit      | `*/15 * * * *`       | Setiap 15 menit            |
| 1 jam         | `0 * * * *`          | Setiap jam pada menit 00   |
| 1 hari        | `5 0 * * *`          | Setiap hari pada 00:05 UTC |

Waktu menggunakan UTC. Sesuaikan frekuensi cron dengan interval Anda; menjalankannya lebih jarang daripada interval akan meninggalkan celah di tabel keluaran, dan menjalankannya lebih sering akan menyebabkan konflik kunci utama duplikat di `tambahkan` mode.

#### Menggunakan templat alur kerja

Navixy menyediakan templat alur kerja siap pakai yang dapat Anda muat ke Transformation Builder sebagai titik awal. Templat ini dilengkapi dengan simpul Custom SQL yang telah dikonfigurasi sebelumnya untuk rentang 5 menit.

Lihat [Templat](https://navixy.com/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder/templates.md) halaman untuk unduhan, instruksi impor, dan konfigurasi simpul Output untuk transformasi ini.

### Langkah berikutnya

* [**Transformasi umum**](https://navixy.com/docs/analytics/id/iot-query/schema-overview/transformation-layer/common-transformations.md): Kembali ke indeks transformasi.
* [**Templat**](https://navixy.com/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder/templates.md): Unduh templat alur kerja agregasi data sensor dan impor ke Transformation Builder.
* [**Penyusun transformasi**](https://navixy.com/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder.md): Pelajari cara menggunakan editor alur kerja visual, menambahkan simpul, dan melihat pratinjau hasil.
* [**Lapisan data mentah**](https://navixy.com/docs/analytics/id/iot-query/schema-overview/bronze-layer.md): Jelajahi tabel sumber yang menjadi masukan bagi agregasi data sensor: `raw_telematics_data.inputs`, `raw_business_data.sensor_description`, dan `raw_business_data.objects`.
* [**Perjalanan**](https://navixy.com/docs/analytics/id/iot-query/schema-overview/transformation-layer/common-transformations/trips.md): Transformasi saudara yang menghasilkan catatan perjalanan kendaraan dari data telematika mentah.


---

# 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://navixy.com/docs/analytics/id/iot-query/schema-overview/transformation-layer/common-transformations/sensor-data-aggregation.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.
