يحرص مديرو وفنيو الموثوقية في البيئات الصناعية مثل خطوط الإنتاج التصنيعية والمستودعات والمنشآت الصناعية على تحسين صحة المعدات ووقت التشغيل لزيادة إنتاج المنتج وجودته. غالبًا ما تتم معالجة حالات فشل الماكينة والعمليات من خلال النشاط التفاعلي بعد وقوع الحوادث أو من خلال الصيانة الوقائية المكلفة ، حيث تتعرض لخطر الصيانة الزائدة للمعدات أو المشكلات المفقودة التي قد تحدث بين دورات الصيانة الدورية. الصيانة التنبؤية المستندة إلى الحالة هي استراتيجية استباقية أفضل من تلك التفاعلية أو الوقائية. في الواقع ، يجمع هذا النهج بين المراقبة المستمرة والتحليلات التنبؤية والعمل في الوقت المناسب. يتيح ذلك لفرق الصيانة والموثوقية خدمة المعدات فقط عند الضرورة ، بناءً على حالة المعدات الفعلية.
كانت هناك تحديات مشتركة مع المراقبة القائمة على الظروف لتوليد رؤى قابلة للتنفيذ لأساطيل الأصول الصناعية الكبيرة. تشمل هذه التحديات على سبيل المثال لا الحصر: بناء وصيانة بنية تحتية معقدة من أجهزة الاستشعار التي تجمع البيانات من الميدان ، والحصول على ملخص موثوق وعالي المستوى لأساطيل الأصول الصناعية ، وإدارة تنبيهات الأعطال بكفاءة ، وتحديد الأسباب الجذرية المحتملة للتشوهات ، والتصور بشكل فعال حالة الأصول الصناعية على نطاق واسع.
أمازون مونترون هو حل شامل لمراقبة الحالة يمكّنك من بدء مراقبة حالة المعدات بمساعدة التعلم الآلي (ML) في دقائق ، حتى تتمكن من تنفيذ الصيانة التنبؤية وتقليل وقت التوقف غير المخطط له. يتضمن أجهزة استشعار لالتقاط بيانات الاهتزاز ودرجة الحرارة ، وجهاز بوابة لنقل البيانات بأمان إلى سحابة AWS ، وخدمة Amazon Monitron التي تحلل البيانات عن الحالات الشاذة مع ML ، وتطبيق جوال مصاحب لتتبع الأعطال المحتملة في أجهزتك. يمكن للمهندسين والمشغلين الميدانيين استخدام التطبيق مباشرةً لتشخيص وتخطيط صيانة الأصول الصناعية.
من وجهة نظر فريق التكنولوجيا التشغيلية (OT) ، فإن استخدام بيانات Amazon Monitron يفتح أيضًا طرقًا جديدة لتحسين كيفية تشغيل أساطيل الأصول الصناعية الكبيرة بفضل الذكاء الاصطناعي. يمكن لفرق OT تعزيز ممارسة الصيانة التنبؤية من مؤسستهم من خلال بناء عرض موحد عبر التدرجات الهرمية المتعددة (الأصول والمواقع والمصانع). يمكنهم الجمع بين القياس الفعلي ونتائج استدلال ML مع الإنذارات غير المعترف بها أو أجهزة الاستشعار أو حالة اتصال المهرب ، أو انتقالات حالة الأصول لإنشاء ملخص عالي المستوى للنطاق (الأصل ، الموقع ، المشروع) الذي يركزون عليه.
مع إطلاق ميزة تصدير بيانات Amazon Monitron Kinesis الإصدار 2، يمكن لفريق OT بث بيانات القياس الواردة ونتائج الاستدلال من Amazon Monitron عبر أمازون كينسيس إلى AWS خدمة تخزين بسيطة (Amazon S3) لإنشاء بحيرة بيانات إنترنت الأشياء (IoT). من خلال الاستفادة من أحدث مخطط لتصدير البيانات، يمكنك الحصول على حالة اتصال أجهزة الاستشعار وحالة اتصال البوابة ونتائج تصنيف القياس وكود سبب الإغلاق وتفاصيل أحداث انتقال حالة الأصول.
نظرة عامة على حالات الاستخدام
يتيح لك تدفق البيانات المخصب الذي تعرضه Amazon Monitron الآن تنفيذ العديد من حالات الاستخدام الرئيسية مثل إنشاء أوامر العمل تلقائيًا ، وإثراء جزء واحد تشغيلي من الزجاج أو أتمتة الإبلاغ عن الفشل. دعنا نتعمق في حالات الاستخدام هذه.
يمكنك استخدام الإصدار 2 من تصدير بيانات Amazon Monitron Kinesis لإنشاء أوامر عمل في أنظمة إدارة أصول المؤسسة (EAM) مثل Infor EAM أو SAP Asset Management أو IBM Maximo. على سبيل المثال ، في الفيديو تجنب المشكلات الميكانيكية المتعلقة بالصيانة التنبؤية و Amazon Monitron، يمكنك اكتشاف كيف تتجنب مراكز استيفاء Amazon الخاصة بنا المشكلات الميكانيكية على أحزمة النقل باستخدام مستشعرات Amazon Monitron المدمجة مع برامج الجهات الخارجية مثل EAM المستخدم في Amazon وكذلك مع فنيي غرف الدردشة المستخدمين. يوضح هذا كيف يمكنك دمج رؤى Amazon Monitron بشكل طبيعي في مهام سير عملك الحالية. ترقبوا الأشهر القادمة لقراءة الدفعة التالية من هذه السلسلة مع التنفيذ الفعلي لأعمال التكامل هذه.
يمكنك أيضًا استخدام تدفق البيانات لاستيعاب رؤى Amazon Monitron مرة أخرى في نظام أرضية المتجر مثل التحكم الإشرافي واكتساب البيانات (SCADA) أو مؤرخ. يكون مشغلو أرضية المتجر أكثر كفاءة عندما يتم توفير جميع الأفكار حول أصولهم وعملياتهم في جزء واحد من الزجاج. في هذا المفهوم ، لم تصبح Amazon Monitron أداة أخرى يتعين على الفنيين مراقبتها ، ولكن مصدر بيانات آخر يحتوي على رؤى مقدمة في العرض الفردي الذي اعتادوا عليه بالفعل. في وقت لاحق من هذا العام ، سنصف أيضًا بنية يمكنك استخدامها لأداء هذه المهمة وإرسال تعليقات Amazon Monitron إلى مؤرخين وأنظمة SCADA التابعة لجهات خارجية.
أخيرًا وليس آخرًا ، يتضمن تدفق البيانات الجديد من Amazon Monitron انتقالات حالة الأصول وأكواد الإغلاق التي يوفرها المستخدمون عند استلام التنبيهات (التي تؤدي إلى الانتقال إلى حالة جديدة). بفضل هذه البيانات ، يمكنك إنشاء تصورات تلقائيًا توفر تقارير في الوقت الفعلي عن حالات الفشل والإجراءات التي تم اتخاذها أثناء تشغيل أصولهم.
يمكن لفريقك بعد ذلك إنشاء لوحة معلومات أوسع لتحليل البيانات لدعم ممارسة إدارة أسطولك الصناعي من خلال الجمع بين بيانات حالة الأصول هذه مع بيانات قياس Amazon Monitron وبيانات إنترنت الأشياء الأخرى عبر أساطيل الأصول الصناعية الكبيرة باستخدام خدمات AWS الرئيسية ، والتي وصفناها في هذا المنشور. نشرح كيفية إنشاء بحيرة بيانات إنترنت الأشياء ، وسير العمل لإنتاج البيانات واستهلاكها ، بالإضافة إلى لوحة معلومات موجزة لتصور بيانات مستشعرات Amazon Monitron ونتائج الاستدلال. نحن نستخدم مجموعة بيانات Amazon Monitron القادمة من حوالي 780 جهاز استشعار مثبت في مستودع صناعي ، والذي يعمل منذ أكثر من عام. للحصول على دليل تثبيت Amazon Monitron المفصل ، ارجع إلى الشروع في استخدام Amazon Monitron.
حل نظرة عامة
توفر Amazon Monitron استنتاج تعلم الآلة عن حالة صحة الأصول بعد 21 يومًا من فترة تدريب نموذج ML لكل أصل. في هذا الحل ، يتم تصدير بيانات القياس واستدلال ML من هذه المستشعرات إلى Amazon S3 عبر الأمازون كينسيس دفق البيانات باستخدام أحدث ميزة تصدير بيانات Amazon Monitron. بمجرد توفر بيانات Amazon Monitron IoT في Amazon S3 ، يتم إنشاء قاعدة بيانات وجدول في أمازون أثينا باستخدام زاحف AWS Glue. يمكنك الاستعلام عن بيانات Amazon Monitron عبر جداول AWS Glue مع Athena ، وتصور بيانات القياس واستدلال ML باستخدام أمازون تديرها جرافانا. باستخدام Amazon Managed Grafana ، يمكنك إنشاء واستكشاف ومشاركة لوحات معلومات المراقبة مع فريقك ، وقضاء وقت أقل في إدارة البنية الأساسية لـ Grafana. في هذا المنشور ، تقوم بتوصيل Amazon Managed Grafana بـ Athena ، وتتعلم كيفية إنشاء لوحة معلومات لتحليلات البيانات باستخدام بيانات Amazon Monitron لمساعدتك في تخطيط عمليات الأصول الصناعية على نطاق واسع.
لقطة الشاشة التالية هي مثال لما يمكنك تحقيقه في نهاية هذا المنشور. تنقسم لوحة القيادة هذه إلى ثلاثة أقسام:
- عرض النبات - معلومات تحليلية من جميع أجهزة الاستشعار عبر النباتات. على سبيل المثال ، التهم الإجمالية للحالات المختلفة لأجهزة الاستشعار (صحية ، أو تحذير ، أو إنذار) ، وعدد الإنذارات غير المعترف بها والمعترف بها ، واتصال البوابة ، ومتوسط وقت الصيانة
- عرض الموقع - إحصائيات على مستوى الموقع ، مثل إحصائيات حالة الأصول في كل موقع ، وإجمالي عدد الأيام التي يظل فيها الإنذار غير معترف به ، والأصول الأعلى / الأدنى أداءً في كل موقع ، والمزيد
- عرض الأصول - معلومات موجزة عن مشروع Amazon Monitron على مستوى الأصول ، مثل نوع الإنذار للإنذار غير المعترف به (ISO أو ML) والجدول الزمني للإنذار والمزيد
هذه اللوحات هي أمثلة يمكن أن تساعد في التخطيط التشغيلي الاستراتيجي ، لكنها ليست حصرية. يمكنك استخدام سير عمل مماثل لتخصيص لوحة المعلومات وفقًا لمؤشر الأداء الرئيسي المستهدف.
نظرة عامة على العمارة
يجمع الحل الذي ستنشئه في هذا المنشور بين Amazon Monitron و Kinesis Data Streams و أمازون كينسيس داتا فايرهاوسو Amazon S3 و AWS Glue و Athena و Amazon Managed Grafana.
يوضح الرسم البياني التالي بنية الحل. تعمل مستشعرات Amazon Monitron على قياس الحالات الشاذة في المعدات واكتشافها. يتم تصدير كل من بيانات القياس ومخرجات استدلال ML بتردد مرة واحدة في الساعة إلى تدفق بيانات Kinesis ، ويتم تسليمها إلى Amazon S3 عبر Kinesis Data Firehose مع مخزن مؤقت لمدة دقيقة واحدة. بيانات Amazon Monitron المُصدرة بتنسيق JSON. يقوم برنامج الزاحف AWS Glue بتحليل بيانات Amazon Monitron في Amazon S1 بتردد مُختار لمرة واحدة في الساعة ، ويقوم ببناء مخطط بيانات التعريف ، وإنشاء جداول في أثينا. أخيرًا ، تستخدم Amazon Managed Grafana خدمة Athena للاستعلام عن بيانات Amazon S3 ، مما يسمح ببناء لوحات المعلومات لتصور كل من بيانات القياس والحالة الصحية للجهاز.
لإنشاء هذا الحل ، عليك إكمال الخطوات عالية المستوى التالية:
- قم بتمكين تصدير Kinesis Data Stream من Amazon Monitron وإنشاء دفق بيانات.
- قم بتكوين Kinesis Data Firehose لتسليم البيانات من دفق البيانات إلى حاوية S3.
- أنشئ متتبع ارتباطات AWS Glue لإنشاء جدول بيانات Amazon S3 في أثينا.
- قم بإنشاء لوحة تحكم لأجهزة Amazon Monitron باستخدام Amazon Managed Grafana.
المتطلبات الأساسية المسبقة
في هذا الدليل ، يجب أن يكون لديك المتطلبات الأساسية التالية:
بالإضافة إلى ذلك ، تأكد من أن جميع الموارد التي تنشرها موجودة في نفس المنطقة.
قم بتمكين تصدير دفق بيانات Kinesis من Amazon Monitron وإنشاء دفق بيانات
لتكوين تصدير تدفق البيانات ، أكمل الخطوات التالية:
- في وحدة تحكم Amazon Monitron ، من الصفحة الرئيسية لمشروعك ، اختر ابدأ تصدير البيانات الحية.
- تحت حدد تدفق بيانات Amazon Kinesis، اختر إنشاء دفق بيانات جديد.
- تحت تكوين دفق البيانات، أدخل اسم دفق البيانات الخاص بك.
- في حالة قدرة تدفق البيانات، اختر على الطلب.
- اختار إنشاء دفق البيانات.
لاحظ أن أي تصدير بيانات مباشرة تم تمكينه بعد 4 أبريل 2023 سيؤدي إلى دفق البيانات بعد مخطط Kinesis Data Streams v2. إذا كان لديك تصدير بيانات موجود تم تمكينه قبل هذا التاريخ ، فسيتبع المخطط تنسيق v1.
يمكنك الآن مشاهدة معلومات تصدير البيانات الحية على وحدة تحكم Amazon Monitron مع تدفق بيانات Kinesis المحدد.
قم بتكوين Kinesis Data Firehose لتسليم البيانات إلى حاوية S3
لتهيئة تدفق توصيل Firehose ، أكمل الخطوات التالية:
- في وحدة تحكم Kinesis ، اختر تيارات التسليم في جزء التنقل.
- اختار إنشاء دفق التسليم.
- في حالة مصدر، حدد الأمازون كينسيس دفق البيانات.
- في حالة الرحلات، حدد الأمازون S3.
- تحت إعدادات المصدر، ل دفق بيانات Kinesis، أدخل ARN لدفق بيانات Kinesis الخاص بك.
- تحت اسم تيار التسليم، أدخل اسم تيار بيانات Kinesis الخاص بك.
- تحت إعدادات الوجهة، اختر حاوية S3 أو أدخل عنوان URI للحاوية. يمكنك إما استخدام حاوية S3 موجودة لتخزين بيانات Amazon Monitron ، أو يمكنك إنشاء حاوية S3 جديدة.
- تفعيل التقسيم الديناميكي باستخدام التحليل المضمن لـ JSON:
- اختار تمكين For التقسيم الديناميكي.
- اختار تمكين For التحليل المضمن لـ JSON.
- تحت مفاتيح التقسيم الديناميكي، أضف مفاتيح الأقسام التالية:
اسم المفتاح | تعبير JQ |
تنفيذ المشاريع | .projectName| "project=(.)" |
الموقع | .eventPayload.siteName| "site=(.)" |
الأصول | .eventPayload.assetName| "asset=(.)" |
ان يرتفع المركز | .eventPayload.positionName| "position=(.)" |
الوقت | .timestamp| sub(" [0-9]{2}:[0-9]{2}:[0-9]{2}.[0-9]{3}$"; "")| "time=(.)" |
- اختار تطبيق مفاتيح التقسيم الديناميكي وتأكيد أن بادئة حاوية S3 التي تم إنشاؤها هي:
- أدخل بادئة لـ بادئة إخراج خطأ حاوية S3. سيتم تسليم أي حمولة JSON لا تحتوي على المفاتيح الموضحة مسبقًا بهذه البادئة. على سبيل المثال ، ملف
gatewayConnected
وgatewayDisconnected
لا ترتبط الأحداث بأصل أو مركز معين. لذلك ، لن تحتوي على ملحقassetName
وpositionName
مجالات. يتيح لك تحديد هذه البادئة الاختيارية هنا مراقبة هذا الموقع ومعالجة هذه الأحداث وفقًا لذلك. - اختار إنشاء دفق التسليم.
يمكنك فحص بيانات Amazon Monitron في حاوية S3. لاحظ أن بيانات Amazon Monitron ستصدر البيانات الحية بمعدل مرة واحدة في الساعة ، لذا انتظر لمدة ساعة لفحص البيانات.
يتيح إعداد Kinesis Data Firehose هذا التقسيم الديناميكي ، وستستخدم كائنات S3 المقدمة تنسيق المفتاح التالي:
أنشئ متتبع ارتباطات AWS Glue لإنشاء جدول بيانات Amazon S3 في أثينا
بعد تصدير البيانات الحية إلى Amazon S3 ، نستخدم متتبع ارتباطات AWS Glue لإنشاء جداول البيانات الوصفية. في هذا المنشور ، نستخدم برامج زحف AWS Glue لاستنتاج قاعدة البيانات ومخطط الجدول تلقائيًا من بيانات Amazon Monitron المصدرة في Amazon S3 ، وتخزين البيانات الوصفية المرتبطة في كتالوج بيانات AWS Glue. ثم تستخدم Athena البيانات الوصفية للجدول من كتالوج البيانات للعثور على البيانات وقراءتها ومعالجتها في Amazon S3. أكمل الخطوات التالية لإنشاء قاعدة البيانات ومخطط الجدول:
- في وحدة تحكم AWS Glue ، اختر الزواحف في جزء التنقل.
- اختار إنشاء الزاحف.
- أدخل اسمًا للزاحف (على سبيل المثال ،
XXX_xxxx_monitron
). - اختار التالى.
- في حالة هل البيانات الخاصة بك معينة بالفعل إلى جداول الغراء، اختر ليس بعد.
- في حالة مصدر البيانات، اختر S3.
- في حالة موقع بيانات S3، اختر في هذا الحساب، وأدخل مسار دليل S3 bucket الذي أعددته في القسم السابق (
s3://YourBucketName
). - في حالة كرر عمليات الزحف إلى مخازن بيانات S3، حدد الزحف إلى جميع المجلدات الفرعية.
- أخيرًا ، اختر التالى.
- أختار إنشاء دور IAM جديد وأدخل اسمًا للدور.
- اختار التالى.
- أختار إضافة قاعدة البيانات، وأدخل اسمًا لقاعدة البيانات. يؤدي هذا إلى إنشاء قاعدة بيانات أثينا حيث توجد جداول البيانات الوصفية بعد اكتمال الزاحف.
- في حالة جدول الزاحف، حدد جدولة زمنية مفضلة (على سبيل المثال ، كل ساعة) لتحديث بيانات Amazon Monitron في قاعدة البيانات ، واختر التالى.
- راجع تفاصيل الزاحف واختر إنشاء.
- على الزواحف صفحة من وحدة تحكم AWS Glue ، حدد الزاحف الذي أنشأته واختره تشغيل الزاحف.
قد تحتاج إلى الانتظار بضع دقائق ، حسب حجم البيانات. عندما يكتمل ، تظهر حالة الزاحف كـ استعداد. لمشاهدة جداول البيانات الوصفية ، انتقل إلى قاعدة البيانات الخاصة بك على ملف قواعد بيانات الصفحة واختيار طاولات الطعام في جزء التنقل.
يمكنك أيضًا عرض البيانات عن طريق الاختيار بيانات الجدول على وحدة التحكم.
تتم إعادة توجيهك إلى وحدة تحكم Athena لعرض أفضل 10 سجلات لبيانات Amazon Monitron في Amazon S3.
قم بإنشاء لوحة تحكم لأجهزة Amazon Monitron باستخدام Amazon Managed Grafana
في هذا القسم ، قمنا ببناء لوحة معلومات مخصصة مع Amazon Managed Grafana لتصور بيانات Amazon Monitron في Amazon S3 ، بحيث يمكن لفريق OT الحصول على وصول مبسط إلى الأصول في حالة التنبيه عبر أسطول مستشعرات Amazon Monitron بالكامل. سيمكن هذا فريق OT من التخطيط لإجراءات الخطوة التالية بناءً على السبب الجذري المحتمل للحالات الشاذة.
إلى إنشاء مساحة عمل Grafanaأكمل الخطوات التالية:
- تأكد من أن دور المستخدم الخاص بك هو المسؤول أو المحرر.
- في وحدة تحكم Amazon Managed Grafana ، اختر قم بإنشاء مساحة عمل.
- في حالة اسم مساحة العمل، أدخل اسمًا لمساحة العمل.
- اختار التالى.
- في حالة وصول المصادقة، حدد مركز هوية AWS IAM (خلفًا لـ AWS Single Sign-On). يمكنك استخدام نفس الشيء مستخدم AWS IAM Identity Center التي استخدمتها في إعداد مشروع Amazon Monitron الخاص بك.
- اختار التالى.
- بالنسبة لمساحة العمل الأولى هذه ، تأكد من ذلك إدارة الخدمة تم اختياره لـ نوع الإذن. يتيح هذا التحديد لـ Amazon Managed Grafana توفير الأذونات التي تحتاجها تلقائيًا لمصادر بيانات AWS التي تستخدمها لمساحة العمل هذه.
- اختار حساب جار.
- اختار التالى.
- قم بتأكيد تفاصيل مساحة العمل ، واختر قم بإنشاء مساحة عمل. تظهر صفحة تفاصيل مساحة العمل. في البداية ، الوضع هو CREATING.
- انتظر حتى تكون الحالة ACTIVE للانتقال إلى الخطوة التالية.
لتكوين مصدر بيانات Athena ، أكمل الخطوات التالية:
- في وحدة تحكم Amazon Managed Grafana ، اختر مساحة العمل التي تريد العمل عليها.
- على مصادر البيانات علامة التبويب، حدد أمازون أثينا، و اختار الإجراءات ، تمكين السياسة التي تديرها الخدمة.
- اختار تكوين في جرافانا في ال أمازون أثينا صف.
- قم بتسجيل الدخول إلى وحدة تحكم مساحة عمل Grafana باستخدام مركز هوية IAM إذا لزم الأمر. يجب أن يكون لدى المستخدم سياسة الوصول الخاصة بأثينا المرفقة بالمستخدم أو الدور للوصول إلى مصدر بيانات أثينا. يرى سياسة AWS المُدارة: AmazonGrafanaAthenaAccess للمزيد من المعلومات.
- في وحدة تحكم مساحة عمل Grafana ، في جزء التنقل ، اختر رمز AWS السفلي (يوجد رمزان) ثم اختر أثينا على مصادر البيانات القائمة.
- حدد المنطقة الافتراضية التي تريد أن يقوم مصدر بيانات أثينا بالاستعلام منها ، وحدد الحسابات التي تريدها ، ثم اختر أضف مصدر البيانات.
- اتبع الخطوات ل تكوين تفاصيل أثينا.
إذا لم يكن لدى مجموعة العمل الخاصة بك في Athena موقع إخراج تم تكوينه بالفعل ، فأنت بحاجة إلى تحديد حاوية S3 ومجلد لاستخدامهما في نتائج الاستعلام. بعد إعداد مصدر البيانات ، يمكنك عرضه أو تحريره بتنسيق الاعداد الجزء.
في الأقسام الفرعية التالية ، نعرض العديد من اللوحات في لوحة معلومات Amazon Monitron المُصممة في Amazon Managed Grafana لاكتساب رؤى تشغيلية. يوفر مصدر بيانات أثينا محرر استعلام SQL قياسيًا سنستخدمه لتحليل بيانات Amazon Monitron لإنشاء التحليلات المطلوبة.
أولاً ، إذا كان هناك العديد من أجهزة الاستشعار في مشروع Amazon Monitron وكانت في حالات مختلفة (صحية ، تحذير ، إنذار ، وتحتاج إلى صيانة) ، يريد فريق OT أن يرى بصريًا عدد المواضع التي توجد بها أجهزة الاستشعار في حالات مختلفة. يمكنك الحصول على معلومات مثل أداة الرسم البياني الدائري في Grafana عبر استعلام Athena التالي:
Select * FROM (Select latest_status, COUNT(assetdisplayname)OVER (PARTITION BY latest_status) AS asset_health_count FROM (SELECT timestamp, sitedisplayname, assetdisplayname, assetState.newState as latest_status, RANK() OVER (PARTITION BY assetdisplayname ORDER BY timestamp DESC)AS rnk FROM "AwsDataCatalog"."Replace with your Athena database name"."Replace with your Athena table name") tt WHERE tt.rnk=1) GROUP BY latest_status, asset_health_count;
تُظهر لقطة الشاشة التالية لوحة بها أحدث توزيع لحالة مستشعر Amazon Monitron.
لتنسيق استعلام SQL الخاص بك لبيانات Amazon Monitron ، راجع فهم مخطط تصدير البيانات.
بعد ذلك ، قد يرغب فريق تقنية العمليات لديك في التخطيط للصيانة التنبؤية استنادًا إلى الأصول الموجودة في حالة الإنذار ، وبالتالي يريدون معرفة العدد الإجمالي للإنذارات التي تم الإقرار بها مقابل الإنذارات غير المعترف بها بسرعة. يمكنك إظهار المعلومات الموجزة لحالة التنبيه على هيئة لوحات إحصائية بسيطة في Grafana:
Select COUNT(*) FROM (Select timestamp, sitedisplayname, assetdisplayname, assetState.newState as latest_status, RANK() OVER (PARTITION BY assetdisplayname ORDER BY timestamp DESC)AS rnk FROM "AwsDataCatalog"."Replace with your Athena database name"."Replace with your Athena table name") tt WHERE tt.rnk=1 AND tt.latest_status = 'Alarm';
تعرض اللوحة التالية إنذارات معترف بها وغير معترف بها.
يمكن لفريق OT أيضًا الاستعلام عن مقدار الوقت الذي تظل فيه أجهزة الاستشعار في حالة الإنذار ، حتى يتمكنوا من تحديد أولوية الصيانة الخاصة بهم:
Select c.assetdisplayname, b.sensorpositiondisplayname, b.alarm_date FROM (Select a.assetdisplayname, a.sensorpositiondisplayname, COUNT(*)/24+1 AS number_of_days_in_alarm_state FROM (Select * FROM "AwsDataCatalog"."Replace with your Athena database name"."Replace with your Athena table name" WHERE (assetState.newState = 'ALARM' AND assetState.newState = assetState.previousState) ORDER BY timestamp DESC) a GROUP BY a.assetdisplayname, a.sensorpositiondisplayname) b INNER JOIN (Select * FROM (Select timestamp, sitedisplayname, assetdisplayname, assetState.newState AS latest_status, RANK() OVER (PARTITION BY assetdisplayname ORDER BY timestamp DESC)AS rnk FROM "AwsDataCatalog"."Replace with your Athena database name"."Replace with your Athena table name") tt WHERE tt.rnk=1 AND tt.latest_status = 'ALARM') c ON b.assetdisplayname = c.assetdisplayname;
يمكن تصور ناتج هذا التحليل من خلال مخطط شريطي في Grafana ، ويمكن تصور التنبيه في حالة التنبيه بسهولة كما هو موضح في لقطة الشاشة التالية.
لتحليل أداء الأصول العلوية / السفلية استنادًا إلى إجمالي الوقت الذي تكون فيه الأصول في حالة إنذار أو تحتاج إلى صيانة ، استخدم الاستعلام التالي:
Select s.sitedisplayname, s.assetdisplayname, COUNT(s.timestamp)/24 AS trouble_time FROM (Select timestamp, sitedisplayname, assetdisplayname, sensorpositiondisplayname, assetState.newState FROM "AwsDataCatalog"."Replace with your Athena database name"."Replace with your Athena table name" WHERE assetState.newState = 'ALARM' OR assetState.newState = 'NEEDS_MAINTENANCE') AS s GROUP BY s.assetdisplayname, s.sitedisplayname ORDER BY trouble_time, s.assetdisplayname ASC LIMIT 5;
يتم استخدام مقياس الشريط التالي لتصور ناتج الاستعلام السابق ، مع إظهار الأصول ذات الأداء الأفضل 0 أيام من حالات الإنذار ، بينما تعرض الأصول ذات الأداء المنخفض حالات الإنذار المتراكمة خلال العام الماضي.
لمساعدة فريق OT على فهم السبب الجذري المحتمل لحدوث شذوذ ، يمكن عرض أنواع التنبيه لهذه الأصول التي لا تزال في حالة إنذار باستخدام الاستعلام التالي:
Select a.assetdisplayname, a.sensorpositiondisplayname, a.latest_status, CASE WHEN a.temperatureML != 'HEALTHY' THEN 'TEMP' WHEN a.vibrationISO != 'HEALTHY' THEN 'VIBRATION_ISO' ELSE 'VIBRATION_ML' END AS alarm_type FROM (Select sitedisplayname, assetdisplayname, sensorpositiondisplayname, models.temperatureML.persistentClassificationOutput as temperatureML, models.vibrationISO.persistentClassificationOutput as vibrationISO, models.vibrationML.persistentClassificationOutput as vibrationML, assetState.newState as latest_status FROM (Select *, RANK() OVER (PARTITION BY assetdisplayname, sensorpositiondisplayname ORDER BY timestamp DESC)AS rnk FROM "AwsDataCatalog"."Replace with your Athena database name"."Replace with your Athena table name") tt WHERE tt.rnk=1 AND assetState.newState = 'ALARM' ) a WHERE (a.temperatureML != 'HEALTHY' OR a. vibrationISO != 'HEALTHY' OR a. vibrationML != 'HEALTHY');
يمكنك تصور هذا التحليل كجدول في Grafana. في مشروع Amazon Monitron هذا ، تم تشغيل إنذارين بواسطة نماذج ML لقياس الاهتزاز.
يتم عرض لوحة معلومات Amazon Managed Grafana هنا لأغراض التوضيح. يمكنك تكييف تصميم لوحة القيادة وفقًا لاحتياجات عملك.
تقارير الفشل
عندما يتعرف المستخدم على إنذار في تطبيق Amazon Monitron ، تنتقل الأصول المرتبطة إلى حالة جديدة. لدى المستخدم أيضًا فرصة تقديم بعض التفاصيل حول هذا التنبيه:
- سبب الفشل - يمكن أن يكون هذا واحدًا مما يلي: الإدارة ، أو التصميم ، أو التصنيع ، أو الصيانة ، أو التشغيل ، أو غير ذلك ، أو الجودة ، أو الارتداء ، أو غير محدد
- وضع الفشل - يمكن أن يكون هذا واحدًا مما يلي: NO_ISSUE أو BLOCKAGE أو CAVITATION أو CORROSION أو DEPOSIT أو IMBALANCE أو LUBRICATION أو MISALIGNMENT أو OTHER أو RESONANCE أو ROTATING_LOOSENESS أو STRUCTURAL_LOOSENESS أو TRANSMITTED_FAULT أو غير محدد
- تم اتخاذ فعل - يمكن أن يكون هذا التعديل ، أو التنظيف ، أو التزييت ، أو التعديل ، أو الإفراط ، أو الاستبدال ، أو NO_ACTION ، أو غير ذلك
تحتوي حمولة الحدث المرتبطة بانتقال حالة الأصول على كل هذه المعلومات والحالة السابقة للأصل والحالة الجديدة للأصل. ترقبوا تحديثًا لهذا المنشور بمزيد من التفاصيل حول كيفية استخدام هذه المعلومات في لوحة Grafana إضافية لإنشاء مخططات Pareto لأكثر الإخفاقات شيوعًا والإجراءات المتخذة عبر أصولك.
وفي الختام
يبحث عملاء المؤسسات في Amazon Monitron عن حل لإنشاء بحيرة بيانات IoT باستخدام بيانات Amazon Monitron الحية ، حتى يتمكنوا من إدارة مشروعات وأصول Amazon Monitron المتعددة ، وإنشاء تقارير تحليلية عبر العديد من مشروعات Amazon Monitron. يوفر هذا المنشور عرضًا تفصيليًا تفصيليًا لحل لبناء بحيرة بيانات إنترنت الأشياء هذه بأحدث ميزة تصدير بيانات Amazon Monitron Kinesis الإصدار 2. أظهر هذا الحل أيضًا كيفية استخدام خدمات AWS الأخرى ، مثل AWS Glue و Athena للاستعلام عن البيانات وإنشاء مخرجات التحليلات وتصور هذه المخرجات باستخدام Amazon Managed Grafana مع التحديث المتكرر.
كخطوة تالية ، يمكنك توسيع هذا الحل عن طريق إرسال نتائج استدلال ML إلى أنظمة EAM الأخرى التي قد تستخدمها لإدارة أوامر العمل. سيسمح هذا لفريق التشغيل الخاص بك بدمج Amazon Monitron مع تطبيقات المؤسسة الأخرى ، وتحسين كفاءة تشغيلها. يمكنك أيضًا البدء في بناء المزيد من الرؤى المتعمقة حول أوضاع الفشل والإجراءات المتخذة من خلال معالجة انتقالات حالة الأصول ورموز الإغلاق التي أصبحت الآن جزءًا من حمولة تدفق بيانات Kinesis.
عن المؤلفين
جوليا هو هو مهندس حلول AI / ML في Amazon Web Services. لديها خبرة واسعة في هندسة إنترنت الأشياء وعلوم البيانات التطبيقية ، وهي جزء من كل من التعلم الآلي ومجتمع المجال التقني لإنترنت الأشياء. وهي تعمل مع العملاء ، بدءًا من الشركات الناشئة إلى المؤسسات ، لتطوير حلول التعلم الآلي (ML) في AWSome IoT ، على Edge وفي السحابة. إنها تستمتع بالاستفادة من أحدث تقنيات إنترنت الأشياء والبيانات الضخمة لتوسيع نطاق حل ML الخاص بها ، وتقليل زمن الوصول ، وتسريع اعتماد الصناعة.
بشر الطباع مهندس حلول في Amazon Web Services. بشر متخصصة في مساعدة العملاء في تطبيقات التعلم الآلي والأمان والمراقبة. خارج العمل ، يستمتع بلعب التنس والطهي وقضاء الوقت مع العائلة.
شاليكا بارغال مدير منتجات في Amazon Web Services. تركز شاليكة على بناء منتجات وخدمات الذكاء الاصطناعي للعملاء الصناعيين. تتمتع بخبرة كبيرة في تقاطع تطوير المنتجات والصناعة والأعمال. شاركت مؤخرا قصة نجاح Monitron في Reinvent 2022.
جاري جالينسكي هو مهندس حلول رئيسي يدعم أمازون على AWS. لقد شارك في Monitron منذ ظهورها وساعد في دمج الحل ونشره في شبكة الإنجاز في Amazon حول العالم. شارك مؤخرًا موقع أمازون قصة نجاح Monitron في إعادة: Invent 2022.
مايكل هواراو هو مهندس حلول متخصص في الذكاء الاصطناعي / التعلم الآلي في AWS يتناوب بين عالم البيانات ومهندس التعلم الآلي ، اعتمادًا على اللحظة. إنه متحمس لجلب قوة الذكاء الاصطناعي / التعلم الآلي إلى أرضيات المتاجر لعملائه الصناعيين ، وقد عمل على مجموعة واسعة من حالات استخدام التعلم الآلي ، بدءًا من اكتشاف الأخطاء إلى جودة المنتج التنبؤية أو تحسين التصنيع. لقد نشر كتاب عن تحليل السلاسل الزمنية في عام 2022 ويكتب بانتظام عن هذا الموضوع في لينكدين: و متوسط. عندما لا يساعد العملاء على تطوير أفضل تجارب التعلم الآلي التالية ، فإنه يستمتع بمراقبة النجوم أو السفر أو العزف على البيانو.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
- سك المستقبل مع أدرين أشلي. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/generate-actionable-insights-for-predictive-maintenance-management-with-amazon-monitron-and-amazon-kinesis/
- :لديها
- :يكون
- :ليس
- $ UP
- 1
- 10
- 100
- 200
- 2022
- 2023
- 7
- 8
- 9
- a
- من نحن
- تسريع
- الوصول
- وفقا
- وفقا لذلك
- الحسابات
- متراكم
- التأهيل
- استحواذ
- في
- اكشن
- الإجراءات
- نشاط
- تكيف
- إضافي
- مشرف
- إدارة
- تبني
- بعد
- AI
- AI / ML
- مساعدة
- إنذار
- التنبيهات
- الكل
- السماح
- يسمح
- سابقا
- أيضا
- أمازون
- أمازون كينسيس
- أمازون تديرها جرافانا
- أمازون ويب سيرفيسز
- كمية
- an
- تحليل
- تحليلية
- تحليلات
- تحليل
- تحليل
- و
- إكتشاف عيب خلقي
- آخر
- أي وقت
- التطبيق
- التطبيقات
- تطبيقي
- نهج
- ابريل
- هندسة معمارية
- هي
- AS
- الأصول
- إدارة الأصول
- ممتلكات
- أسوشيتد
- At
- الآلي
- تلقائيا
- أتمتة
- متاح
- المتوسط
- تجنب
- AWS
- غراء AWS
- الى الخلف
- شريط
- على أساس
- BE
- أصبح
- كان
- قبل
- أفضل
- أفضل
- ما بين
- كبير
- البيانات الكبيرة
- كتاب
- على حد سواء
- الملابس السفلية
- وبذلك
- يجلب
- أوسع
- العازلة
- نساعدك في بناء
- ابني
- يبني
- بنيت
- الأعمال
- تطوير الاعمال
- لكن
- by
- CAN
- يستطيع الحصول على
- أسر
- حقيبة
- الحالات
- الأقسام
- سبب
- الأسباب
- مركز
- مراكز
- التحديات
- رسم
- الرسوم البيانية
- غرف الدردشة
- اختار
- اختيار
- اختيار
- تصنيف
- إغلاق
- سحابة
- الكود
- جمع
- دمج
- يجمع بين
- الجمع بين
- آت
- مشترك
- مجتمع
- إكمال
- مجمع
- مفهوم
- حالة
- أكد
- التواصل
- الإتصال
- كنسولات
- تستهلك
- تحتوي على
- يحتوي
- متواصل
- مراقبة
- استطاع
- الزاحف
- خلق
- خلق
- يخلق
- خلق
- العملاء
- تصميم
- حسب الطلب
- دورات
- لوحة أجهزة القياس
- البيانات
- تحليلات البيانات
- بحيرة البيانات
- علم البيانات
- عالم البيانات
- قاعدة البيانات
- التاريخ
- أيام
- لاول مرة
- تقرر
- الترتيب
- نقل
- تم التوصيل
- التوصيل
- شرح
- اعتمادا
- نشر
- الايداع
- وصف
- وصف
- تصميم
- مطلوب
- مفصلة
- تفاصيل
- كشف
- تطوير
- التطوير التجاري
- جهاز
- الأجهزة
- مختلف
- مباشرة
- اكتشف
- توزيع
- منقسم
- لا
- الوقت الضائع
- ديناميكي
- كل
- في وقت سابق
- بسهولة
- حافة
- رئيس التحرير
- على نحو فعال
- كفاءة
- فعال
- بكفاءة
- إما
- تمكين
- تمكين
- تمكن
- النهائي إلى نهاية
- المهندسين
- المخصب
- إثراء
- أدخل
- مشروع
- الشركات
- البيئات
- معدات
- خطأ
- الحدث/الفعالية
- أحداث
- مثال
- أمثلة
- حصري
- القائمة
- وسع
- الخبره في مجال الغطس
- خبرة
- شرح
- اكتشف
- تصدير
- واسع
- خبرة واسعة
- فشل
- للعائلات
- ردود الفعل
- قليل
- حقل
- مجال
- أخيرا
- الاسم الأول
- سريع
- منتجات الأرضيات
- ركز
- ويركز
- اتباع
- متابعيك
- في حالة
- شكل
- تردد
- متكرر
- تبدأ من
- ربح
- بوابة
- توليد
- ولدت
- دولار فقط واحصل على خصم XNUMX% على جميع
- معطى
- زجاج
- تجمع
- توجيه
- يحدث
- يملك
- he
- صحة الإنسان
- صحي
- مساعدة
- ساعد
- مساعدة
- هنا
- رفيع المستوى
- كيفية
- كيفية
- HTML
- HTTPS
- IBM
- اي كون
- تحديد
- هوية
- عدم التوازن
- تنفيذ
- التنفيذ
- تحسن
- in
- في العمق
- تتضمن
- يشمل
- الوارد
- صناعي
- العالمية
- info
- معلومات
- البنية التحتية
- في البداية
- رؤى
- تثبيت
- الدفعة
- مثل
- دمج
- المتكاملة
- التكامل
- Internet
- إنترنت الأشياء
- تقاطع طرق
- إلى
- المشاركة
- قام المحفل
- ISO
- مسائل
- IT
- انها
- الانضمام
- JPG
- جسون
- شديد
- القفل
- مفاتيح
- Kinesis Data Firehose
- تيارات بيانات Kinesis
- علم
- بحيرة
- كبير
- كمون
- آخر
- أطلقت
- تعلم
- تعلم
- مستوى
- الاستفادة من
- مما سيحدث
- محدود
- خطوط
- مرتبط
- لينكدين:
- حي
- بيانات حية
- تقع
- موقع
- أبحث
- آلة
- آلة التعلم
- آلية
- الرئيسية
- المحافظة
- صيانة
- رائد
- جعل
- إدارة
- تمكن
- إدارة
- مدير
- مديرو
- إدارة
- تصنيع
- كثير
- تعظيم
- مايو..
- قياس
- ميكانيكي
- متوسط
- القائمة
- البيانات الوصفية
- ربما
- دقيقة
- مفقود
- ML
- الجوال
- تطبيقات الجوال
- نموذج
- عارضات ازياء
- وسائط
- تعديل
- لحظة
- مراقبة
- مراقبة
- المقبلة.
- الأكثر من ذلك
- أكثر فعالية
- أكثر
- متعدد
- الاسم
- التنقل
- قائمة الإختيارات
- ضروري
- حاجة
- إحتياجات
- شبكة
- جديد
- التالي
- الآن
- عدد
- الأجسام
- تحصل
- of
- on
- ONE
- فقط
- يفتح
- طريقة التوسع
- تعمل
- عملية
- تشغيل
- عمليات
- مشغلي
- الفرصة
- التحسين
- or
- طلب
- الطلبات
- منظمة
- أخرى
- لنا
- الناتج
- في الخارج
- على مدى
- الكلي
- إصلاح
- الخاصة
- صفحة
- خبز
- لوحة
- لوحات
- جزء
- عاطفي
- الماضي
- مسار
- نفذ
- أداء
- أداء
- دوري
- إذن
- أذونات
- خطة
- تخطيط
- الشتلات
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- لعب
- سياسة
- ان يرتفع المركز
- مواقف
- ممكن
- منشور
- محتمل
- قوة
- ممارسة
- التحليلات التنبؤية
- المفضل
- الشروط
- سابق
- رئيسي
- الأولوية
- استباقية
- عملية المعالجة
- العمليات
- معالجة
- إنتاج
- المنتج
- مدير المنتج
- جودة المنتج
- الإنتــاج
- المنتجات
- تنفيذ المشاريع
- مشروع ناجح
- تزود
- المقدمة
- ويوفر
- تقديم
- نشرت
- أغراض
- جودة
- بسرعة
- نطاق
- تتراوح
- RE
- عرض
- في الوقت الحقيقي
- سبب
- مؤخرا
- تسجيل
- تخفيض
- منطقة
- بانتظام
- تعزز
- الموثوقية
- الخدمة الموثوقة
- لا تزال
- بقايا
- يحل محل
- التقارير
- التقارير
- صدى
- الموارد
- النتائج
- المخاطرة
- النوع
- غرفة
- جذر
- صف
- يجري
- تشغيل
- s
- نفسه
- شخص ساذج
- حجم
- علوم
- عالم
- نطاق
- القسم
- أقسام
- آمن
- أمن
- مختار
- اختيار
- إرسال
- أجهزة الاستشعار
- مسلسلات
- الخدمة
- خدماتنا
- طقم
- ضبط
- الإعداد
- عدة
- مشاركة
- شاركت
- تسوق
- ينبغي
- إظهار
- أظهرت
- يظهر
- هام
- مماثل
- الاشارات
- منذ
- عزباء
- الموقع
- المواقع
- المقاس
- So
- تطبيقات الكمبيوتر
- حل
- الحلول
- بعض
- مصدر
- مصادر
- متخصص
- تتخصص
- محدد
- أنفق
- الإنفاق
- معيار
- نجوم
- بداية
- الطلائعية
- بدأت
- الولايه او المحافظه
- المحافظة
- إحصائيات
- الإحصائيات
- الحالة
- إقامة
- خطوة
- خطوات
- لا يزال
- تخزين
- متجر
- إستراتيجي
- الإستراتيجيات
- مجرى
- تبسيط
- تيارات
- تحقيق النجاح
- هذه
- ملخص
- الدعم
- دعم
- نظام
- أنظمة
- جدول
- المستهدفة
- مهمة
- فريق
- فريق
- تقني
- تكنولوجيا
- من
- شكر
- أن
- •
- الدولة
- من مشاركة
- هناك.
- وبالتالي
- تشبه
- هم
- الأشياء
- طرف ثالث
- هذا العام
- ثلاثة
- الوقت
- السلاسل الزمنية
- الجدول الزمني
- الطابع الزمني
- إلى
- أداة
- تيشرت
- أعلى 10
- موضوع
- الإجمالي
- مسار
- قادة الإيمان
- تحويل
- انتقال
- الانتقالات
- السفر
- يثير
- أثار
- أنواع
- فهم
- تحديث
- شغالة
- تستخدم
- مستعمل
- مستخدم
- المستخدمين
- استخدام
- v1
- مختلف
- بواسطة
- فيديو
- المزيد
- vs
- انتظر
- تجول
- تحذير
- وكان
- طرق
- we
- الويب
- خدمات ويب
- حسن
- كان
- ابحث عن
- التي
- في حين
- من الذى
- كامل
- واسع
- مدى واسع
- سوف
- مع
- للعمل
- عمل
- سير العمل
- مجموعة العمل
- أعمال
- في جميع أنحاء العالم
- عام
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- موقع YouTube
- زفيرنت