AWS Panorama の料金

この例では、クイックサービスレストランの店内およびドライブスルーでの待ち時間をモニタリングするために AWS Panorama Appliance を購入します。Amazon SageMaker で機械学習モデルをトレーニングし、1 日の行列の長さを特定します。15 分ごとに行列の長さの合計のログをとるビジネスロジックを書き込みます。行列の長さの合計時間は、24 時間ごとにアプライアンスからローカルエリアネットワークのビジネスシステムデータベースに送信されます。

機械学習モデルとビジネスロジックを含む行列の長さのアプリケーションアセットは、200 MB のサイズです。このアプリケーションは、アプライアンスで 7 つのカメラストリームに対して継続的に実行されます。

この例では、サプライチェーンの理解を深めるために、5 つの輸送ヤードでの貨物オペレーションデータを収集します。サイトごとに 1 つの AWS Panorama Appliance を購入し (合計 5 つ)、サイトごとに既に 10 台のカメラが設置されています (合計 50 台のカメラ)。Amazon SageMaker で以前トレーニングした既存の機械学習モデルを使用して、ラベル、バーコード、部品、製品などの異なるオブジェクトを識別します。関連するビジネスロジックは、アプライアンスからサイト貨物オペレーション分析システムに結果を送信します。

機械学習モデルとビジネスロジックを含む貨物オペレーションのアプリケーションアセットは、2 GB のサイズです。AWS Panorama を利用して、各サイトのアプライアンスの 10 台のカメラストリームすべてに対してこの貨物オペレーションモデルを実行します (10 台のカメラ x 5 個のアプライアンス = 合計 50 のカメラストリーム)。

この例では、小さなコンビニエンスストアのレジカウンターで顧客の待ち時間をモニタリングするために、AWS Panorama 対応の Lenovo ThinkEdge SE70 デバイスを購入した場合です。Amazon SageMaker で機械学習モデルをトレーニングし、1 日のレジの行列の長さを特定します。15 分ごとに行列の長さの合計のログをとるビジネスロジックを書き込みます。行列の長さの合計時間は、24 時間ごとにアプライアンスからローカルエリアネットワークのビジネスシステムデータベースに送信されます。

機械学習モデルとビジネスロジックを含む行列の長さのアプリケーションアセットは、200 MB のサイズです。このアプリケーションは、デバイスで 7 つのカメラストリームに対して継続的に実行されます。