AWS IoT Analytics

Analyses pour périphériques IoT

AWS IoT Analytics est un service entièrement géré qui facilite l'exécution d'analyses avancées sur de très grands volumes de données IoT, sans avoir à tenir compte du coût et de la complexité généralement liés à l'élaboration d'une plateforme d'analyse IoT. C'est la façon la plus simple d'analyser des données IoT et d'extraire des informations permettant de prendre de meilleures décisions pour les cas d'utilisation des applications IoT et de l'apprentissage-machine.

Les données IoT sont très peu structurées, ce qui complique l'utilisation des outils traditionnels d'analyse et d'aide à la décision, conçus pour traiter des données structurées. Les données IoT proviennent souvent de périphériques qui enregistrent des processus bruyants (comme la température, les mouvements et les sons). Les données issues de ces périphériques présentent souvent des lacunes importantes, des messages endommagés et des relevés erronés qui doivent faire l'objet d'un nettoyage avant de pouvoir être analysés. Elles n'ont aussi souvent de sens que dans le contexte de données d'entrée tierces supplémentaires. Par exemple, pour aider les agriculteurs à déterminer quand arroser leurs cultures, les systèmes d'irrigation de vigne enrichissent souvent les données des capteurs d'humidité avec les données des précipitations dans les vignes, ce qui permet une utilisation plus efficace de l'eau tout en optimisant le rendement des cultures.

AWS IoT Analytics automatise chaque étape complexe nécessaire à l'analyse des données des périphériques IoT. AWS IoT Analytics filtre, transforme et enrichit les données IoT avant de les stocker dans un magasin de données en séries chronologiques à des fins d'analyse. Vous pouvez configurer le service de façon à ne collecter que les données nécessaires auprès des périphériques, à appliquer des formules mathématiques pour traiter les données et à enrichir les données avec des métadonnées spécifiques aux périphériques, telles que l'emplacement et le type de périphérique, avant de stocker les données traitées. Ensuite, vous pouvez analyser vos données en exécutant des requêtes planifiées ou ad hoc à l'aide du moteur de requête SQL intégré, ou réaliser des analyses plus complexes et des procédures d'inférence d'apprentissage automatique. AWS IoT Analytics permet de démarrer facilement avec l'apprentissage automatique en incluant des modèles préconçus pour les cas d'utilisation IoT courants.

Vous pouvez également utiliser votre propre analyse personnalisée, empaquetée dans un conteneur, pour l'exécuter dans AWS IoT Analytics. AWS IoT Analytics automatise l'exécution de vos analyses personnalisées créées dans un bloc-notes Jupyter ou dans vos propres outils (tels que Matlab, Octave, etc.) pour une exécution planifiée.

AWS IoT Analytics est un service entièrement géré qui rend opérationnelles les analyses et évolue automatiquement pour prendre en charge jusqu'à plusieurs pétaoctets de données IoT. Avec AWS IoT Analytics, vous pouvez analyser les données de millions de périphériques et créer des applications IoT rapides et réactives, sans avoir à gérer de matériel ni d'infrastructure.

Pour plus d'information, consultez la page Documentation AWS IoT Analytics.

AWS IoT Analytics – Fonctionnement

Avantages d'AWS IoT Analytics

RENDRE OPÉRATIONNELS VOS FLUX DE TRAVAIL D'ANALYSE

Vous fournissez l'analyse et AWS IoT Analytics automatise son exécution quand et où vous en avez besoin. AWS IoT Analytics importe vos conteneurs de code personnalisé, générés dans des outils externes tels que Matlab, Octave, etc., et les exécute selon votre planification pour générer des informations opérationnelles approfondies, ce qui vous laisse plus de temps pour vous concentrer sur votre activité principale.

Exécution facile de requêtes sur les données IoT

Avec AWS IoT Analytics, vous pouvez exécuter de simples requêtes ad hoc avec le moteur de requête SQL intégré. En utilisant des requêtes SQL standard pour extraire des données du magasin de données, vous pouvez par exemple calculer la distance moyenne parcourue par une flotte de véhicules ou le nombre de portes verrouillées dans un bâtiment intelligent. De plus, AWS IoT Analytics fournit une série de fenêtres temporelles contiguës non superposées pour effectuer une analyse sur les nouvelles données incrémentielles. Vous pouvez améliorer l'efficacité de l'analyse tout en réduisant les coûts en analysant uniquement les données dont vous avez besoin.

Optimisation du stockage de données pour l'IoT

AWS IoT Analytics stocke les données de périphérique traitées dans un magasin de données en séries chronologiques, qui est optimisé pour offrir des temps de réponse courts lors de requêtes IoT. Les données brutes sont également stockées automatiquement pour pouvoir être traitées ultérieurement ou retraitées pour un autre cas d'utilisation.

Préparation de vos données IoT en vue de leur analyse

AWS IoT Analytics intègre des méthodes de préparation de données qui facilitent la préparation et le traitement des données en vue de leur analyse. AWS IoT Analytics prend aussi en charge l'analyse de séries chronologiques. Vous pouvez ainsi analyser les performances des périphériques dans le temps et comprendre comment et où ils sont utilisés, surveiller continuellement les données des périphériques pour prévoir les problèmes de maintenance et surveiller les capteurs pour prévoir les conditions environnementales et agir en conséquence. AWS IoT Analytics est intégré à AWS IoT Core. Il est donc facile d'ingérer les données de périphérique directement à partir des périphériques connectés. Le service nettoie les relevés erronés, comble les données manquantes et exécute des transformations mathématiques des données de messagerie. À mesure que les données sont ingérées, AWS IoT Analytics peut les traiter à l'aide d'instructions conditionnelles, les filtrer pour collecter uniquement celles que vous voulez analyser, et les enrichir avec des informations provenant du registre AWS IoT. Vous pouvez également utiliser des fonctions AWS Lambda pour enrichir vos données de périphérique à partir de sources externes, comme Weather Service, HERE Maps, Salesforce ou Amazon DynamoDB.

Outils pour l'apprentissage-machine

AWS IoT Analytics facilite l'application de l'apprentissage automatique sur vos données IoT à l'aide de blocs-notes Jupyter hébergés. Vous pouvez connecter vos données IoT directement au bloc-notes et générer, former et exécuter des modèles directement depuis la console AWS IoT Analytics, sans avoir à gérer d'infrastructure sous-jacente. Avec AWS IoT Analytics, vous pouvez appliquer des algorithmes d'apprentissage automatique sur vos données de périphérique pour produire un indice d'état pour chaque périphérique de votre parc. Par exemple, un constructeur automobile peut détecter les clients dont les plaquettes de frein sont usées et les inviter à faire entretenir leurs véhicules. D'un simple clic sur un bouton, vous pouvez également empaqueter votre code de bloc-notes Jupyter dans une image de conteneur exécutable, et exécuter ce conteneur dans AWS IoT Analytics selon vos besoins.

Mise à l'échelle automatique avec tarification à l'utilisation

AWS IoT Analytics est un service entièrement géré et à paiement à l'utilisation qui évolue automatiquement pour prendre en charge jusqu'à plusieurs pétaoctets de données IoT. Avec IoT Analytics, vous pouvez analyser l'ensemble de votre parc de périphériques connectés, sans avoir à gérer de matériel ni d'infrastructure. À mesure de l'évolution de vos besoins, la puissance de calcul et le magasin de données sont automatiquement mis à l'échelle pour vous offrir la capacité idéale pour vos applications IoT. Vous ne payez que les ressources que vous utilisez.

Principe de fonctionnement

Cas d'utilisation

Agriculture connectée

AWS IoT Analytics peut enrichir automatiquement les données de périphérique IoT avec des métadonnées contextuelles via le registre AWS IoT et d'autres sources de données publiques, afin de vous permettre de mener des analyses tenant compte du temps, du lieu, de la température, de l'altitude et d'autres conditions environnementales. Avec cette analyse, vous pouvez écrire des modèles définissant des actions recommandées que vos périphériques pourront exécuter sur le terrain. Par exemple, les opérateurs d'équipements d'agriculture connectée peuvent utiliser AWS IoT Analytics pour enrichir les données de leurs capteurs d'humidité avec les prévisions de précipitations, afin d'optimiser la consommation d'eau de leurs systèmes d'irrigation automatisés.

Maintenance prévisionnelle

AWS IoT Analytics fournit des modèles préconçus pour vous aider à créer facilement de puissants modèles de maintenance prévisionnelle et à les appliquer à votre parc. Par exemple, vous pouvez utiliser AWS IoT Analytics pour mieux prévoir les pannes des systèmes de chauffage et de refroidissement des véhicules de livraison connectés, et réviser ces derniers en conséquence pour éviter toute dégradation de la cargaison.

Réapprovisionnement proactif

AWS IoT Analytics permet de créer des applications IoT capables de surveiller les stocks en temps réel. Par exemple, une entreprise agro-alimentaire peut utiliser AWS IoT Analytics pour analyser les données de ses distributeurs automatiques et renouveler proactivement la commande des articles appropriés pour la machine concernée quand le stock diminue.

Évaluation de l'efficacité des processus

Avec AWS IoT Analytics, les entreprises peuvent créer des applications qui surveillent en continu l'efficacité de différents processus et prendre les mesures nécessaires pour les améliorer. Par exemple, une société minière peut améliorer l'efficacité du transport de minerais par camions en maximisant la charge par trajet. Avec AWS IoT Analytics, la société peut identifier la charge la plus efficace pour un emplacement ou un camion dans le temps, puis comparer tout écart de la charge cible en temps réel et mieux planifier les consignes de chargement et ainsi améliorer l'efficacité.