AWS IoT Analytics

Аналитика для устройств IoT

AWS IoT Analytics – это полностью управляемый сервис, который позволяет легко выполнять сложный анализ больших объемов данных Интернета вещей, не беспокоясь о затратах и сложностях, которые обычно сопровождают создание собственной платформы IoT-аналитики. Это самый простой способ анализа данных IoT и получения аналитических данных, позволяющих принимать оптимальные и более точные решения для приложений IoT и для примеров использования, связанных с машинным обучением.

Данные IoT очень плохо структурированы, что затрудняет их анализ с помощью традиционных инструментов аналитики и бизнес-аналитики, предназначенных для обработки структурированных данных. Данные IoT поступают с устройств, которые часто записывают процессы с большим количеством помех (такие как температура, движение и звук). Данные с этих устройств могут иметь значительные пробелы, содержать поврежденные сообщения и ложные показания, от которых необходимо избавиться, прежде чем приступать к анализу. Кроме того, данные IoT часто имеют смысл только в контексте дополнительных сторонних данных. Так, чтобы помочь фермерам выбрать оптимальное время для полива, данные с датчиков влажности в ирригационных системах виноделен часто дополняются данными винодельни о количестве осадков, что позволяет использовать воду более эффективно и увеличивать урожайность.

Сервис AWS IoT Analytics автоматизирует каждый из трудоемких шагов, необходимых для анализа данных с устройств IoT. AWS IoT Analytics фильтрует, преобразует и дополняет данные IoT перед их помещением в хранилище данных временных рядов для анализа. Сервис можно настроить на сбор с устройств только необходимых данных, на применение математических преобразований для обработки данных и дополнение обработанных данных метаданными, специфичными для устройства, такими как тип и местоположение устройства, перед их передачей на хранение. После этого можно анализировать данные, выполняя спонтанные и запланированные запросы к ним с помощью встроенного механизма SQL-запросов. Можно также выполнять более сложный анализ данных или получать выводы от систем машинного обучения. AWS IoT Analytics упрощает начало работы с машинным обучением, поскольку содержит готовые модели для стандартных сценариев использования IoT.

Кроме того, с помощью AWS IoT Analytics можно выполнить собственный пользовательский анализ, предварительно упаковав данные в контейнер. AWS IoT Analytics автоматизирует выполнение пользовательского анализа, составленного в Jupyter Notebook или других инструментах (Matlab, Octave и т. д.), по расписанию.

AWS IoT Analytics – это полностью управляемый сервис, эксплуатация, анализ и масштабирование которого осуществляются автоматически, обеспечивая поддержку IoT-данных в масштабе петабайтов. С помощью AWS IoT Analytics можно анализировать данные с миллионов устройств и создавать быстро реагирующие приложения IoT без управления аппаратными средствами или инфраструктурой.

Дополнительную информацию см. на странице документации AWS IoT Analytics.

AWS IoT Analytics – как это работает (3:01)

Преимущества AWS IoT Analytics

Практическое использование аналитических рабочих процессов

Вы предоставляете все необходимое для анализа, а AWS IoT Analytics автоматизирует его выполнение в нужное время и в нужном месте. AWS IoT Analytics импортирует контейнеры с пользовательским кодом, созданные во внешних инструментах, таких как Matlab, Octave и т. д., и выполняет их в соответствии с составленным вами расписанием, предоставляя операционную аналитику и позволяя сконцентрироваться на том, что получается у вас лучше всего.

Простота выполнения запросов к данным IoT

С помощью AWS IoT Analytics можно выполнять простые спонтанные запросы, используя встроенный механизм SQL‑запросов. Используя стандартные запросы SQL для извлечения данных из хранилища данных, можно рассчитать среднее расстояние, пройденное парком автомобилей, или количество дверей, запертых в «умном» здании, например. Кроме того, AWS IoT Analytics предоставляет несколько неперекрывающихся смежных временных интервалов для выполнения анализа с новыми инкрементными данными. Сканируя только необходимые данные, можно повысить эффективность анализа и снизить затраты на него.

Хранилище данных, оптимизированное для IoT

AWS IoT Analytics хранит обработанные данные устройств в хранилище данных временных рядов, оптимизированном для быстрой обработки запросов IoT. Необработанные данные также автоматически сохраняются для последующей обработки или повторной обработки для другого сценария использования.

Подготовка данных IoT для анализа

AWS IoT Analytics использует технологии подготовки данных, которые облегчают подготовку и обработку данных для анализа. AWS IoT Analytics также поддерживает анализ временных рядов, поэтому можно анализировать изменение производительности устройств во времени и понимать, как и где они используются, постоянно контролировать данные устройств для прогнозирования проблем, связанных с обслуживанием, и выполнять мониторинг датчиков для прогнозирования условий окружающей среды и реагирования на них. AWS IoT Analytics интегрирован с AWS IoT Core, поэтому данные легко можно получать непосредственно с подключенных устройств. Сервис удаляет ложные показания, заполняет пробелы в данных и выполняет математические преобразования данных из полученных сообщений. По мере поступления данных AWS IoT Analytics может обрабатывать их с помощью условных операторов, фильтровать данные для сбора только тех данных, которые требуется проанализировать, и дополнять их информацией из реестра AWS IoT. Можно также использовать функции AWS Lambda для дополнения данных устройства данными из внешних источников, таких как программы метеорологической службы, HERE Maps, Salesforce или Amazon DynamoDB.

Инструменты для машинного обучения

AWS IoT Analytics позволяет просто применять машинное обучение к данным IoT с помощью размещенных блокнотов Jupyter. Данные IoT можно напрямую подключать к блокноту и потом создавать, обучать и исполнять модели прямо на консоли AWS IoT Analytics без необходимости управлять какой-либо базовой инфраструктурой. Используя AWS IoT Analytics, можно применять алгоритмы машинного обучения к данным устройства для получения оценки работоспособности каждого используемого устройства. Например, автопроизводитель может определить клиентов, у которых стерлись тормозные колодки, и предупредить их, что автомобилям требуется техническое обслуживание. Одним нажатием кнопки можно упаковать свой код, созданный в Jupyter Notebook, в исполняемый образ контейнера и при необходимости выполнить этот контейнер в AWS IoT Analytics.

Автоматическое масштабирование с оплатой по факту использования

AWS IoT Analytics – это полностью управляемый сервис с оплатой по факту использования, который автоматически масштабируется, обеспечивая поддержку данных IoT в масштабе петабайтов. С помощью IoT Analytics можно анализировать данные всех подключенных устройств без управления аппаратными средствами или инфраструктурой. По мере изменения потребностей клиента вычислительная мощность и хранилище данных автоматически масштабируются в нужном направлении, всегда обеспечивая все необходимые ресурсы для приложений IoT. Оплате при этом подлежат только реально использованные ресурсы.

Принцип работы

Примеры использования

Интеллектуальное сельское хозяйство

AWS IoT Analytics может автоматически дополнять данные устройств IoT контекстными метаданными с использованием реестров AWS IoT и других публичных источников данных, чтобы можно было выполнять анализ с учетом времени, местоположения, температуры, высоты над уровнем моря и других условий окружающей среды. С помощью такой аналитики можно написать модели, которые выдают рекомендуемые действия для применения устройствами на местах. Например, операторы подключенного сельскохозяйственного оборудования могут использовать AWS IoT Analytics для дополнения данных датчика влажности данными ожидаемого количества осадков, чтобы оптимизировать эффективность использования воды в автоматическом ирригационном оборудовании.

Профилактическое обслуживание

AWS IoT Analytics предоставляет готовые шаблоны, которые помогут просто создавать мощные модели профилактического обслуживания и применять их к своему набору устройств. Например, AWS IoT Analytics можно использовать для более точного прогнозирования сбоев систем обогрева и охлаждения в подключенных грузовых автомобилях и проводить соответствующее обслуживание во избежание повреждения грузов.

Упреждающее пополнение запасов

AWS IoT Analytics позволяет создавать приложения IoT, способные отслеживать складские запасы в режиме реального времени. Например, компания по производству продуктов питания и напитков может использовать AWS IoT Analytics для анализа данных из своих пищевых торговых автоматов и заблаговременно заказывать продукты для автоматов, в которых запасы товара заканчиваются.

Оценка эффективности процесса

Используя AWS IoT Analytics, компании могут создавать приложения, которые непрерывно контролируют эффективность различных процессов и предпринимают действия по их оптимизации. Например, горнодобывающая компания может повысить эффективность использования своих грузовиков, перевозящих руду, используя максимально возможную загрузку для каждого рейса. С помощью AWS IoT Analytics компания со временем может определить наиболее эффективную загрузку для местоположения или грузовика, а затем оценивать любые отклонения от целевой нагрузки в режиме реального времени и улучшать рекомендации по планированию загрузки, тем самым повышая эффективность.