AWS IoT Analytics は、IoT データの分析の実行と操作に必要なすべてのステップを自動化します。AWS IoT Analytics は、IoT デバイスのデータの分析に必要な、困難を伴うステップを自動化します。また、BatchPutMessage API を使用して、Amazon KinesisS3、サードパーティーのツールなどのソースからデータを受信できます。AWS IoT Core と完全に統合されているため、簡単にデータを収集して分析を開始できます。まず、MQTT トピックフィルターを使用してチャネルを定義し、保存および分析するデータのみを指定します。チャネルのセットアップが完了したら、データを処理するパイプラインを設定します。パイプラインでは、データ変換や条件ステートメントの実行、外部ソースのデータを使用したメッセージの強化ができます。

データは処理された後、AWS IoT Analytics によって分析用の時系列データストアに保存されます。その後、組み込みの SQL クエリエンジンを使用してアドホッククエリまたはスケジュールされたクエリを実行することで、特定の業務上の質問に回答したり、より高度な分析や Machine Learning を実行したりできます。

主な特徴

収集

AWS IoT Core を含むあらゆるソースからデータを取り込むAWS IoT Core から AWS IoT Analytics にデータを直接取り込みます。または、BatchPutMessage API を使用して、Amazon S3Amazon Kinesis、またはその他のソースから AWS IoT Analytics にデータを送信します。AWS IoT Analytics と AWS IoT Core や API との完全な統合により、接続されたデバイスからのメッセージをストリーミング中に簡単に受信できます。

保存および分析するデータのみを収集するAWS IoT Analytics コンソールを使用して、デバイスからのメッセージを MQTT トピックフィルタを介して各種の形式と頻度で受信するように AWS IoT Analytics を設定します。AWS IoT Analytics では、定義した特定のパラメータ内にデータがあることを確認し、チャネルを作成します。作成したチャネルは、サービスから適切なパイプラインにルーティングされ、メッセージの処理、変換、強化が実行されます。

処理

最適化とフィルタ – AWS IoT Analytics では、AWS Lambda 関数を定義して欠落データを検出したときにトリガーできるため、コードを実行して欠落を推定し、これを埋めることができます。 また、最大/最小フィルタとパーセンタイルのしきい値を定義して、データ上の異常値を削除することもできます。

変換 – AWS IoT Analytics では、定義した数学的または条件付きロジックを使用してメッセージを変換できるため、摂氏から華氏への変換のような一般的な計算を実行できます。
 
強化 – AWS IoT Analytics では、天気予報などの外部データソースを使用してデータを強化し、このデータを AWS IoT Analytics データストアにルーティングできます。
 
再処理 – AWS IoT Analytics では、パイプラインに接続されたチャネルの未加工データを再処理できます。未加工データの再処理により、新しいパイプラインの作成や既存のパイプラインの再調整が柔軟に実行できるため、新しいデータや履歴データのキャプチャ、パイプラインの変更、または別の方法でのデータ処理が可能になります。通常、この機能はより深い洞察を得たり、仮説を検証したりするときに必要になります。再処理をするには、パイプラインを該当するチャネルに接続するだけです。
 

保存

時系列データストア – AWS IoT Analytics では、IoT で最適化した分析用の時系列データストアにデバイスデータを保存します。アクセス権限の管理、データ保持ポリシーの実装、外部アクセスポイントへのデータのエクスポートを行うことができます。

処理済みデータと未加工データの保存 – AWS IoT Analytics では、処理済みデータを保存するだけでなく、取り込まれた未加工データも自動的に保存するため、後でそのデータを処理できます。

分析

アドホック SQL クエリまたはスケジュールされた SQL クエリの実行 – AWS IoT Analytics には SQL クエリエンジンが組み込まれているため、アドホッククエリやスケジュールされたクエリを実行してすぐに結果を得ることができます。たとば、簡単なクエリを実行して、フリートのデバイス別に各月のアクティブユーザー数を把握できます。

時系列分析 – AWS IoT Analytics は時系列分析に対応しているため、時間の経過とともにデバイスのパフォーマンスを分析したり、使用方法や使用場所を把握するだけでなく、デバイスデータを継続的にモニタリングしてメンテナンスの問題を予測したり、センサーをモニタリングして環境条件を予測して対応したりできます。

高度な分析と Machine Learning 用のホストされたノートブック – AWS IoT Analytics には、統計分析と Machine Learning 用のホストされた Jupyter ノートブックのサポートが含まれています。このサービスで利用できる AWS 作成の Machine Learning モデルと可視化を含む事前定義されたノートブックテンプレートのセットにより、デバイス障害のプロファイリング、顧客が製品の使用を中止する兆候にもなる低使用率といったイベントの予測、顧客の使用レベル (ヘビーユーザー、週末のみのユーザーなど) またはデバイスの健全性に応じたデバイスのセグメント化に関連した、IoT ユースケースの使用を開始できます。

また、ロジスティック回帰と呼ばれる手法を使用して統計的分類を行うことができます。さらに、強力なニューラルネットワーク技術である Long Short-Term Memory (LSTM) を使用して、経時的に変化する出力やプロセス状態を予測することもできます。あらかじめ作成されているノートブックテンプレートは、デバイスをセグメント化する k 平均法アルゴリズムをサポートしています。これにより、デバイスは、デバイスのグループにクラスタ化されます。これらのテンプレートは通常、チョコレート工場の HVAC ユニットや風力タービンの羽根の摩耗や破損といったデバイスの健全性や状態のプロファイリングに使用されます。

カスタムコンテナの持ち込み – AWS IoT Analytics では、独自に作成されたコードコンテナ (AWS IoT Analytics やサードパーティーの Matlab、Octave などに組み込まれているもの) をインポートできるため、競合他社との差別化を図る業務に専念できます。サードパーティーのツールで作成された既存の分析を再作成する必要はありません。AWS IoT Analytics で分析コンテナをインポートして必要に応じて実行するだけです。

Jupyter ノートブックを使用している場合は、1 つのボタンをクリックするだけで Jupyter ノートブックコードの実行可能なコンテナイメージを作成し、AWS IoT Analytics コンソールでコンテナ分析を視覚化できます。

コンテナの実行の自動化 – AWS IoT Analytics では、独自に作成された分析コードや Jupyter ノートブックをホストするコンテナの実行を自動化できます。業務のニーズに最適な定期的スケジュールでカスタム分析を実行するようにスケジュールできます。

カスタマイズ可能な時間枠を使用した増分データのキャプチャ – AWS IoT Analytics では、前回の分析以降にキャプチャされた新しい増分データに対して分析を実行できます。新しいデータのみを正確にスキャンすることで、分析を効率化してコストを削減できます。いつ前回の分析が実行されたかに関係なく、カスタマイズ可能な時間枠により、前回の分析以降の新しいデータが自動的にキャプチャされます。

可視化

QuickSight との統合 - AWS IoT Analytics では、Amazon QuickSight へのコネクタを提供しているため、QuickSight ダッシュボードでデータセットを視覚化できます。また、AWS IoT Analytics のコンソール内に組み込まれている Jupyter ノートブックで、結果やアドホック分析を視覚化することもできます。

AWS IoT Analytics 料金の詳細

料金ページを見る
始める準備はできましたか?
無料でお試しください
ご不明な点がおありですか?
お問い合わせ