AWS IoT Analytics

IoT 디바이스에 대한 분석

AWS IoT Analytics는 자체 IoT 분석 플랫폼을 구축하는 데 일반적으로 필요한 비용과 복잡성에 대해 전혀 걱정할 필요 없이 대규모 IoT 데이터에 대한 정교한 분석을 손쉽게 실행 및 운용할 수 있게 해주는 완전관리형 서비스입니다. 이는 IoT 데이터에 대한 분석을 실행하고 IoT 애플리케이션 및 기계 학습 사용 사례에 대해 더욱 유용하고 정확한 결정을 내리는 데 도움이 되는 통찰력을 얻는 가장 쉬운 방법입니다.

IoT 데이터는 대부분 비정형 데이터이므로 정형 데이터를 처리하도록 설계된 기존 분석 및 비즈니스 인텔리전스 도구로 분석하기가 어렵습니다. IoT 데이터는 잡음 처리(예: 온도, 동작 또는 소리)를 기록하는 디바이스로부터 오는 경우가 많습니다. 따라서 이러한 디바이스의 데이터는 큰 폭의 차이, 손상된 메시지, 틀린 판독값을 함유할 수 있으며 분석 전에 이를 주기적으로 정리해야 합니다. 또한 IoT 데이터는 타사 데이터 입력의 추가 컨텍스트에서만 의미가 있는 경우가 많습니다. 예를 들어 농부가 물을 주어야 하는 시기를 결정하는 데 도움을 주려면 포도밭 관개 시스템이 종종 포도밭의 강우 데이터를 사용하여 습도 센서 데이터를 보강하여 수확량을 최대로 하면서 물을 효율적으로 사용할 수 있도록 합니다.

AWS IoT Analytics는 IoT 디바이스의 데이터를 분석하는 데 필요한 까다로운 각 단계를 자동화합니다. AWS IoT Analytics는 IoT 데이터를 필터링, 변환 및 보강한 다음 분석을 위해 시계열 데이터 스토어에 저장합니다. 디바이스에서 필요한 데이터만 수집하도록 서비스를 설정하고, 데이터를 처리하는 데 수학적 변환을 적용하고, 처리된 데이터를 저장하기 전에 디바이스 유형 및 위치와 같은 디바이스별 메타데이터로 데이터를 보강할 수 있습니다. 그런 다음, 내장된 SQL 쿼리 엔진으로 임시 또는 예정된 쿼리를 실행하여 데이터를 분석하거나, 좀 더 복잡한 분석 및 기계 학습 추론을 수행할 수 있습니다. AWS IoT Analytics를 사용하면 일반 IoT 사용 사례를 위한 사전 빌드 모델을 포함함으로써 머신 러닝을 쉽게 시작할 수 있습니다.

컨테이너에 패키징된 사용자 지정 분석을 사용하여 AWS IoT Analytics에서 실행할 수 있습니다. AWS IoT Analytics는 Jupyter 노트북 또는 고유 도구(예: Matlab, Octave 등)에서 생성된 사용자 지정 분석의 일정에 따른 실행을 자동화합니다.

AWS IoT Analytics는 분석을 운용하고 최대 페타바이트 규모까지 IoT 데이터를 지원하도록 자동으로 확장되는 완전관리형 서비스입니다. AWS IoT Analytics에서는 하드웨어 또는 인프라를 관리하지 않고도 디바이스 수백만 개의 데이터를 분석하고 빠른 응답형 IoT 애플리케이션을 구축할 수 있습니다.

자세한 내용은 AWS IoT Analytics 설명서 페이지를 참조하십시오.

AWS IoT Analytics – 사용 방법(3:01)

AWS IoT Analytics 이점

분석 워크플로 운용

분석을 공급하면, AWS IoT Analytics는 필요한 때에 따라 분석의 실행을 자동화합니다. AWS IoT Analytics는 AWS IoT Analytics 또는 Matlab이나 Octave와 같은 외부에 빌드된 사용자 지정 작성 코드 컨테이너를 가져와 일정에 맞춰 실행하여 운영 통찰력을 생성함으로써 가장 중요한 일에 집중하는 시간을 제공합니다.

IoT 데이터에 대한 쿼리를 손쉽게 실행

AWS IoT Analytics에서는 내장된 SQL 쿼리 엔진을 사용해 간단한 임시 쿼리를 실행할 수 있습니다. 표준 SQL 쿼리를 사용하여 데이터 스토어로부터 데이터를 추출함으로써 예를 들어 전체 커넥티드 차량의 평균 이동 거리 또는 스마트 빌딩에서 잠긴 문의 수를 계산할 수 있습니다. 또한 AWS IoT Analytics는 일련의 비중첩, 연속적 시간대를 제공하여 새로운 증분 데이터의 분석을 실시합니다. 필요한 데이터만을 스캔하여 분석 효율성을 개선하고 비용을 줄일 수 있습니다.

IoT에 최적화된 데이터 스토리지

AWS IoT Analytics는 IoT 쿼리에 빠른 응답 시간을 제공하도록 최적화된 시계열 데이터 스토어에 처리된 디바이스 데이터를 저장합니다. 또한, 원시 데이터는 나중에 처리하거나 다른 사용 사례에 맞춰 재처리하기 위해 자동으로 저장됩니다.

분석을 위해 IoT 데이터를 준비

AWS IoT Analytics에는 분석을 위해 손쉽게 데이터를 준비하고 처리할 수 있게 해주는 데이터 준비 기법이 포함되어 있습니다. 또한, AWS IoT Analytics는 시계열 분석을 지원하므로 일정 기간 동안 디바이스 성능을 분석하고, 어디에서 어떻게 디바이스가 사용되는지 파악하고, 지속적으로 디바이스 데이터를 모니터링하여 유지 관리 문제를 예측하고, 센서를 모니터링하여 환경 조건을 예측하고 이에 대응할 수 있습니다. AWS IoT Analytics는 AWS IoT Core와 통합되므로 연결된 디바이스로부터 직접 디바이스 데이터를 수집하기 쉽습니다. 데이터에서 오측을 정리하고 격차를 줄이고 메시지 데이터의 수학적 변환을 수행합니다. 데이터가 수집되면 AWS IoT Analytics는 조건문을 사용하여 데이터를 처리하고, 이를 필터링하여 분석할 데이터만 수집한 다음 AWS IoT 레지스트리의 정보를 통해 이를 보강할 수 있습니다. 또한, AWS Lambda 함수를 사용해 Weather Service, HERE Maps, Salesforce 또는 Amazon DynamoDB와 같은 외부 소스의 디바이스 데이터를 보강할 수 있습니다.

기계 학습을 위한 도구

AWS IoT Analytics를 사용하면 호스팅된 Jupyter 노트북으로 간편하게 IoT 데이터에 기계 학습을 적용할 수 있습니다. IoT 데이터를 노트북과 직접 연결하고, 기본 인프라를 관리할 필요 없이 AWS IoT Analytics 콘솔에서 모델을 빌드, 학습 및 실행할 수 있습니다. AWS IoT Analytics를 사용하면 기계 학습 알고리즘을 디바이스 데이터에 적용하여 플릿 내 각 디바이스에 대한 상태 점수를 생성할 수 있습니다. 예를 들어 자동차 제조사는 브레이크 패드를 교체해야 하는 고객이 누구인지 탐지하여 차량 유지 보수를 받도록 알릴 수 있습니다. 버튼 클릭 몇 번만으로 Jupyter 노트북 코드를 실행 가능한 컨테이너 이미지로 패키지하고 필요한 경우 해당 컨테이너를 AWS IoT Analytics에서 실행할 수 있습니다.

자동 규모 조정 및 사용한 만큼 지불하는 요금제

AWS IoT Analytics는 최대 페타바이트 규모까지 IoT 데이터를 지원하도록 자동으로 확장되며 사용한 만큼만 비용을 지불하는 완전관리형 서비스입니다. IoT Analytics를 사용하면 하드웨어 또는 인프라를 관리하지 않고도 연결된 디바이스의 전체 플릿을 분석할 수 있습니다. 요구 사항 변화에 따라 컴퓨팅 파워와 데이터 스토어가 자동으로 확장 또는 축소되므로 언제나 IoT 애플리케이션에 적합한 용량을 유지할 수 있으며 사용한 리소스에 대해서만 비용을 지불하면 됩니다.

작동 방식

사용 사례

스마트 농업

AWS IoT Analytics는 AWS IoT Registry 및 기타 퍼블릭 데이터 소스를 사용해 컨텍스트 메타데이터로 IoT 디바이스 데이터를 자동으로 보강할 수 있으므로, 시간, 위치, 온도, 고도 및 기타 환경 조건을 고려하여 분석을 수행할 수 있습니다. 이러한 분석을 통해 디바이스가 현장에서 수행할 수 있는 권장 조치를 제공하는 모델을 만들 수 있습니다. 예를 들어 연결된 농업 장비의 기사가 AWS IoT Analytics를 사용해 예상되는 강우량으로 습도 센서 데이터를 보강하여 자동화된 관개 장비의 용수 효율성을 최적화할 수 있습니다.

예측 유지 보수

AWS IoT Analytics는 강력한 예측 유지 보수 모델을 구축하고 이를 플릿에 적용하는 데 도움이 되도록 미리 구축된 템플릿을 제공합니다. 예를 들어 AWS IoT Analytics를 사용하여 커넥티드 화물 차량의 난방 및 냉각 시스템 장애가 언제 발생할지 예측하고 이를 통해 정비함으로써 화물 피해를 방지할 수 있습니다.

상품을 미리 보충

AWS IoT Analytics를 사용하면 실시간으로 인벤토리를 모니터링하는 IoT 애플리케이션을 구축할 수 있습니다. 예를 들어 식음료 회사는 AWS IoT Analytics를 사용해 식품 자판기의 데이터를 분석하고, 식품 재고가 떨어져 갈 때마다 미리 해당 자판기와 항목에 대해 상품을 재주문할 수 있습니다.

프로세스 효율성 점수

기업에서는 AWS IoT Analytics를 사용하여 서로 다른 프로세스의 효율성을 지속적으로 모니터링하고 해당 프로세스를 개선하기 위한 조치를 취하는 애플리케이션을 구축할 수 있습니다. 예를 들어 광업 회사에서는 운행 시마다 적재량을 최대화하여 광석 운반 트럭의 효율성을 높일 수 있습니다. 이 회사는 AWS IoT Analytics를 사용하여 시간 경과에 따른 각 위치 또는 트럭의 가장 효율적인 적재량을 파악하고, 목표 적재량과의 편차를 실시간으로 비교하고, 효율성 개선을 위한 적재 지침을 수립할 수 있습니다.