AWS IoT Analytics

การวิเคราะห์สำหรับอุปกรณ์ IoT

AWS IoT Analytics เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งทำให้ง่ายต่อการรันและดำเนินการวิเคราะห์ข้อมูล IoT ปริมาณมากแบบซับซ้อนโดยไม่ต้องกังวลกับค่าใช้จ่ายและความซับซ้อนซึ่งโดยปกติแล้วมักจะต้องสร้างแพลตฟอร์มการวิเคราะห์ IoT วิธีนี้เป็นวิธีที่ง่ายที่สุดในการรันการวิเคราะห์ข้อมูล IoT และรับข้อมูลเชิงลึกเพื่อทำการตัดสินใจได้อย่างถูกต้องและดียิ่งขึ้นสำหรับแอปพลิเคชัน IoT และกรณีการใช้งาน Machine Learning

ข้อมูล IoT เป็นข้อมูลที่ไม่มีโครงสร้างชัดเจน ทำให้เป็นเรื่องยากที่จะวิเคราะห์ด้วยการวิเคราะห์ข้อมูลและเครื่องมือธุรกิจอัจฉริยะแบบเดิมๆ ซึ่งออกแบบมาให้ประมวลผลข้อมูลที่มีโครงสร้างชัดเจน ข้อมูล IoT มาจากอุปกรณ์ที่มักจะบันทึกกระบวนการที่ค่อนข้างมีผลรบกวน (เช่น อุณหภูมิ การเคลื่อนไหว หรือเสียง) ไว้ ข้อมูลจากอุปกรณ์เหล่านี้มักจะมีช่องว่างที่สำคัญ ข้อความที่ขาดหาย หรือการอ่านค่าผิดพลาดอยู่บ่อยครั้งซึ่งต้องมีการล้างออกไปก่อนที่จะมีการวิเคราะห์ นอกจากนี้ข้อมูล IoT มักจะมีความสำคัญในบริบทของข้อมูลนำเข้าเพิ่มเติมจากภายนอก ตัวอย่างเช่น เพื่อช่วยเกษตรกรในการระบุว่าต้องรดน้ำพืชผลเมื่อใด ระบบชลประทานไร่องุ่นมักจะใช้เซ็นเซอร์ตรวจจับความชื้นเก็บรวบรวมข้อมูลปริมาณน้ำฝนจากไร่องุ่นเพื่อการใช้น้ำอย่างมีประสิทธิภาพและเพิ่มผลผลิตสูงสุดได้ในขณะเดียวกัน

AWS IoT Analytics ช่วยให้ขั้นตอนที่ยุ่งยากซึ่งจำเป็นต้องใช้ในการวิเคราะห์ข้อมูลจากอุปกรณ์ IoT ดำเนินไปโดยอัตโนมัติ AWS IoT Analytics จะกรอง แปลง และเก็บรวบรวมข้อมูล IoT จำนวนมากก่อนที่จะจัดเก็บข้อมูลดังกล่าวไว้ในพื้นที่จัดเก็บข้อมูลอนุกรมเวลาเพื่อทำการวิเคราะห์ คุณสามารถตั้งค่าบริการเพื่อเก็บรวบรวมเฉพาะข้อมูลที่คุณต้องการได้จากอุปกรณ์ของคุณ ใช้การแปลงทางคณิตศาสตร์ประมวลผลข้อมูล และเก็บรวบรวมข้อมูลเมตาเฉพาะสำหรับอุปกรณ์ เช่น ประเภทของอุปกรณ์และสถานที่ตั้ง ก่อนที่จะจัดเก็บข้อมูลที่ประมวลผล จากนั้นคุณก็จะสามารถวิเคราะห์ข้อมูลได้โดยการรันการสืบค้นข้อมูลแบบเฉพาะกิจหรือแบบกำหนดเวลาโดยใช้เครื่องมือสืบค้นข้อมูลด้วย SQL ซึ่งมีมาให้ในตัวหรือทำการวิเคราะห์ข้อมูลในแบบที่ซับซ้อนกว่าและทำการอนุมานโดยอาศัย Machine Learning AWS IoT Analytics ช่วยให้เริ่มต้นใช้งาน Machine Learning ได้อย่างง่ายดายโดยการรวมโมเดลที่สร้างล่วงหน้าสำหรับกรณีใช้งาน IoT ทั่วไปเข้าไว้ด้วย

นอกจากนี้ คุณยังสามารถใช้การวิเคราะห์แบบกำหนดเองซึ่งมีอยู่ในคอนเทนเนอร์เพื่อดำเนินการบน AWS IoT Analytics ได้ AWS IoT Analytics ช่วยให้คุณสามารถดำเนินการวิเคราะห์แบบกำหนดเองที่สร้างขึ้นใน Jupyter Notebook หรือเครื่องมือของคุณเอง (เช่น Matlab, Octave ฯลฯ) ซึ่งดำเนินการตามกำหนดการของคุณได้โดยอัตโนมัติ

AWS IoT Analytics เป็นเครื่องมือที่จัดการได้อย่างเต็มที่ซึ่งดำเนินการ วิเคราะห์ และปรับขนาดได้โดยอัตโนมัติเพื่อให้รองรับข้อมูล IoT ได้หลายเพตะไบต์ เมื่อใช้ AWS IoT Analytics คุณสามารถวิเคราะห์ข้อมูลจากอุปกรณ์นับล้านและสร้างแอปพลิเคชัน IoT ที่ทำงานรวดเร็วและตอบสนองไวได้โดยไม่ต้องจัดการฮาร์ดแวร์หรือโครงสร้างพื้นฐาน

หากต้องการข้อมูลเพิ่มเติม โปรดไปที่หน้า เอกสารประกอบของ AWS IoT Analytics

AWS IoT Analytics – วิธีการทำงาน (3:01)

ประโยชน์ของ AWS IoT Analytics

ดำเนินการตามเวิร์กโฟลว์เชิงวิเคราะห์ของคุณ

เมื่อคุณจัดทำการวิเคราะห์ AWS IoT Analytics ก็จะช่วยให้ดำเนินการวิเคราะห์ได้โดยอัตโนมัติในทุกที่ทุกเวลาที่ต้องการ AWS IoT Analytics จะนำเข้าคอนเทนเนอร์โค้ดที่เขียนแบบกำหนดเองของคุณ ติดตั้งเครื่องมือจากภายนอก เช่น Matlab, Octave ฯลฯ ไว้ในตัวระบบ และดำเนินการตามกำหนดการเพื่อสร้างข้อมูลเชิงลึกด้านปฏิบัติการซึ่งช่วยให้คุณมีเวลามากขึ้นเพื่อมุ่งเน้นในสิ่งที่คุณทำได้ดีที่สุด

รันการสืบค้นกับข้อมูล IoT ได้อย่างง่ายดาย

เมื่อใช้ AWS IoT Analytics คุณสามารถรันการสืบค้นข้อมูลที่เรียบง่ายและเฉพาะกิจได้โดยใช้เครื่องมือสืบค้นข้อมูลด้วย SQL ในตัว การใช้การสืบค้น SQL มาตรฐานในการดึงข้อมูลมาจากพื้นที่จัดเก็บข้อมูลนั้นจะช่วยให้คุณสามารถคำนวณระยะทางเฉลี่ยในการเดินทางของกลุ่มยานพาหนะหรือจำนวนประตูบานที่ล็อคอยู่ในอาคารอัจฉริยะ เป็นต้น นอกจากนี้ AWS IoT Analytics ยังจัดให้มีกรอบเวลาต่อเนื่องติดกันแต่ไม่ทับซ้อนกันสำหรับดำเนินการวิเคราะห์เกี่ยวกับข้อมูลใหม่ที่เพิ่มขึ้นอีกด้วย คุณสามารถปรับปรุงประสิทธิภาพในการวิเคราะห์และลดค่าใช้จ่ายลงได้โดยการสแกนเฉพาะข้อมูลที่ต้องการ

พื้นที่จัดเก็บข้อมูลที่ปรับให้เหมาะกับ IoT

AWS IoT Analytics จะจัดเก็บข้อมูลอุปกรณ์ที่ได้รับการประมวลผลไว้ในพื้นที่จัดเก็บข้อมูลอนุกรมเวลาที่ได้รับการเพิ่มประสิทธิภาพเพื่อให้มีเวลาตอบสนองที่รวดเร็วในการสืบค้นข้อมูล IoT นอกจากนี้ข้อมูลดิบยังได้รับการจัดเก็บโดยอัตโนมัติเพื่อประมวลผลในภายหลังหรือประมวลผลซ้ำสำหรับกรณีการใช้งานอื่น

จัดเตรียมข้อมูล IoT เพื่อทำการวิเคราะห์

AWS IoT Analytics มีเทคนิคต่างๆ ในการจัดเตรียมข้อมูลซึ่งช่วยให้การจัดเตรียมและประมวลผลข้อมูลเพื่อทำการวิเคราะห์นั้นเป็นไปได้ง่าย นอกจากนี้ AWS IoT Analytics ยังรองรับการวิเคราะห์ข้อมูลอนุกรมเวลาเพื่อให้คุณสามารถวิเคราะห์ประสิทธิภาพการทำงานของอุปกรณ์ต่างๆ เมื่อเวลาผ่านไปได้และเพื่อให้คุณทราบว่ามีการใช้งานอุปกรณ์อย่างไรและที่ใด รวมถึงเฝ้าติดตามข้อมูลของอุปกรณ์อย่างต่อเนื่องเพื่อคาดการณ์ปัญหาเกี่ยวกับการซ่อมบำรุง และเฝ้าติดตามเซ็นเซอร์เพื่อคาดการณ์และตอบสนองต่อสภาพแวดล้อม AWS IoT Analytics ได้ผสานรวมการทำงานของ AWS IoT Core เพื่อให้การย่อยข้อมูลอุปกรณ์โดยตรงจากอุปกรณ์ที่เชื่อมต่ออินเทอร์เน็ตนั้นทำได้ง่าย AWS IoT Analytics จะล้างการอ่านข้อมูลที่ผิดพลาด เติมเต็มช่องว่างในข้อมูล และแปลงข้อมูลข้อความโดยใช้สูตรคณิตศาสตร์ เมื่อย่อยข้อมูลแล้ว AWS IoT Analytics ก็จะประมวลผลข้อมูลดังกล่าวได้โดยใช้การกำหนดเงื่อนไข กรองข้อมูลเพื่อจัดเก็บเฉพาะข้อมูลที่คุณต้องการวิเคราะห์ และรวบรวมข้อมูลจากรีจิสทรี AWS IoT นอกจากนี้คุณยังสามารถใช้ฟังก์ชัน AWS Lambda เพื่อรวบรวมข้อมูลอุปกรณ์จากแหล่งข้อมูลภายนอกได้ เช่น Weather Service, HERE Maps, Salesforce หรือ Amazon DynamoDB

เครื่องมือสำหรับ Machine Learning

AWS IoT Analytics ช่วยให้คุณสามารถใช้ Machine Learning กับข้อมูล IoT ด้วย Jupyter Notebook ที่โฮสต์ไว้ได้โดยง่าย คุณสามารถเชื่อมต่อ IoT เข้ากับ Notebook โดยตรงแล้วสร้าง ฝึกฝน และดำเนินการโมเดลจากคอนโซล AWS IoT Analytics ได้โดยไม่ต้องจัดการโครงสร้างพื้นฐานที่มีอยู่ เมื่อใช้ AWS IoT Analytics คุณสามารถใช้อัลกอริธึม Machine Learning กับข้อมูลอุปกรณ์เพื่อให้คะแนนคุณภาพการทำงานของอุปกรณ์แต่ละเครื่องในกลุ่มยานพาหนะ ตัวอย่างเช่น ผู้ผลิตรถยนต์สามารถค้นหาได้ว่าลูกค้าคนใดมีผ้าเบรกสึกหรอแล้วแจ้งเตือนลูกค้าให้ซ่อมบำรุงยานพาหนะ เพียงแค่คลิกปุ่ม คุณก็ยังสามารถจัดแพคเกจโค้ด Jupyter Notebook ของคุณในภาพคอนเทนเนอร์ที่ดำเนินการได้ และทำให้คอนเทนเนอร์นั้นดำเนินการบน AWS IoT Analytics ตามต้องการ

การปรับขนาดอัตโนมัติและการคิดค่าใช้จ่ายตามการใช้งานจริง

AWS IoT Analytics เป็นเครื่องมือที่จัดการได้อย่างเต็มที่และคิดค่าใช้จ่ายตามการใช้งานจริงซึ่งปรับขนาดได้โดยอัตโนมัติเพื่อให้รองรับข้อมูล IoT หลายเพตะไบต์ได้ เมื่อใช้ IoT Analytics คุณสามารถวิเคราะห์อุปกรณ์ทั้งหมดที่เชื่อมต่ออินเทอร์เน็ตได้โดยไม่ต้องจัดการฮาร์ดแวร์หรือโครงสร้างพื้นฐาน เมื่อความต้องการของคุณเปลี่ยนไป ความสามารถในการประมวลและพื้นที่จัดเก็บข้อมูลก็จะปรับขนาดเพิ่มขึ้นหรือลดลงโดยอัตโนมัติ คุณจึงกำหนดความสามารถที่เหมาะสมให้กับแอปพลิเคชัน IoT ของคุณได้เสมอและค่าใช้จ่ายทรัพยากรจะคิดตามการใช้งานจริง

วิธีทำงาน

กรณีใช้งาน

เกษตรกรรมอัจฉริยะ

AWS IoT Analytics สามารถรวบรวมข้อมูลบริบทสำหรับข้อมูลอุปกรณ์ IoT ได้โดยใช้รีจิสทรี AWS IoT และแหล่งข้อมูลสาธารณะอื่นๆ เพื่อให้คุณสามารถทำการวิเคราะห์ปัจจัยต่างๆ ตามเวลา สถานที่ตั้ง อุณหภูมิ ความสูง และสภาพแวดล้อมอื่นๆ การวิเคราะห์ดังกล่าวช่วยให้คุณสามารถสร้างโมเดลแสดงการดำเนินการที่ระบบแนะนำซึ่งอุปกรณ์ของคุณสามารถดำเนินการตามในไร่นาได้ ตัวอย่างเช่น ผู้ใช้อุปกรณ์เกษตรกรรมที่เชื่อมต่ออินเทอร์เน็ตสามารถใช้ AWS IoT Analytics ทำให้เซ็นเซอร์ตรวจจับความชื้นรวบรวมข้อมูลจำนวนมากเกี่ยวกับปริมาณน้ำฝนที่คาดว่าจะตกลงมาเพื่อเพิ่มประสิทธิภาพในการใช้น้ำให้กับอุปกรณ์ชลประทานอัตโนมัติ

การซ่อมบำรุงเชิงคาดการณ์

AWS IoT Analytics มีเทมเพลตที่สร้างไว้ล่วงหน้าเพื่อช่วยให้คุณสร้างโมเดลการซ่อมบำรุงเชิงคาดการณ์ที่มีประสิทธิภาพขึ้นได้ไม่ยากแล้วใช้โมเดลดังกล่าวกับกลุ่มยานพาหนะของคุณ ตัวอย่างเช่น คุณสามารถใช้ AWS IoT Analytics เพื่อคาดการณ์ว่าระบบทำความร้อนและระบบทำความเย็นจะทำงานล้มเหลวบนยานพาหนะบรรทุกสินค้าที่เชื่อมต่อกันและซ่อมแซมตามนั้นเพื่อป้องกันความเสียหายในการจัดส่งสินค้า

การเติมสินค้าในคลังก่อนสินค้าจะหมด

AWS IoT Analytics ช่วยให้คุณสร้างแอปพลิเคชัน IoT ที่สามารถเฝ้าติดตามคลังสินค้าได้ในแบบเรียลไทม์ ตัวอย่างเช่น บริษัทอาหารและเครื่องดื่มสามารถใช้ AWS IoT Analytics เพื่อวิเคราะห์ข้อมูลจากเครื่องขายอาหาร และสั่งสินค้าที่ถูกต้องเข้ามาเติมในเครื่องขายที่ถูกต้องได้เมื่อใดก็ตามที่อาหารเหลือน้อย

ประมวลผลการให้คะแนนประสิทธิภาพ

เมื่อใช้ AWS IoT Analytics บริษัทต่างๆ สามารถสร้างแอปพลิเคชันที่เฝ้าติดตามประสิทธิภาพของขั้นตอนต่างๆ อยู่เรื่อยๆ และดำเนินการเพื่อปรับปรุงขั้นตอนนั้น ตัวอย่างเช่น บริษัททำเหมืองสามารถเพิ่มประสิทธิภาพให้กับรถขนแร่ได้โดยเพิ่มปริมาณแร่สูงสุดในการลำเลียงแต่ละครั้ง AWS IoT Analytics ช่วยให้บริษัททราบปริมาณแร่ที่ช่วยให้ลำเลียงได้อย่างมีประสิทธิภาพมากที่สุดในสถานที่ตั้งหนึ่งๆ หรือรถขนแร่คันหนึ่งในช่วงเวลาต่างๆ แล้วเปรียบเทียบว่าปริมาณแร่ที่ลำเลียงได้จริงต่างจากปริมาณแร่ที่ตั้งเป้าไว้มากน้อยเพียงใดในแบบเรียลไทม์ อีกทั้งกำหนดแนวทางในการบรรทุกแร่ให้ดีขึ้นเพื่อปรับปรุงประสิทธิภาพ