AWS IoT Analytics는 IoT 데이터에서 분석을 실행하는 데 필요한 모든 단계를 자동화합니다. AWS IoT Analytics는 AWS IoT Core와 완벽히 통합되어 있어 손쉽게 데이터를 수집하고 분석을 시작할 수 있습니다. 먼저 MQTT 토픽 필터를 사용하여 채널을 정의하고, 저장 및 분석하려는 데이터만 지정합니다. 채널이 설정되면 데이터를 처리하도록 파이프라인을 구성합니다. 파이프라인은 데이터 변환을 수행하고, 조건문을 실행하며, 외부 소스의 데이터로 메시지를 보강할 수 있습니다.

AWS IoT Analytics는 데이터를 처리한 후 분석을 위해 시계열 데이터 스토어에 저장합니다. 그런 다음 내장된 SQL 쿼리 엔진을 사용하여 임시 쿼리를 실행해 특정 비즈니스 질문에 답하거나 보다 정교한 분석 및 기계 학습을 수행할 수 있습니다.

주요 기능

수집

AWS IoT Core와 통합 - AWS IoT Analytics는 AWS IoT Core와 완벽히 통합되어 있어 연결된 장치에서 스트리밍되는 메시지를 쉽게 수신할 수 있습니다.

저장하고 분석하려는 데이터만 수집AWS IoT Analytics 콘솔을 사용하여 다양한 형식과 빈도로 MQTT 토픽 필터를 통해 디바이스에서 메시지를 수신합니다. IoT Analytics는 정의한 특정 파라미터 내에 데이터가 있는지 확인하고 채널을 생성합니다. 그런 다음 메시지 처리, 변환, 보강을 위해 적절한 파이프라인으로 채널을 라우팅합니다.

처리

정리 및 필터링 – AWS IoT Analytics를 사용하면 IoT Analytics가 누락 데이터를 감지할 때 트리거할 수 있는 AWS Lambda 함수를 정의할 수 있으므로 코드를 실행해 간격을 추산하고 채울 수 있습니다. 또한 최대/최소 필터와 백분위수 임계값을 정의해 데이터에서 이상값을 제거할 수 있습니다.

변환 – AWS IoT Analytics는 사용자가 정의하는 수학적 또는 조건부 논리를 사용하여 메시지를 변환할 수 있으므로 섭씨-화씨 변환 같은 일반적 계산을 수행할 수 있습니다.
 
보강 – AWS IoT Analytics는 일기 예보 정보 같은 외부 데이터 소스로 데이터를 보강한 다음 이 데이터를 IoT Analytics 데이터 스토어로 라우팅할 수 있습니다.

저장

시계열 데이터 스토어 - AWS IoT Analytics는 분석을 위해 IoT에 최적화된 시계열 데이터 스토어에 디바이스 데이터를 저장합니다. 액세스 권한 관리, 데이터 보존 정책 구현, 외부 액세스 지점으로 데이터 내보내기가 가능합니다.

처리된 데이터 및 원시 데이터 저장 - AWS IoT Analytics는 처리된 데이터를 저장할 뿐 아니라 나중에 처리할 수 있도록 수집된 원시 데이터도 자동으로 저장합니다.

분석

임시 SQL 쿼리 실행 – AWS IoT Analytics는 내장 SQL 쿼리 엔진을 제공하므로 임시 쿼리를 실행하고 결과를 빠르게 얻을 수 있습니다. 예를 들어 플리트의 각 디바이스당 월 유효 사용자가 몇 명인지 알기 위해 빠르게 쿼리를 실행할 수 있습니다.

시계열 분석 – 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.

정교한 분석 및 기계 학습을 위한 호스팅된 노트북 – AWS IoT Analytics에는 통계 분석과 기계 학습을 위해 호스팅된 Jupyter 노트북에 대한 지원이 포함됩니다. 이 서비스에는 AWS가 만든 기계 학습 모델과 시각화를 포함하는 사전 작성된 노트북 템플릿 집합이 포함되어 있습니다. 이는 디바이스 고장 프로파일링, 고객의 제품 포기의 신호가 될 수 있는 낮은 사용량 등의 이벤트 예측 또는 고객 사용 수준(예: 과중 사용자, 주말 사용자)이나 디바이스 상태를 기준으로 한 디바이스 세분화와 관련된 IoT 사용 사례를 시작하는 데 도움이 됩니다.

통계 분류는 로지스틱 회귀라고 하는 방법을 통해 수행할 수 있습니다. 시간이 지나면서 변화하는 프로세스의 출력 또는 상태를 예측하기 위한 강력한 신경망 기법인 LSTM(Long-Short-Term Memory)도 사용할 수 있습니다 사전에 작성된 노트북 템플릿도 디바이스 세분화를 위한 K-평균 클러스터링 알고리즘을 지원합니다. 이 알고리즘은 디바이스를 유사한 디바이스 코호트로 클러스터링합니다. 이러한 템플릿은 일반적으로 초콜릿 공장의 HVAC 장치 또는 풍력 터빈 블레이드의 마모 같은 디바이스 상태를 프로파일링하는 데 사용됩니다.

시각화

QuickSight 통합 – AWS IoT Analytics는 Amazon QuickSight에 대한 커넥터를 제공하므로 QuickSight 대시보드에서 데이터 집합을 시각화할 수 있습니다. IoT Analytics 콘솔 내에서 결과 또는 임시 분석을 내장 Jupyter 노트북에서 시각화할 수도 있습니다.

AWS IoT Analytics 요금에 대해 자세히 알아보기

요금 페이지로 이동하기
시작할 준비가 되셨습니까?
평가판에 등록하기
질문이 있으십니까?
AWS에 문의