AWS IoT Analytics の特徴のページ

AWS IoT Analytics では、IoT データの分析を実行するために必要なすべてのステップを自動化します。また、BatchPutMessage API の使用や、AWS IoT Core との完全な統合により、Amazon KinesisS3 といったソースやその他のソースからのデータを受信できるため、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。チャネルがセットアップされたら、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、データ変換の実行、条件ステートメントの実行、外部ソースからのデータを使ったメッセージのエンリッチ化を行えます。

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対する回答を得ることや、より高度な分析や機械学習を実行することができます。

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み AWS IoT Core から AWS IoT Analytics にデータを直接取り込めます。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 IoT Analytics にデータを送信することもできます。IoT Analytics と AWS IoT Core との完全な統合や API の使用により、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 AWS IoT Analytics コンソールを使用して AWS IoT Analytics を設定することで、MQTT トピックフィルターを使ってさまざまなフォーマットや頻度でデバイスからのメッセージを受信できます。IoT Analytics では、ユーザー定義の特定のパラメータ内でデータが検証され、チャネルが作成されます。その後、サービスは適切なパイプラインのチャネルにルーティングされ、メッセージの処理、変換、エンリッチ化が実行されます。

処理

クレンジングとフィルタリング – AWS IoT Analytics を使用すれば、IoT Analytics によって欠損データが検出されたときにトリガーする AWS Lambda 関数を定義できるため、コードを実行し、欠落部分を推定して埋めることができます。また、最大/最小フィルターとパーセンタイルのしきい値を定義して、データの外れ値を削除することもできます。

変換 – AWS IoT Analytics では、ユーザー定義の数学的ロジックや条件ロジックを使用してメッセージを変換できます。これにより、摂氏と華氏の換算などの一般的な計算を実行できます。
 
エンリッチ化 – AWS IoT Analytics では、天気予報の情報といった外部ソースによってデータをエンリッチ化し、その後、IoT Analytics のデータストアにデータを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から未加工データを再処理できます。未加工データを再処理することで、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を柔軟に行えるため、新しいデータや履歴データをキャプチャすることや、パイプラインに変更を加えることや、単に別の方法でデータを処理することもできます。多くの場合、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場合に必要とされます。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、デバイスデータは IoT 向けに最適化された分析用の時系列データストアに保存されます。アクセス権限の管理、データ保持ポリシーの適用、外部アクセスポイントへのデータ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、処理済みデータだけでなく、取り込んだままの未加工データも自動的に保存されるため、後でそのデータを処理することができます。

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 では組み込みの SQL クエリエンジンを利用し、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してすぐに結果を得ることができます。例えば、簡単なクエリを実行して、フリートの各デバイスにおける月ごとのアクティブユーザー数を把握することができます。

時系列分析 – AWS IoT Analytics では時系列分析がサポートされているため、デバイスの長期的なパフォーマンス分析、デバイスの使用位置や使用方法の把握、メンテナンス問題を予測するためのデバイスデータに対する継続的モニタリング、環境条件を予測して対応するためのセンサーモニタリングなどが可能です。

高度な分析や機械学習向けにホストされたノートブック – AWS IoT Analytics では、統計的分析や機械学習向けにホストされた Jupyter ノートブックがサポートされています。このサービスで利用できる AWS 作成の機械学習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えます。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。事前定義されたノートブックテンプレートでは、デバイスをセグメント化するためのクラスタリングアルゴリズムである K 平均法もサポートされています。この手法では、デバイスをデバイスに類似するコホートにクラスター化します。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。

可視化

QuickSight との統合 – AWS IoT Analytics は、Amazon QuickSight と接続でき、QuickSight ダッシュボードでデータセットを可視化できます。また、結果やアドホック分析を IoT Analytics コンソールに組み込まれた Jupyter ノートブックで可視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