课程准备
行业场景:工业制造 IoT
难度等级:初级-中级
培训对象:工业企业开发人员/工业项目集成商
培训人员需要掌握基本的编程语言
培训形式:自学 + 辅导材料
开始前,请确认您是否拥有 AWS 账号。
如果您刚关注 AWS,那就来申请吧!
动手训练实验任务
在电器制造的场景中,比如压缩机质量检测,常规的做法是压缩机上线检测设备,系统根据已有的模型来判断零件是否合格。但是准确率一直到不到要求,很多时候需要人工干预,引入大数据来迭代优化模型是一个比较好的尝试。检测设备在短时间内采样大量的数据(每秒 3000 次),将这些数据通过 IoT 传入数据湖,利用 EMR 集群进行训练,生成优化后的模型,再应用到检查设备,如此不断提升模型的准确率。
本实验的目的是将终端设备安全地连接到 AWS IoT Core 平台上,还展示了用户如何在设备和 IoT Core 之间使用 MQTT 协议发布/订阅消息。本次实验绝大部分使用命令行,当然你也可以使用控制台界面完成。本实验还会利用规则引擎构建 IoT 应用程序,将消息收集、处理和分析并针对数据执行操作,且无需管理任何基础设施。
一男子智能养鱼遇断网,4 万余斤鱼或因缺氧死亡。这个塘主通过手机 App 监控鱼塘情况并利用智能插座控制增氧机进行增氧;但因遇到网络故障,无法及时为鱼塘启动增氧设备而造成重大经济损失。这是个典型的物联网案例,利用物联网平台远程监控数据,并基于数据进行设备控制。在大多数情况下,它能够很好地工作,但当网络连接丢失时,智能将变得无能为力。生活中类似的场景很多,我们有没有办法既享受物联网带来的便捷和智能,又能够摆脱网络依赖带来的局限性呢?本实验将介绍如何利用 AWS IoT Greengrass 的边缘计算能力,实现远程监控的同时,在边缘侧进行智能控制。
本实验中我们将通过连接控制设备的 PLC,获取数据,分析数据并创建机器学习模型来预测钻孔机异常。实现将模型部署到边缘端,在边缘端做预测,帮助操作员避免故障及提高产品质量。
该实验环境覆盖了大数据、机器学习的主要步骤和如何基于 AWS 进行端到端的系统实现。
联系 AWS 答疑
如果在实验的过程中遇到任何的困难,千万不要放弃哦,记录下你的问题,我们将为您安排 AWS IoT 技术专家做一对一辅导。