AWS IoT Analytics automatisiert alle Schritte, die für die Durchführung von Analysen von IoT-Daten erforderlich sind. Es ist vollständig in AWS IoT Core integriert, was das Sammeln von Daten und das Durchführen von Leistungsanalysen erleichtert. Sie definieren zuerst einen Kanal mit MQTT-Themenfiltern, um die Daten zu spezifizieren, die Sie speichern und analysieren möchten. Nachdem Sie den Kanal eingerichtet haben, konfigurieren Sie eine Pipeline zur Datenverarbeitung. Die Pipeline kann Datentransformationen durchführen, bedingte Anweisungen ausführen und Nachrichten mit Daten aus externen Quellen anreichern.

Nachdem die Daten verarbeitet wurden, speichert AWS IoT Analytics sie zur Analyse in einem Zeitreihendatenspeicher. Sie können dann Ad-hoc-Abfragen über die integrierte SQL-Abfrage-Engine durchführen, um spezifische Unternehmensfragen zu beantworten, oder eine komplexere Analyse durchführen und maschinelles Lernen einsetzen.

Wichtigste Funktionen

Sammeln

Integriert in AWS IoT Core: AWS IoT Analytics ist vollständig in AWS IoT Core integriert, sodass es einfach ist, Nachrichten von verbundenen Geräten als Stream zu erhalten.

Sammeln Sie nur die Daten, die Sie speichern und analysieren wollen: Nutzen Sie die AWS IoT Analytics-Konsole, um AWS IoT Analytics so zu konfigurieren, dass es Nachrichten von Geräten über MQTT-Themenfilter in verschiedenen Formaten und auf verschiedenen Frequenzen erhält. IoT Analytics prüft, ob die Daten die festgelegten Parameter erfüllen, und erstellt Kanäle. Der Service leitet dann die Kanäle zur Verarbeitung, Transformation und Anreicherung der Nachrichten an die entsprechenden Pipelines weiter.

Verarbeiten

Reinigen und filtern: Mit AWS IoT Analytics können Sie AWS Lambda-Funktionen definieren, die ausgelöst werden können, wenn IoT Analytics fehlende Daten erkennt, damit Sie Code zum Bewerten und Füllen der Lücken ausführen können. Sie können außerdem Max.-/Min.-Filter und Perzentilschwellen festlegen, um Ausreißer in Ihren Daten zu eliminieren.

Transformieren: AWS IoT Analytics kann Nachrichten über die von Ihnen festgelegte mathematische oder konditionale Logik transformieren, damit Sie gängige Berechnungen wie Celsius-zu-Fahrenheit-Umwandlung durchführen können.
 
Anreichern: AWS IoT Analytics kann Daten über externe Datenquellen, wie Wettervorhersagen, anreichern und diese Daten dann an den IoT Analytics-Datenspeicher weiterleiten.

Speichern

Zeitreihendatenspeicher: AWS IoT Analytics speichert die Gerätedaten zur Analyse in einem IoT-optimierten Zeitreihendatenspeicher. Sie können die Zugangsberechtigungen verwalten, Datenerhaltsrichtlinien implementieren und Ihre Daten zu externen Zugriffspunkten exportieren.

Verarbeitete Daten und Rohdaten speichern: AWS IoT Analytics speichert die verarbeiteten Daten und außerdem automatisch die aufgenommenen Rohdaten, damit Sie sie zu einem späteren Zeitpunkt verarbeiten können.

Analysieren

Ad-hoc-SQL-Abfragen ausführen: AWS IoT Analytics beinhaltet eine integrierte SQL-Abfrage-Engine, über die Sie Ad-hoc-Abfragen ausführen können und schnelle Ergebnisse erhalten. Zum Beispiel können Sie so eine schnelle Abfrage ausführen, um herauszufinden, wie viele aktive Benutzer es für jedes Gerät in Ihrer Flotte gibt.

Zeitreihenanalyse: AWS IoT Analytics unterstützt Zeitreihenanalysen. Damit können Sie die Leistung Ihrer Geräte über einen längeren Zeitraum analysieren und ermitteln, wo und wie diese eingesetzt werden. Sie können die Gerätedaten fortlaufend überwachen, um Wartungsprobleme frühzeitig zu erkennen, und Sensoren überwachen, um Umwelteinflüsse wie Temperatur oder Niederschlag prognostizieren und entsprechend reagieren zu können.

Gehostete Notebooks für komplexe Analysen und maschinelles Lernen: AWS IoT Analytics unterstützt gehostete Jupyter Notebooks für statistische Analysen und maschinelles Lernen. Der Service beinhaltet einen Satz vorgefertigter Notebook-Vorlagen, der AWS-verfasste ML-Modelle und Visualisierungen enthält. So können Sie IoT-Anwendungsfälle für die Profilierung von Geräteausfällen, die Vorhersage von Ereignissen, wie niedrige Nutzung, die signalisieren kann, dass der Kunde das Produkt bald nicht mehr verwenden wird, die Segmentierung von Geräten nach Kundennutzungshäufigkeit (beispielsweise Dauernutzer, Wochendendnutzer) oder den Zustand des Geräts einfach und schnell nutzen.

Mittels logistischer Regression können Sie statistische Klassifizierungen durchführen. Sie können ebenfalls den Langzeit-Kurzzeitspeicher (Long-Short-Term Memory, LSTM) nutzen, eine leistungsstarke neurale Netzwerktechnik zur Vorhersage der Ausgabe oder des Status eines Prozesses, der sich mit der Zeit ändert. Die vorgefertigten Notebook-Vorlagen unterstützen außerdem den k-Means-Cluster-Algorithmus für die Gerätesegmentierung, mit der Sie Ihre Geräte in Gruppen ähnlicher Geräte aufteilen können. Diese Vorlagen werden für gewöhnlich dafür verwendet, den Zustand und den Status eines Geräts festzustellen (z. B. bei HVAC-Einheiten in einer Schokoladenfabrik oder bei Windradrotorenblättern, um die Abnutzung zu ermitteln).

Visualisieren

QuickSight-Integration: AWS IoT Analytics bietet eine Verbindung zu Amazon QuickSight, damit Sie Ihre Datensätze in einem QuickSight-Dashboard visualisieren können. Sie können auch die Ergebnisse Ihrer Ad-hoc-Analyse in den eingebetteten Jupyter Notebooks über die IoT Analytics-Konsole visualisieren.

Weitere Informationen zu den Preisen von AWS IoT Analytics

Zur Seite mit den Preisen
Sind Sie startbereit?
Für die Vorversion registrieren
Haben Sie Fragen?
Kontakt