Funzionalità di Analisi AWS IoT

Acquisisci dati da qualsiasi fonte, incluso AWS IoT Core: acquisisci dati direttamente da AWS IoT Core ad AWS IoT Analytics. Oppure, utilizza l'API BatchPutMessage per inviare i tuoi dati ad AWS IoT Analytics da Amazon S3, Amazon Kinesis o da qualsiasi altra fonte. Con la piena integrazione di AWS IoT Analytics con AWS IoT Core e l'API, si semplifica la ricezione dei messaggi, durante la loro trasmissione, dai dispositivi connessi.

Raccogli solo i dati che desideri archiviare e analizzare: utilizzi la console AWS IoT Analytics per configurare AWS IoT Analytics per ricevere messaggi dai dispositivi tramite filtri tematici MQTT in vari formati e frequenze. AWS IoT Analytics convalida che i dati si trovano all'interno dei parametri specifici definiti e crea canali. Quindi il servizio instrada i canali alle pipeline appropriate per elaborazione, trasformazione e arricchimento di messaggi.

Pulisci e filtra : AWS IoT Analytics ti consente di definire funzioni AWS Lambda che possono essere attivate quando AWS IoT Analytics rileva dati mancanti, in modo da poter eseguire codice per stimare e colmare le lacune. Puoi anche definire filtri max/min e soglie percentili per rimuovere i valori anomali nei tuoi dati.

Trasformazione: AWS IoT Analytics può trasformare i messaggi utilizzando la logica matematica o condizionale definita dall'utente, in modo da poter eseguire calcoli comuni come la conversione da gradi Celsius a Fahrenheit.

Arricchimento: AWS IoT Analytics può arricchire i dati con origini dati esterne come le informazioni meteorologiche e quindi instradare i dati nel datastore di AWS IoT Analytics.

Rielaborazione: AWS IoT Analytics può rielaborare i dati grezzi dal Canale collegato alla Pipeline. La rielaborazione dei dati grezzi offre la flessibilità necessaria per creare una nuova pipeline o rivisitare una vecchia, in modo da poter acquisire dati nuovi e storici, apportare modifiche alla pipeline o semplicemente elaborare i dati in un modo diverso. Questa capacità è spesso necessaria per ottenere ulteriori informazioni o valutare ipotesi. Basta collegare la Pipeline al Canale appropriato da rielaborare.

Datastore delle serie temporali: AWS IoT Analytics archivia i dati dei dispositivi in un datastore di serie temporali ottimizzato IoT per l'analisi. Puoi gestire le autorizzazioni di accesso, implementare le policy di conservazione dei dati ed esportare i dati in punti di accesso esterni.

Memorizzazione di dati elaborati e non elaborati: AWS IoT Analytics memorizza i dati elaborati e archivia automaticamente i dati non elaborati in modo da poterli elaborare in un secondo momento.

Esecuzione di query SQL ad hoc o programmate: AWS IoT Analytics fornisce un motore di query SQL integrato per eseguire query ad hoc o programmate e ottenere risultati rapidi. Ad esempio, forse vuoi eseguire una rapida query per scoprire quanti utenti attivi al mese sono presenti per ciascun dispositivo nel tuo parco istanze.

Analisi delle serie temporali: AWS IoT Analytics supporta le analisi delle serie temporali e pertanto è possibile analizzare le prestazioni dei dispositivi nel tempo e comprendere il loro utilizzo monitorandone continuamente i dati per prevedere problemi di manutenzione e monitorando i sensori per prevedere e reagire alle condizioni ambientali.

Notebook ospitati per analisi sofisticate e Machine Learning: AWS IoT Analytics include il supporto Jupyter Notebooks ospitato per l'analisi statistica e il machine learning. Il servizio include un set di modelli di notebook predefiniti che contengono modelli di machine learning e visualizzazioni di AWS che ti aiutano a iniziare con i casi d'uso IoT relativi a creazione di profili dei guasti dei dispositivi, previsione di eventi come basso utilizzo che possono segnalare un abbandono del prodotto da parte del cliente, o segmentazione dei dispositivi per livelli d'uso dei clienti (ad esempio utenti intensivi, utenti del weekend) o salute dei dispositivi.

Puoi eseguire una classificazione statistica mediante un metodo denominato regressione logistica. Puoi inoltre utilizzare Long-Short-Term Memory (LSTM), una potente tecnica di rete neurale per la previsione di output o stato di un processo variabili nel tempo. I modelli di notebook preconfigurati supportano anche l'algoritmo di clustering K-Means per la segmentazione dei dispositivi, che raggruppa i dispositivi in coorti di dispositivi simili. Tali modelli vengono normalmente utilizzati per la creazione di profili di salute e stato dei dispositivi, come le unità HVAC in una fabbrica di cioccolato o l'usura delle lame di una turbina eolica.

Importazione di container personalizzati: AWS IoT Analytics importa i container di codice creato personalizzati, generati in AWS IoT Analytics o in uno strumento di terze parti come Matlab, Octave ecc., in modo che tu abbia più tempo per concentrarti su ciò che ti distanzia dalla concorrenza. Non è necessario creare nuovamente le analisi esistenti create in strumenti di terze parti. È sufficiente importare il container dell'analisi su AWS IoT Analytics ed eseguirlo secondo le esigenze.

Se utilizzi Jupyter Notebooks, crea un'immagine di container eseguibile del codice di Jupyter Notebook con un solo clic e visualizza l'analisi del container sulla console di AWS IoT Analytics.

Esecuzione automatica del container: AWS IoT Analytics permette di automatizzare l'esecuzione dei container che ospitano il codice analitico creato personalizzato o Jupyter Notebooks per eseguire l'analisi continua. Puoi programmare l'esecuzione dell'analisi personalizzata in base alla pianificazione ricorrente che si adatta meglio alle esigenze della tua attività.

Acquisizione di dati incrementali con intervalli di tempo personalizzabili: AWS IoT Analytics permette agli utenti di eseguire analisi sui nuovi dati incrementali acquisiti dall'ultima analisi. Puoi migliorare l'efficienza dell'analisi e ridurre i costi analizzando esclusivamente i nuovi dati. Indipendentemente da quando è stata eseguita l'ultima analisi, gli intervalli di tempo personalizzabili acquisiranno i nuovi dati per conto tuo.

Integrazione QuickSight: AWS IoT Analytics fornisce un connettore ad Amazon QuickSight in modo da poter visualizzare i set di dati in un pannello di controllo QuickSight. Puoi anche visualizzare i risultati della tua analisi ad hoc nei notebook Jupyter incorporati nella console di AWS IoT Analytics.