Οι διαχειριστές αξιοπιστίας και οι τεχνικοί σε βιομηχανικά περιβάλλοντα, όπως οι γραμμές παραγωγής, οι αποθήκες και οι βιομηχανικές εγκαταστάσεις επιθυμούν να βελτιώσουν την υγεία και το χρόνο λειτουργίας του εξοπλισμού για να μεγιστοποιήσουν την παραγωγή και την ποιότητα των προϊόντων. Οι αστοχίες μηχανήματος και διεργασιών αντιμετωπίζονται συχνά με αντιδραστική δραστηριότητα μετά από συμβάντα ή με δαπανηρή προληπτική συντήρηση, όπου διατρέχετε τον κίνδυνο υπερσυντήρησης του εξοπλισμού ή έλλειψης προβλημάτων που θα μπορούσαν να συμβούν μεταξύ των κύκλων περιοδικής συντήρησης. Η προγνωστική συντήρηση με βάση τις συνθήκες είναι μια προληπτική στρατηγική που είναι καλύτερη από την αντιδραστική ή προληπτική. Πράγματι, αυτή η προσέγγιση συνδυάζει τη συνεχή παρακολούθηση, τις προγνωστικές αναλύσεις και την έγκαιρη δράση. Αυτό επιτρέπει στις ομάδες συντήρησης και αξιοπιστίας να συντηρούν τον εξοπλισμό μόνο όταν είναι απαραίτητο, με βάση την πραγματική κατάσταση του εξοπλισμού.
Υπήρξαν κοινές προκλήσεις με την παρακολούθηση βάσει συνθηκών για τη δημιουργία πρακτικών πληροφοριών για τους μεγάλους στόλους βιομηχανικών περιουσιακών στοιχείων. Αυτές οι προκλήσεις περιλαμβάνουν, ενδεικτικά, τη δημιουργία και τη διατήρηση μιας σύνθετης υποδομής αισθητήρων που συλλέγουν δεδομένα από το πεδίο, τη λήψη αξιόπιστης σύνοψης υψηλού επιπέδου των στόλων βιομηχανικών στοιχείων, την αποτελεσματική διαχείριση ειδοποιήσεων αποτυχίας, τον εντοπισμό πιθανών βασικών αιτιών ανωμαλιών και την αποτελεσματική απεικόνιση κατάσταση των βιομηχανικών περιουσιακών στοιχείων σε κλίμακα.
Amazon Monitron είναι μια λύση παρακολούθησης κατάστασης από άκρο σε άκρο που σας δίνει τη δυνατότητα να αρχίσετε να παρακολουθείτε την υγεία του εξοπλισμού με τη βοήθεια της μηχανικής εκμάθησης (ML) μέσα σε λίγα λεπτά, ώστε να μπορείτε να εφαρμόσετε πρόβλεψη συντήρησης και να μειώσετε τον απρογραμμάτιστο χρόνο διακοπής λειτουργίας. Περιλαμβάνει συσκευές αισθητήρων για τη λήψη δεδομένων κραδασμών και θερμοκρασίας, μια συσκευή πύλης για την ασφαλή μεταφορά δεδομένων στο AWS Cloud, την υπηρεσία Amazon Monitron που αναλύει τα δεδομένα για ανωμαλίες με ML και μια συνοδευτική εφαρμογή για κινητά για την παρακολούθηση πιθανών αστοχιών στο μηχάνημά σας. Οι μηχανικοί και οι χειριστές σας μπορούν να χρησιμοποιήσουν απευθείας την εφαρμογή για τη διάγνωση και τον προγραμματισμό συντήρησης βιομηχανικών στοιχείων.
Από την άποψη της ομάδας επιχειρησιακής τεχνολογίας (OT), η χρήση των δεδομένων Amazon Monitron ανοίγει επίσης νέους τρόπους για τη βελτίωση του τρόπου με τον οποίο χειρίζονται μεγάλους στόλους βιομηχανικών περιουσιακών στοιχείων χάρη στην τεχνητή νοημοσύνη. Οι ομάδες OT μπορούν να ενισχύσουν την πρακτική προγνωστικής συντήρησης από τον οργανισμό τους δημιουργώντας μια ενοποιημένη προβολή σε πολλαπλές ιεραρχίες (στοιχεία, τοποθεσίες και εγκαταστάσεις). Μπορούν να συνδυάσουν πραγματικά αποτελέσματα μέτρησης και συμπερασμάτων ML με μη αναγνωρισμένους συναγερμούς, αισθητήρες ή κατάσταση συνδεσιμότητας αποδράσεων ή μεταβάσεις κατάστασης στοιχείων για να δημιουργήσουν μια σύνοψη υψηλού επιπέδου για το εύρος (περιουσιακό στοιχείο, τοποθεσία, έργο) στο οποίο επικεντρώνονται.
Με το που κυκλοφόρησε πρόσφατα Λειτουργία εξαγωγής δεδομένων Amazon Monitron Kinesis v2, η ομάδα OT σας μπορεί να μεταδώσει εισερχόμενα δεδομένα μετρήσεων και αποτελέσματα συμπερασμάτων από το Amazon Monitron μέσω Amazon Kinesis στο AWS Απλή υπηρεσία αποθήκευσης (Amazon S3) για την κατασκευή μιας λίμνης δεδομένων Internet of Things (IoT). Με τη μόχλευση του πιο πρόσφατο σχήμα εξαγωγής δεδομένων, μπορείτε να λάβετε την κατάσταση συνδεσιμότητας αισθητήρων, την κατάσταση συνδεσιμότητας πυλών, τα αποτελέσματα ταξινόμησης μετρήσεων, τον κωδικό λόγο κλεισίματος και λεπτομέρειες για τα συμβάντα μετάβασης της κατάστασης περιουσιακού στοιχείου.
Επισκόπηση περιπτώσεων χρήσης
Η εμπλουτισμένη ροή δεδομένων που εκθέτει τώρα το Amazon Monitron σάς δίνει τη δυνατότητα να εφαρμόσετε πολλές βασικές περιπτώσεις χρήσης, όπως η αυτοματοποιημένη δημιουργία παραγγελιών εργασίας, ο εμπλουτισμός ενός λειτουργικού ενιαίου υαλοπίνακα ή η αυτοματοποίηση αναφοράς αποτυχιών. Ας βουτήξουμε σε αυτές τις περιπτώσεις χρήσης.
Μπορείτε να χρησιμοποιήσετε την εξαγωγή δεδομένων Amazon Monitron Kinesis v2 για να δημιουργήσετε εντολές εργασίας σε συστήματα Enterprise Asset Management (EAM), όπως το Infor EAM, το SAP Asset Management ή το IBM Maximo. Για παράδειγμα, στο βίντεο αποφυγή μηχανικών προβλημάτων με την προγνωστική συντήρηση και το Amazon Monitron, μπορείτε να ανακαλύψετε πώς τα Κέντρα Εκπλήρωσης του Amazon αποφεύγουν μηχανικά προβλήματα στους μεταφορικούς ιμάντες με αισθητήρες Amazon Monitron που είναι ενσωματωμένοι με λογισμικό τρίτων όπως το EAM που χρησιμοποιείται στο Amazon καθώς και με τους τεχνικούς των αιθουσών συνομιλίας που χρησιμοποιούνται. Αυτό δείχνει πώς μπορείτε φυσικά να ενσωματώσετε τις πληροφορίες του Amazon Monitron στις υπάρχουσες ροές εργασίας σας. Μείνετε συντονισμένοι τους επόμενους μήνες για να διαβάσετε την επόμενη δόση αυτής της σειράς με μια πραγματική υλοποίηση αυτού του έργου ολοκλήρωσης.
Μπορείτε επίσης να χρησιμοποιήσετε τη ροή δεδομένων για να επαναλάβετε τις πληροφορίες της Amazon Monitron σε ένα σύστημα καταστήματος, όπως ένα Εποπτικό Έλεγχο και Απόκτηση Δεδομένων (SCADA) ή ένα Ιστορικό. Οι χειριστές καταστημάτων είναι πιο αποτελεσματικοί όταν όλες οι πληροφορίες σχετικά με τα περιουσιακά στοιχεία και τις διαδικασίες τους παρέχονται σε ένα μόνο τζάμι. Σε αυτήν την ιδέα, το Amazon Monitron δεν γίνεται ακόμα ένα εργαλείο που πρέπει να παρακολουθούν οι τεχνικοί, αλλά μια άλλη πηγή δεδομένων με πληροφορίες που παρέχονται στην ενιαία προβολή στην οποία έχουν ήδη συνηθίσει. Αργότερα αυτό το έτος, θα περιγράψουμε επίσης μια αρχιτεκτονική που μπορείτε να χρησιμοποιήσετε για να εκτελέσετε αυτήν την εργασία και θα στείλουμε σχόλια της Amazon Monitron σε μεγάλα συστήματα SCADA και ιστορικούς τρίτων.
Τελευταίο αλλά εξίσου σημαντικό, η νέα ροή δεδομένων από το Amazon Monitron περιλαμβάνει τις μεταβάσεις κατάστασης περιουσιακών στοιχείων και τους κωδικούς κλεισίματος που παρέχονται από τους χρήστες κατά την αναγνώριση συναγερμών (που ενεργοποιούν τη μετάβαση σε μια νέα κατάσταση). Χάρη σε αυτά τα δεδομένα, μπορείτε να δημιουργήσετε αυτόματα οπτικοποιήσεις που παρέχουν αναφορές σε πραγματικό χρόνο για τις αποτυχίες και τις ενέργειες που πραγματοποιήθηκαν κατά τη λειτουργία των στοιχείων τους.
Η ομάδα σας μπορεί στη συνέχεια να δημιουργήσει έναν ευρύτερο πίνακα εργαλείων ανάλυσης δεδομένων για να υποστηρίξει την πρακτική διαχείρισης του βιομηχανικού στόλου σας, συνδυάζοντας αυτά τα δεδομένα κατάστασης περιουσιακών στοιχείων με δεδομένα μέτρησης της Amazon Monitron και άλλα δεδομένα IoT σε μεγάλους στόλους βιομηχανικών στοιχείων, χρησιμοποιώντας βασικές υπηρεσίες AWS, τις οποίες περιγράφουμε σε αυτήν την ανάρτηση. Εξηγούμε τον τρόπο δημιουργίας μιας λίμνης δεδομένων IoT, τη ροή εργασιών για την παραγωγή και κατανάλωση των δεδομένων, καθώς και έναν συνοπτικό πίνακα εργαλείων για την οπτικοποίηση των δεδομένων αισθητήρων Amazon Monitron και των αποτελεσμάτων συμπερασμάτων. Χρησιμοποιούμε ένα σύνολο δεδομένων Amazon Monitron που προέρχεται από περίπου 780 αισθητήρες που είναι εγκατεστημένοι σε μια βιομηχανική αποθήκη, η οποία λειτουργεί για περισσότερο από 1 χρόνο. Για τον αναλυτικό οδηγό εγκατάστασης του Amazon Monitron, ανατρέξτε στο Ξεκινώντας με το Amazon Monitron.
Επισκόπηση λύσεων
Η Amazon Monitron παρέχει συμπέρασμα ML για την κατάσταση της υγείας των περιουσιακών στοιχείων μετά από 21 ημέρες της περιόδου εκπαίδευσης μοντέλου ML για κάθε περιουσιακό στοιχείο. Σε αυτή τη λύση, τα δεδομένα μέτρησης και το συμπέρασμα ML από αυτούς τους αισθητήρες εξάγονται στο Amazon S3 μέσω Ροές δεδομένων Amazon Kinesis χρησιμοποιώντας το τελευταία δυνατότητα εξαγωγής δεδομένων Amazon Monitron. Μόλις τα δεδομένα Amazon Monitron IoT είναι διαθέσιμα στο Amazon S3, δημιουργείται μια βάση δεδομένων και ένας πίνακας Αμαζόν Αθηνά χρησιμοποιώντας ένα Ανιχνευτής κόλλας AWS. Μπορείτε να ρωτήσετε δεδομένα Amazon Monitron μέσω πινάκων AWS Glue με την Athena και να οπτικοποιήσετε τα δεδομένα μέτρησης και το συμπέρασμα ML με Η Amazon διαχειρίστηκε τη Grafana. Με το Amazon Managed Grafana, μπορείτε να δημιουργήσετε, να εξερευνήσετε και να μοιραστείτε πίνακες ελέγχου παρατηρησιμότητας με την ομάδα σας και να αφιερώσετε λιγότερο χρόνο στη διαχείριση της υποδομής Grafana. Σε αυτήν την ανάρτηση, συνδέετε το Amazon Managed Grafana με το Athena και μαθαίνετε πώς να δημιουργείτε έναν πίνακα εργαλείων ανάλυσης δεδομένων με δεδομένα του Amazon Monitron για να σας βοηθήσουν να σχεδιάσετε τις λειτουργίες βιομηχανικών περιουσιακών στοιχείων σε κλίμακα.
Το παρακάτω στιγμιότυπο οθόνης είναι ένα παράδειγμα του τι μπορείτε να επιτύχετε στο τέλος αυτής της ανάρτησης. Αυτός ο πίνακας εργαλείων χωρίζεται σε τρεις ενότητες:
- Θέα φυτού – Αναλυτικές πληροφορίες από όλους τους αισθητήρες σε όλες τις εγκαταστάσεις. για παράδειγμα, ο συνολικός αριθμός των διαφόρων καταστάσεων των αισθητήρων (Υγιής, Προειδοποίηση ή Συναγερμός), ο αριθμός των μη επιβεβαιωμένων και επιβεβαιωμένων συναγερμών, η συνδεσιμότητα πύλης και ο μέσος χρόνος συντήρησης
- Προβολή τοποθεσίας – Στατιστικά σε επίπεδο ιστότοπου, όπως στατιστικά κατάστασης στοιχείων σε κάθε τοποθεσία, συνολικός αριθμός ημερών που ένας συναγερμός παραμένει άγνωστος, στοιχεία με κορυφαία/κάτω απόδοση σε κάθε τοποθεσία και άλλα
- Προβολή περιουσιακών στοιχείων – Συνοπτικές πληροφορίες για το έργο Amazon Monitron σε επίπεδο ενεργητικού, όπως ο τύπος συναγερμού για μη επιβεβαιωμένο συναγερμό (ISO ή ML), το χρονοδιάγραμμα για έναν συναγερμό και άλλα
Αυτά τα πάνελ είναι παραδείγματα που μπορούν να βοηθήσουν τον στρατηγικό επιχειρησιακό σχεδιασμό, αλλά δεν είναι αποκλειστικά. Μπορείτε να χρησιμοποιήσετε μια παρόμοια ροή εργασίας για να προσαρμόσετε τον πίνακα εργαλείων σύμφωνα με το στοχευμένο KPI σας.
Επισκόπηση αρχιτεκτονικής
Η λύση που θα δημιουργήσετε σε αυτήν την ανάρτηση συνδυάζει Amazon Monitron, Kinesis Data Streams, Firehose δεδομένων Amazon Kinesis, Amazon S3, AWS Glue, Athena και Amazon Managed Grafana.
Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική λύσης. Οι αισθητήρες Amazon Monitron μετρούν και ανιχνεύουν ανωμαλίες από εξοπλισμό. Τόσο τα δεδομένα μέτρησης όσο και οι έξοδοι συμπερασμάτων ML εξάγονται με συχνότητα μία φορά την ώρα σε μια ροή δεδομένων Kinesis και παραδίδονται στο Amazon S3 μέσω του Kinesis Data Firehose με buffer 1 λεπτού. Τα εξαγόμενα δεδομένα Amazon Monitron είναι σε μορφή JSON. Ένας ανιχνευτής AWS Glue αναλύει τα δεδομένα Amazon Monitron στο Amazon S3 με επιλεγμένη συχνότητα μία φορά την ώρα, δημιουργεί ένα σχήμα μεταδεδομένων και δημιουργεί πίνακες στο Athena. Τέλος, το Amazon Managed Grafana χρησιμοποιεί το Athena για να ρωτήσει τα δεδομένα του Amazon S3, επιτρέποντας τη δημιουργία πινάκων εργαλείων για την οπτικοποίηση δεδομένων μέτρησης και κατάστασης υγείας της συσκευής.
Για να δημιουργήσετε αυτήν τη λύση, ολοκληρώστε τα ακόλουθα βήματα υψηλού επιπέδου:
- Ενεργοποιήστε μια εξαγωγή Kinesis Data Stream από το Amazon Monitron και δημιουργήστε μια ροή δεδομένων.
- Διαμορφώστε το Kinesis Data Firehose για να παραδώσει δεδομένα από τη ροή δεδομένων σε έναν κάδο S3.
- Δημιουργήστε το πρόγραμμα ανίχνευσης AWS Glue για να δημιουργήσετε έναν πίνακα με δεδομένα Amazon S3 στο Athena.
- Δημιουργήστε έναν πίνακα ελέγχου συσκευών Amazon Monitron με το Amazon Managed Grafana.
Προϋποθέσεις
Για αυτήν την καθοδήγηση, θα πρέπει να έχετε τις ακόλουθες προϋποθέσεις:
Επιπλέον, βεβαιωθείτε ότι όλοι οι πόροι που αναπτύσσετε βρίσκονται στην ίδια Περιοχή.
Ενεργοποιήστε μια εξαγωγή ροής δεδομένων Kinesis από το Amazon Monitron και δημιουργήστε μια ροή δεδομένων
Για να διαμορφώσετε την εξαγωγή ροής δεδομένων, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα Amazon Monitron, από την κύρια σελίδα του έργου σας, επιλέξτε Ξεκινήστε την εξαγωγή ζωντανών δεδομένων.
- Κάτω από Επιλέξτε ροή δεδομένων Amazon Kinesis, επιλέξτε Δημιουργήστε μια νέα ροή δεδομένων.
- Κάτω από Διαμόρφωση ροής δεδομένων, εισαγάγετε το όνομα της ροής δεδομένων σας.
- Για Χωρητικότητα ροής δεδομένων, επιλέξτε Κατα παραγγελια.
- Επιλέξτε Δημιουργία ροής δεδομένων.
Λάβετε υπόψη ότι κάθε εξαγωγή ζωντανών δεδομένων που έχει ενεργοποιηθεί μετά τις 4 Απριλίου 2023 θα μεταδίδει δεδομένα σύμφωνα με το σχήμα Kinesis Data Streams v2. Εάν έχετε μια υπάρχουσα εξαγωγή δεδομένων που ήταν ενεργοποιημένη πριν από αυτήν την ημερομηνία, το σχήμα θα ακολουθεί τη μορφή v1.
Τώρα μπορείτε να δείτε ζωντανές πληροφορίες εξαγωγής δεδομένων στην κονσόλα Amazon Monitron με την καθορισμένη ροή δεδομένων Kinesis.
Διαμορφώστε το Kinesis Data Firehose για να παραδώσει δεδομένα σε έναν κάδο S3
Για να διαμορφώσετε τη ροή παράδοσης Firehose, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα Kinesis, επιλέξτε Ροές παράδοσης στο παράθυρο πλοήγησης.
- Επιλέξτε Δημιουργία ροής παράδοσης.
- Για Πηγή, Επιλέξτε Ροές δεδομένων Amazon Kinesis.
- Για Προορισμός, Επιλέξτε Amazon S3.
- Κάτω από Ρυθμίσεις πηγής, Για Ροή δεδομένων Kinesis, εισαγάγετε το ARN της ροής δεδομένων Kinesis.
- Κάτω από Όνομα ροής παράδοσης, εισαγάγετε το όνομα της ροής δεδομένων Kinesis.
- Κάτω από Ρυθμίσεις προορισμού, επιλέξτε έναν κάδο S3 ή εισαγάγετε ένα URI κάδου. Μπορείτε είτε να χρησιμοποιήσετε έναν υπάρχοντα κάδο S3 για να αποθηκεύσετε δεδομένα του Amazon Monitron είτε μπορείτε να δημιουργήσετε έναν νέο κάδο S3.
- Ενεργοποίηση δυναμικής κατάτμησης χρησιμοποιώντας ενσωματωμένη ανάλυση για JSON:
- Επιλέξτε Ενεργοποιήθηκε for Δυναμική κατάτμηση.
- Επιλέξτε Ενεργοποιήθηκε for Ενσωματωμένη ανάλυση για JSON.
- Κάτω από Δυναμικά πλήκτρα κατάτμησης, προσθέστε τα ακόλουθα κλειδιά διαμερίσματος:
Βασικά Όνομα | Έκφραση JQ |
σχέδιο | .projectName| "project=(.)" |
ιστοσελίδα | .eventPayload.siteName| "site=(.)" |
προσόν | .eventPayload.assetName| "asset=(.)" |
θέση | .eventPayload.positionName| "position=(.)" |
ώρα | .timestamp| sub(" [0-9]{2}:[0-9]{2}:[0-9]{2}.[0-9]{3}$"; "")| "time=(.)" |
- Επιλέξτε Εφαρμογή δυναμικών κλειδιών διαμερισμάτων και επιβεβαιώστε ότι το πρόθεμα του κάδου S3 που δημιουργήθηκε είναι:
- Εισαγάγετε ένα πρόθεμα για Πρόθεμα εξόδου σφάλματος κάδου S3. Οποιοδήποτε ωφέλιμο φορτίο JSON που δεν περιέχει τα κλειδιά που περιγράφηκαν προηγουμένως θα παραδοθεί σε αυτό το πρόθεμα. Για παράδειγμα, το
gatewayConnected
καιgatewayDisconnected
τα γεγονότα δεν συνδέονται με ένα δεδομένο περιουσιακό στοιχείο ή θέση. Επομένως, δεν θα περιέχουν τοassetName
καιpositionName
χωράφια. Ο καθορισμός αυτού του προαιρετικού προθέματος εδώ σάς επιτρέπει να παρακολουθείτε αυτήν την τοποθεσία και να επεξεργάζεστε ανάλογα αυτά τα συμβάντα. - Επιλέξτε Δημιουργία ροής παράδοσης.
Μπορείτε να επιθεωρήσετε τα δεδομένα Amazon Monitron στον κάδο S3. Σημειώστε ότι τα δεδομένα Amazon Monitron θα εξάγουν ζωντανά δεδομένα με συχνότητα μία φορά την ώρα, επομένως περιμένετε 1 ώρα για να επιθεωρήσετε τα δεδομένα.
Αυτή η ρύθμιση Kinesis Data Firehose επιτρέπει τη δυναμική κατάτμηση και τα αντικείμενα S3 που παραδίδονται θα χρησιμοποιούν την ακόλουθη μορφή κλειδιού:
Δημιουργήστε το πρόγραμμα ανίχνευσης AWS Glue για να δημιουργήσετε έναν πίνακα με δεδομένα Amazon S3 στο Athena
Μετά την εξαγωγή των ζωντανών δεδομένων στο Amazon S3, χρησιμοποιούμε έναν ανιχνευτή AWS Glue για να δημιουργήσουμε τους πίνακες μεταδεδομένων. Σε αυτήν την ανάρτηση, χρησιμοποιούμε ανιχνευτές AWS Glue για να συμπεράνουμε αυτόματα το σχήμα βάσης δεδομένων και πίνακα από δεδομένα του Amazon Monitron που εξάγονται στο Amazon S3 και αποθηκεύουμε τα σχετικά μεταδεδομένα στον Κατάλογο δεδομένων κόλλας AWS. Στη συνέχεια, η Athena χρησιμοποιεί τα μεταδεδομένα πίνακα από τον Κατάλογο Δεδομένων για να βρει, να διαβάσει και να επεξεργαστεί τα δεδομένα στο Amazon S3. Ολοκληρώστε τα παρακάτω βήματα για να δημιουργήσετε τη βάση δεδομένων και το σχήμα πίνακα:
- Στην κονσόλα κόλλας AWS, επιλέξτε Ανιχνευτές στο παράθυρο πλοήγησης.
- Επιλέξτε Δημιουργία ανιχνευτή.
- Εισαγάγετε ένα όνομα για το πρόγραμμα ανίχνευσης (για παράδειγμα,
XXX_xxxx_monitron
). - Επιλέξτε Επόμενο.
- Για Τα δεδομένα σας έχουν ήδη αντιστοιχιστεί σε πίνακες Glue, επιλέξτε Οχι ακόμα.
- Για Πηγή δεδομένων, επιλέξτε S3.
- Για Θέση δεδομένων S3, επιλέξτε Σε αυτόν τον Λογαριασμόκαι εισαγάγετε τη διαδρομή του καταλόγου S3 bucket που δημιουργήσατε στην προηγούμενη ενότητα (
s3://YourBucketName
). - Για Επαναλάβετε τις ανιχνεύσεις των αποθηκών δεδομένων S3, Επιλέξτε Ανίχνευση όλων των υποφακέλων.
- Τέλος, επιλέξτε Επόμενο.
- Αγορά Δημιουργήστε νέο ρόλο IAM και πληκτρολογήστε ένα όνομα για το ρόλο.
- Επιλέξτε Επόμενο.
- Αγορά Προσθήκη βάσης δεδομένωνκαι εισαγάγετε ένα όνομα για τη βάση δεδομένων. Αυτό δημιουργεί τη βάση δεδομένων Athena όπου βρίσκονται οι πίνακες μεταδεδομένων σας μετά την ολοκλήρωση του προγράμματος ανίχνευσης.
- Για Πρόγραμμα Crawler, επιλέξτε έναν προτιμώμενο προγραμματιστή βάσει χρόνου (για παράδειγμα, ωριαία) για να ανανεώσετε τα δεδομένα Amazon Monitron στη βάση δεδομένων και επιλέξτε Επόμενο.
- Ελέγξτε τις λεπτομέρειες του προγράμματος ανίχνευσης και επιλέξτε Δημιουργία.
- Στις Ανιχνευτές σελίδα της κονσόλας AWS Glue, επιλέξτε το πρόγραμμα ανίχνευσης που δημιουργήσατε και επιλέξτε Εκτελέστε το πρόγραμμα ανίχνευσης.
Ίσως χρειαστεί να περιμένετε μερικά λεπτά, ανάλογα με το μέγεθος των δεδομένων. Όταν ολοκληρωθεί, η κατάσταση του ανιχνευτή εμφανίζεται ως Έτοιμος. Για να δείτε τους πίνακες μεταδεδομένων, μεταβείτε στη βάση δεδομένων σας στο Βάσεις Δεδομένων σελίδα και επιλέξτε πίνακες στο παράθυρο πλοήγησης.
Μπορείτε επίσης να προβάλετε δεδομένα επιλέγοντας Δεδομένα πίνακα στην κονσόλα.
Ανακατευθυνθείτε στην κονσόλα Athena για να δείτε τις 10 κορυφαίες εγγραφές των δεδομένων Amazon Monitron στο Amazon S3.
Δημιουργήστε έναν πίνακα ελέγχου συσκευών Amazon Monitron με το Amazon Managed Grafana
Σε αυτήν την ενότητα, κατασκευάζουμε έναν προσαρμοσμένο πίνακα εργαλείων με το Amazon Managed Grafana για να οπτικοποιήσουμε τα δεδομένα του Amazon Monitron στο Amazon S3, έτσι ώστε η ομάδα OT να μπορεί να έχει βελτιστοποιημένη πρόσβαση σε στοιχεία σε κατάσταση συναγερμού σε ολόκληρο τον στόλο αισθητήρων Amazon Monitron. Αυτό θα επιτρέψει στην ομάδα OT να σχεδιάσει τις επόμενες ενέργειες με βάση την πιθανή βασική αιτία των ανωμαλιών.
Προς την δημιουργήστε έναν χώρο εργασίας Grafana, ολοκληρώστε τα παρακάτω βήματα:
- Βεβαιωθείτε ότι ο ρόλος χρήστη σας είναι διαχειριστής ή συντάκτης.
- Στην κονσόλα Amazon Managed Grafana, επιλέξτε Δημιουργία χώρου εργασίας.
- Για Όνομα χώρου εργασίας, πληκτρολογήστε ένα όνομα για τον χώρο εργασίας.
- Επιλέξτε Επόμενο.
- Για Πρόσβαση ελέγχου ταυτότητας, Επιλέξτε Κέντρο Ταυτότητας AWS IAM (διάδοχος του AWS Single Sign-On). Μπορείτε να χρησιμοποιήσετε το ίδιο Χρήστης του Κέντρου Ταυτότητας AWS IAM που χρησιμοποιήσατε για να ρυθμίσετε το έργο Amazon Monitron.
- Επιλέξτε Επόμενο.
- Για αυτόν τον πρώτο χώρο εργασίας, επιβεβαιώστε το Υπηρεσίες διαχείρισης επιλέγεται για Τύπος άδειας. Αυτή η επιλογή επιτρέπει στο Amazon Managed Grafana να παρέχει αυτόματα τα δικαιώματα που χρειάζεστε για τις πηγές δεδομένων AWS που χρησιμοποιείτε για αυτόν τον χώρο εργασίας.
- Επιλέξτε Τρεχούμενος λογαριασμός.
- Επιλέξτε Επόμενο.
- Επιβεβαιώστε τις λεπτομέρειες του χώρου εργασίας και επιλέξτε Δημιουργία χώρου εργασίας. Εμφανίζεται η σελίδα λεπτομερειών χώρου εργασίας. Αρχικά, η κατάσταση είναι ΔΗΜΙΟΥΡΓΙΑ.
- Περιμένετε μέχρι να γίνει η κατάσταση ACTIVE για να προχωρήσετε στο επόμενο βήμα.
Για να διαμορφώσετε την πηγή δεδομένων Athena, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα Amazon Managed Grafana, επιλέξτε τον χώρο εργασίας στον οποίο θέλετε να εργαστείτε.
- Στις Πηγές δεδομένων καρτέλα, επιλέξτε Αμαζόν Αθηνά, και επιλέξτε Ενέργειες, Ενεργοποίηση πολιτικής διαχείρισης υπηρεσιών.
- Επιλέξτε Ρύθμιση παραμέτρων στη Γραφάνα στο Αμαζόν Αθηνά σειρά.
- Συνδεθείτε στην κονσόλα χώρου εργασίας Grafana χρησιμοποιώντας το IAM Identity Center, εάν είναι απαραίτητο. Ο χρήστης θα πρέπει να έχει την πολιτική πρόσβασης Athena συνδεδεμένη με τον χρήστη ή τον ρόλο για να έχει πρόσβαση στην πηγή δεδομένων Athena. Βλέπω Πολιτική διαχείρισης AWS: AmazonGrafanaAthenaAccess για περισσότερες πληροφορίες.
- Στην κονσόλα χώρου εργασίας Grafana, στο παράθυρο πλοήγησης, επιλέξτε το κάτω εικονίδιο AWS (υπάρχουν δύο) και, στη συνέχεια, επιλέξτε Αθήνα σχετικά με την Πηγές δεδομένων μενού.
- Επιλέξτε την προεπιλεγμένη περιοχή από την οποία θέλετε να ζητήσει η πηγή δεδομένων Athena, επιλέξτε τους λογαριασμούς που θέλετε και, στη συνέχεια, επιλέξτε Προσθήκη πηγής δεδομένων.
- Ακολουθήστε τα βήματα για να διαμορφώστε τις λεπτομέρειες Athena.
Εάν η ομάδα εργασίας σας στο Athena δεν έχει ήδη διαμορφωμένη θέση εξόδου, πρέπει να καθορίσετε έναν κάδο και έναν φάκελο S3 που θα χρησιμοποιηθούν για τα αποτελέσματα ερωτημάτων. Αφού ρυθμίσετε την προέλευση δεδομένων, μπορείτε να την προβάλετε ή να την επεξεργαστείτε στο διαμόρφωση τζάμι.
Στις επόμενες υποενότητες, παρουσιάζουμε διάφορα πάνελ στον πίνακα εργαλείων Amazon Monitron που έχει ενσωματωθεί στο Amazon Managed Grafana για να αποκτήσουμε επιχειρησιακές πληροφορίες. Η πηγή δεδομένων Athena παρέχει ένα τυπικό πρόγραμμα επεξεργασίας ερωτημάτων SQL που θα χρησιμοποιήσουμε για να αναλύσουμε τα δεδομένα του Amazon Monitron για να δημιουργήσουμε τα επιθυμητά αναλυτικά στοιχεία.
Πρώτον, εάν υπάρχουν πολλοί αισθητήρες στο έργο Amazon Monitron και βρίσκονται σε διαφορετικές καταστάσεις (υγιές, προειδοποίηση, συναγερμός και χρειάζεται συντήρηση), η ομάδα OT θέλει να δει οπτικά τον αριθμό των θέσεων που βρίσκονται οι αισθητήρες σε διάφορες καταστάσεις. Μπορείτε να λάβετε τέτοιες πληροφορίες ως γραφικό στοιχείο γραφήματος πίτας στο Grafana μέσω του ακόλουθου ερωτήματος Athena:
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;
Το παρακάτω στιγμιότυπο οθόνης δείχνει ένα πλαίσιο με την πιο πρόσφατη κατανομή της κατάστασης του αισθητήρα Amazon Monitron.
Για να μορφοποιήσετε το ερώτημά σας SQL για δεδομένα Amazon Monitron, ανατρέξτε στο Κατανόηση του σχήματος εξαγωγής δεδομένων.
Στη συνέχεια, η ομάδα Τεχνολογίας λειτουργιών σας μπορεί να θέλει να σχεδιάσει προγνωστική συντήρηση με βάση τα στοιχεία που βρίσκονται σε κατάσταση συναγερμού και επομένως θέλει να γνωρίζει γρήγορα τον συνολικό αριθμό των επιβεβαιωμένων συναγερμών έναντι των μη επιβεβαιωμένων συναγερμών. Μπορείτε να εμφανίσετε τις συνοπτικές πληροφορίες της κατάστασης συναγερμού ως απλούς πίνακες στατιστικών στο 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';
Ο παρακάτω πίνακας εμφανίζει αναγνωρισμένους και μη επιβεβαιωμένους συναγερμούς.
Η ομάδα OT μπορεί επίσης να ρωτήσει τον χρόνο που οι αισθητήρες παραμένουν σε κατάσταση συναγερμού, ώστε να μπορούν να αποφασίσουν την προτεραιότητά τους συντήρησης:
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;
Η έξοδος αυτής της ανάλυσης μπορεί να απεικονιστεί με ένα γράφημα ράβδων στο Grafana και ο συναγερμός σε κατάσταση συναγερμού μπορεί εύκολα να απεικονιστεί όπως φαίνεται στο παρακάτω στιγμιότυπο οθόνης.
Για να αναλύσετε την απόδοση του άνω/κάτω στοιχείου βάσει του συνολικού χρόνου που τα στοιχεία βρίσκονται σε κατάσταση συναγερμού ή χρειάζονται συντήρηση, χρησιμοποιήστε το ακόλουθο ερώτημα:
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;
Ο ακόλουθος μετρητής ράβδου χρησιμοποιείται για την οπτικοποίηση του προηγούμενου εξόδου ερωτήματος, με τα στοιχεία με την κορυφαία απόδοση να δείχνουν 0 ημέρες καταστάσεων συναγερμού και τα στοιχεία με την κάτω απόδοση να δείχνουν συσσωρευμένες καταστάσεις συναγερμού κατά το παρελθόν έτος.
Για να βοηθήσετε την ομάδα OT να κατανοήσει την πιθανή βασική αιτία μιας ανωμαλίας, οι τύποι συναγερμών μπορούν να εμφανιστούν για αυτά τα στοιχεία που παραμένουν σε κατάσταση συναγερμού με το ακόλουθο ερώτημα:
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');
Μπορείτε να απεικονίσετε αυτήν την ανάλυση ως πίνακα στο Grafana. Σε αυτό το έργο Amazon Monitron, δύο συναγερμοί ενεργοποιήθηκαν από μοντέλα ML για μέτρηση κραδασμών.
Ο πίνακας εργαλείων Amazon Managed Grafana εμφανίζεται εδώ για λόγους απεικόνισης. Μπορείτε να προσαρμόσετε τη σχεδίαση του ταμπλό σύμφωνα με τις δικές σας επιχειρηματικές ανάγκες.
Αναφορές αποτυχίας
Όταν ένας χρήστης αναγνωρίζει έναν συναγερμό στην εφαρμογή Amazon Monitron, τα σχετικά περιουσιακά στοιχεία μεταβαίνουν σε νέα κατάσταση. Ο χρήστης έχει επίσης την ευκαιρία να παράσχει ορισμένες λεπτομέρειες σχετικά με αυτόν τον συναγερμό:
- Αιτία αποτυχίας – Αυτό μπορεί να είναι ένα από τα ακόλουθα: ΔΙΑΧΕΙΡΙΣΗ, ΣΧΕΔΙΑΣΜΟΣ, ΚΑΤΑΣΚΕΥΗ, ΣΥΝΤΗΡΗΣΗ, ΛΕΙΤΟΥΡΓΙΑ, ΑΛΛΟ, ΠΟΙΟΤΗΤΑ, ΦΘΟΡΑ ή ΑΠΟΡΙΣΤΟ
- Λειτουργία αποτυχίας – Αυτό μπορεί να είναι ένα από τα ακόλουθα: NO_ISSUE, BLOCKAGE, CAVITATION, CORROTION, DEPOSIT, ISISBANS, LIBRICATION, MISALIGNMENT, Other, RESONANCE, ROTATING_LOOSENESS, STRUCTURAL_LOOSENESS, TRANSMITTED_UNTERMINETED, ή
- Μέτρα που ελήφθησαν – Αυτό μπορεί να είναι ΡΥΘΜΙΣΗ, ΚΑΘΑΡΙΣΜΟΣ, ΛΙΠΑΝΣΗ, ΤΡΟΠΟΠΟΙΗΣΗ, ΕΠΙΣΚΕΥΗ, ΑΝΤΙΚΑΤΑΣΤΑΣΗ, NO_ACTION ή ΑΛΛΟ
Το ωφέλιμο φορτίο συμβάντος που σχετίζεται με τη μετάβαση κατάστασης στοιχείου περιέχει όλες αυτές τις πληροφορίες, την προηγούμενη κατάσταση του στοιχείου και τη νέα κατάσταση του στοιχείου. Μείνετε συντονισμένοι για μια ενημέρωση αυτής της ανάρτησης με περισσότερες λεπτομέρειες σχετικά με το πώς μπορείτε να χρησιμοποιήσετε αυτές τις πληροφορίες σε ένα πρόσθετο πλαίσιο Grafana για τη δημιουργία γραφημάτων Pareto των πιο συνηθισμένων αποτυχιών και ενεργειών που πραγματοποιήθηκαν στα στοιχεία σας.
Συμπέρασμα
Οι εταιρικοί πελάτες του Amazon Monitron αναζητούν μια λύση για τη δημιουργία μιας λίμνης δεδομένων IoT με τα ζωντανά δεδομένα του Amazon Monitron, ώστε να μπορούν να διαχειρίζονται πολλά έργα και στοιχεία του Amazon Monitron και να δημιουργούν αναφορές ανάλυσης σε πολλά έργα Amazon Monitron. Αυτή η ανάρτηση παρέχει μια λεπτομερή περιγραφή μιας λύσης για την κατασκευή αυτής της λίμνης δεδομένων IoT με τα πιο πρόσφατα Λειτουργία εξαγωγής δεδομένων Amazon Monitron Kinesis v2. Αυτή η λύση έδειξε επίσης πώς να χρησιμοποιείτε άλλες υπηρεσίες AWS, όπως το AWS Glue και το Athena για να αναζητήσετε τα δεδομένα, να δημιουργήσετε εξόδους αναλυτικών στοιχείων και να οπτικοποιήσετε τέτοιες εξόδους με το Amazon Managed Grafana με συχνή ανανέωση.
Ως επόμενο βήμα, μπορείτε να επεκτείνετε αυτήν τη λύση στέλνοντας αποτελέσματα συμπερασμάτων ML σε άλλα συστήματα EAM που ενδέχεται να χρησιμοποιήσετε για τη διαχείριση παραγγελιών εργασίας. Αυτό θα επιτρέψει στην ομάδα λειτουργίας σας να ενσωματώσει το Amazon Monitron με άλλες εταιρικές εφαρμογές και να βελτιώσει την αποτελεσματικότητά τους. Μπορείτε επίσης να αρχίσετε να δημιουργείτε πιο εμπεριστατωμένες πληροφορίες σχετικά με τους τρόπους αποτυχίας και τις ενέργειες που πραγματοποιείτε με την επεξεργασία των μεταβάσεων κατάστασης στοιχείων και των κωδικών κλεισίματος που αποτελούν πλέον μέρος του ωφέλιμου φορτίου ροής δεδομένων Kinesis.
Σχετικά με τους συγγραφείς
Τζούλια Χου είναι Sr. AI/ML Solutions Architect στο Amazon Web Services. Έχει εκτεταμένη εμπειρία στην αρχιτεκτονική του IoT και στην Εφαρμοσμένη Επιστήμη Δεδομένων, και είναι μέρος της Κοινότητας Μηχανικής Μάθησης και Τεχνικού Πεδίου IoT. Συνεργάζεται με πελάτες, από νεοφυείς επιχειρήσεις έως επιχειρήσεις, για την ανάπτυξη λύσεων μηχανικής εκμάθησης AWSome IoT (ML), στο Edge και στο Cloud. Της αρέσει να αξιοποιεί την πιο πρόσφατη τεχνολογία IoT και μεγάλα δεδομένα για να κλιμακώσει τη λύση της ML, να μειώσει τον λανθάνοντα χρόνο και να επιταχύνει την υιοθέτηση του κλάδου.
Bishr Tabbaa είναι αρχιτέκτονας λύσεων στο Amazon Web Services. Η Bishr ειδικεύεται στο να βοηθά πελάτες με εφαρμογές μηχανικής εκμάθησης, ασφάλειας και παρατηρησιμότητας. Εκτός δουλειάς, του αρέσει να παίζει τένις, να μαγειρεύει και να περνά χρόνο με την οικογένεια.
Shalika Pargal είναι Product Manager στο Amazon Web Services. Η Shalika εστιάζει στην κατασκευή προϊόντων και υπηρεσιών AI για βιομηχανικούς πελάτες. Φέρνει σημαντική εμπειρία στη διασταύρωση Προϊόντος, Βιομηχανικής και Επιχειρηματικής Ανάπτυξης. Πρόσφατα μοιράστηκε Η ιστορία επιτυχίας της Monitron στο Reinvent 2022.
Γκάρι Γκαλίνσκι είναι ένας Principal Solutions Architect που υποστηρίζει την Amazon στο AWS. Ασχολείται με τη Monitron από το ντεμπούτο της και έχει βοηθήσει στην ενσωμάτωση και την ανάπτυξη της λύσης στο παγκόσμιο δίκτυο εκπλήρωσης της Amazon. Πρόσφατα μοιράστηκε το Amazon Η ιστορία επιτυχίας της Monitron στο re:Invent 2022.
Michaël Hoarau είναι Αρχιτέκτονας Ειδικών Λύσεων AI/ML στην AWS που εναλλάσσεται μεταξύ επιστήμονα δεδομένων και αρχιτέκτονα μηχανικής μάθησης, ανάλογα με τη στιγμή. Είναι παθιασμένος με το να μεταφέρει τη δύναμη AI/ML στα καταστήματα των βιομηχανικών πελατών του και έχει εργαστεί σε ένα ευρύ φάσμα περιπτώσεων χρήσης ML, που κυμαίνονται από τον εντοπισμό ανωμαλιών έως την προγνωστική ποιότητα του προϊόντος ή τη βελτιστοποίηση κατασκευής. Δημοσίευσε ένα βιβλίο για την ανάλυση χρονοσειρών το 2022 και γράφει τακτικά για αυτό το θέμα LinkedIn και Μέτριας Δυσκολίας. Όταν δεν βοηθά τους πελάτες να αναπτύξουν τις επόμενες καλύτερες εμπειρίες μηχανικής μάθησης, του αρέσει να παρατηρεί τα αστέρια, να ταξιδεύει ή να παίζει πιάνο.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/generate-actionable-insights-for-predictive-maintenance-management-with-amazon-monitron-and-amazon-kinesis/
- :έχει
- :είναι
- :δεν
- $UP
- 1
- 10
- 100
- 200
- 2022
- 2023
- 7
- 8
- 9
- a
- ΠΛΗΡΟΦΟΡΙΕΣ
- επιταχύνουν
- πρόσβαση
- Σύμφωνα με
- αναλόγως
- Λογαριασμοί
- Συσσωρευμένος
- Κατορθώνω
- απόκτηση
- απέναντι
- Ενέργειες
- ενεργειών
- δραστηριότητα
- προσαρμόσει
- Πρόσθετος
- διαχειριστής
- διαχείριση
- Υιοθεσία
- Μετά το
- AI
- AI / ML
- Ενισχύσεις
- τρομάζω
- Ειδοποιήσεις
- Όλα
- Επιτρέποντας
- επιτρέπει
- ήδη
- Επίσης
- Amazon
- Amazon Kinesis
- Η Amazon διαχειρίστηκε τη Grafana
- Amazon υπηρεσίες Web
- ποσό
- an
- ανάλυση
- Αναλυτικός
- analytics
- αναλύσει
- αναλύσεις
- και
- ανίχνευση ανωμαλιών
- Άλλος
- κάθε
- app
- εφαρμογές
- εφαρμοσμένος
- πλησιάζω
- Απρίλιος
- αρχιτεκτονική
- ΕΙΝΑΙ
- AS
- προσόν
- διαχείριση περιουσιακών στοιχείων
- Ενεργητικό
- συσχετισμένη
- At
- Αυτοματοποιημένη
- αυτομάτως
- αυτοματοποίηση
- διαθέσιμος
- μέσος
- αποφεύγοντας
- AWS
- Κόλλα AWS
- πίσω
- μπαρ
- βασίζονται
- BE
- γίνονται
- ήταν
- πριν
- ΚΑΛΎΤΕΡΟΣ
- Καλύτερα
- μεταξύ
- Μεγάλος
- Big Data
- βιβλίο
- και οι δύο
- Κάτω μέρος
- Φέρνοντας
- Φέρνει
- ευρύτερη
- ρυθμιστικό
- χτίζω
- Κτίριο
- Χτίζει
- χτισμένο
- επιχείρηση
- ανάπτυξη επιχείρησης
- αλλά
- by
- CAN
- Μπορεί να πάρει
- πιάνω
- περίπτωση
- περιπτώσεις
- κατάλογος
- Αιτία
- αίτια
- Κέντρο
- Κέντρα
- προκλήσεις
- Διάγραμμα
- Διαγράμματα
- δωμάτια συζήτησης
- Επιλέξτε
- επιλέγοντας
- επιλέγονται
- ταξινόμηση
- κλείσιμο
- Backup
- κωδικός
- Συλλέγοντας
- συνδυασμός
- συνδυάζει
- συνδυάζοντας
- ερχομός
- Κοινός
- κοινότητα
- πλήρης
- συγκρότημα
- έννοια
- κατάσταση
- Επιβεβαιώνω
- Connect
- Συνδεσιμότητα
- πρόξενος
- καταναλώνουν
- περιέχουν
- Περιέχει
- συνεχής
- έλεγχος
- θα μπορούσε να
- έρπων
- δημιουργία
- δημιουργήθηκε
- δημιουργεί
- δημιουργία
- Πελάτες
- προσαρμόσετε
- προσαρμοσμένη
- κύκλους
- ταμπλό
- ημερομηνία
- Δεδομένα Analytics
- Λίμνη δεδομένων
- επιστημονικά δεδομένα
- επιστήμονας δεδομένων
- βάση δεδομένων
- Ημερομηνία
- Ημ.
- ντεμπούτο
- αποφασίζει
- Προεπιλογή
- παραδώσει
- παραδίδεται
- διανομή
- αποδεικνύουν
- Σε συνάρτηση
- παρατάσσω
- κατάθεση
- περιγράφουν
- περιγράφεται
- Υπηρεσίες
- επιθυμητή
- λεπτομερής
- καθέκαστα
- Ανίχνευση
- ανάπτυξη
- Ανάπτυξη
- συσκευή
- Συσκευές
- διαφορετικές
- κατευθείαν
- ανακαλύπτουν
- διανομή
- διαιρούμενο
- Όχι
- downtime
- δυναμικός
- κάθε
- Νωρίτερα
- εύκολα
- άκρη
- συντάκτης
- αποτελεσματικά
- αποδοτικότητα
- αποτελεσματικός
- αποτελεσματικά
- είτε
- ενεργοποιήσετε
- ενεργοποιημένη
- δίνει τη δυνατότητα
- από άκρη σε άκρη
- Μηχανικοί
- εμπλουτισμένος
- εμπλουτισμός
- εισάγετε
- Εταιρεία
- επιχειρήσεις
- περιβάλλοντα
- εξοπλισμός
- σφάλμα
- Συμβάν
- εκδηλώσεις
- παράδειγμα
- παραδείγματα
- Αποκλειστικό
- υφιστάμενα
- Ανάπτυξη
- εμπειρία
- Δραστηριοτητες
- Εξηγήστε
- διερευνήσει
- εξαγωγή
- εκτενής
- Εκτεταμένη εμπειρία
- Αποτυχία
- οικογένεια
- ανατροφοδότηση
- λίγοι
- πεδίο
- Πεδία
- Τελικά
- Εύρεση
- Όνομα
- ΣΤΟΛΟΣ
- Όροφος
- επικεντρώθηκε
- εστιάζει
- ακολουθήστε
- Εξής
- Για
- μορφή
- Συχνότητα
- συχνάζω
- από
- Κέρδος
- πύλη
- παράγουν
- παράγεται
- παίρνω
- δεδομένου
- ποτήρι
- Group
- καθοδηγήσει
- συμβαίνω
- Έχω
- he
- Υγεία
- διαιτιτικο
- βοήθεια
- βοήθησε
- βοήθεια
- εδώ
- υψηλού επιπέδου
- Πως
- Πώς να
- HTML
- HTTPS
- IBM
- ICON
- προσδιορίσει
- Ταυτότητα
- ανισορροπία
- εφαρμογή
- εκτέλεση
- βελτίωση
- in
- σε βάθος
- περιλαμβάνουν
- περιλαμβάνει
- Εισερχόμενος
- βιομηχανικές
- βιομηχανία
- πληροφορίες
- πληροφορίες
- Υποδομή
- αρχικά
- ιδέες
- εγκατασταθεί
- δόση
- παράδειγμα
- ενσωματώσει
- ενσωματωθεί
- ολοκλήρωση
- Internet
- Ίντερνετ των πραγμάτων
- διασταύρωση
- σε
- συμμετέχουν
- IoT
- ISO
- θέματα
- IT
- ΤΟΥ
- ενταχθούν
- jpg
- json
- Keen
- Κλειδί
- πλήκτρα
- Kinesis Data Firehose
- Ροές δεδομένων Kinesis
- Ξέρω
- λίμνη
- large
- Αφάνεια
- αργότερο
- ξεκίνησε
- ΜΑΘΑΊΝΩ
- μάθηση
- Επίπεδο
- μόχλευσης
- LIMIT
- Περιωρισμένος
- γραμμές
- συνδέονται
- ζω
- ζωντανά δεδομένα
- που βρίσκεται
- τοποθεσία
- κοιτάζοντας
- μηχανή
- μάθηση μηχανής
- μηχανήματα
- Κυρίως
- διατηρήσουν
- συντήρηση
- μεγάλες
- κάνω
- διαχείριση
- διαχειρίζεται
- διαχείριση
- διευθυντής
- Διευθυντές
- διαχείριση
- κατασκευής
- πολοί
- Αυξάνω στον ανώτατο βαθμό
- Ενδέχεται..
- μέτρο
- μηχανικός
- medium
- Μενού
- Μεταδεδομένα
- ενδέχεται να
- Λεπτ.
- Λείπει
- ML
- Κινητό
- εφαρμογή για κινητά
- μοντέλο
- μοντέλα
- τρόπων
- τροποποιήσει
- στιγμή
- Παρακολούθηση
- παρακολούθηση
- μήνες
- περισσότερο
- πιο αποτελεσματικό
- πλέον
- πολλαπλούς
- όνομα
- Πλοηγηθείτε
- Πλοήγηση
- απαραίτητος
- Ανάγκη
- ανάγκες
- δίκτυο
- Νέα
- επόμενη
- τώρα
- αριθμός
- αντικειμένων
- αποκτήσει
- of
- on
- ONE
- αποκλειστικά
- ανοίγει
- λειτουργούν
- λειτουργίας
- λειτουργία
- επιχειρήσεων
- λειτουργίες
- φορείς
- Ευκαιρία
- βελτιστοποίηση
- or
- τάξη
- παραγγελιών
- επιχειρήσεις
- ΑΛΛΑ
- δικός μας
- παραγωγή
- εκτός
- επί
- φόρμες
- Γενική επισκευή
- δική
- σελίδα
- παράθυρο
- πίνακας
- πάνελ
- μέρος
- παθιασμένος
- Το παρελθόν
- μονοπάτι
- Εκτελέστε
- επίδοση
- εκτέλεση
- περιοδικός
- άδεια
- δικαιώματα
- σχέδιο
- σχεδιασμό
- Φυτά
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- παιχνίδι
- πολιτική
- θέση
- θέσεις
- δυνατός
- Θέση
- δυναμικού
- δύναμη
- πρακτική
- Προγνωστικό Analytics
- προτιμάται
- προαπαιτούμενα
- προηγούμενος
- Κύριος
- προτεραιότητα
- Προληπτική
- διαδικασια μας
- Διεργασίες
- μεταποίηση
- παράγει
- Προϊόν
- υπεύθυνος προϊόντων
- Ποιότητα προϊόντος
- παραγωγή
- Προϊόντα
- σχέδιο
- έργα
- παρέχουν
- παρέχεται
- παρέχει
- πρόβλεψη
- δημοσιεύθηκε
- σκοποί
- ποιότητα
- γρήγορα
- σειρά
- κυμαίνεται
- RE
- Διάβασε
- σε πραγματικό χρόνο
- λόγος
- πρόσφατα
- αρχεία
- μείωση
- περιοχή
- τακτικά
- ενισχύσουν
- αξιοπιστία
- αξιόπιστος
- παραμένουν
- λείψανα
- αντικαθιστώ
- Αναφορά
- Εκθέσεις
- απήχηση
- Υποστηρικτικό υλικό
- Αποτελέσματα
- Κίνδυνος
- Ρόλος
- Δωμάτια
- ρίζα
- ΣΕΙΡΑ
- τρέξιμο
- τρέξιμο
- s
- ίδιο
- SAP
- Κλίμακα
- Επιστήμη
- Επιστήμονας
- έκταση
- Τμήμα
- τμήματα
- ασφαλώς
- ασφάλεια
- επιλέγονται
- επιλογή
- αποστολή
- αισθητήρες
- Σειρές
- υπηρεσία
- Υπηρεσίες
- σειρά
- τον καθορισμό
- setup
- διάφοροι
- Κοινοποίηση
- Shared
- Κατάστημα
- θα πρέπει να
- δείχνουν
- παρουσιάζεται
- Δείχνει
- σημαντικός
- παρόμοιες
- Απλούς
- αφού
- ενιαίας
- ιστοσελίδα
- Sites
- Μέγεθος
- So
- λογισμικό
- λύση
- Λύσεις
- μερικοί
- Πηγή
- Πηγές
- ειδικός
- ειδικεύεται
- καθορίζεται
- δαπανήσει
- Δαπάνες
- πρότυπο
- Ηθοποιοί
- Εκκίνηση
- νεοϊδρυόμενες επιχειρήσεις
- ξεκίνησε
- Κατάσταση
- Μελών
- στατιστική
- stats
- Κατάσταση
- παραμονή
- Βήμα
- Βήματα
- Ακόμη
- χώρος στο δίσκο
- κατάστημα
- Στρατηγική
- Στρατηγική
- μετάδοση
- εξορθολογισμένη
- ροές
- επιτυχία
- τέτοιος
- ΠΕΡΙΛΗΨΗ
- υποστήριξη
- Στήριξη
- σύστημα
- συστήματα
- τραπέζι
- στοχευμένες
- Έργο
- ομάδες
- Τεχνικός
- Τεχνολογία
- από
- Ευχαριστώ
- ότι
- Η
- Το κράτος
- τους
- Εκεί.
- επομένως
- Αυτοί
- αυτοί
- πράγματα
- τρίτους
- αυτό
- φέτος
- τρία
- ώρα
- Χρονική σειρά
- χρονοδιάγραμμα
- timestamp
- προς την
- εργαλείο
- κορυφή
- Top 10
- τοπικός
- Σύνολο
- τροχιά
- Εκπαίδευση
- μεταφορά
- μετάβαση
- μεταβάσεις
- Ταξίδια
- ενεργοποιούν
- ενεργοποιήθηκε
- τύποι
- καταλαβαίνω
- Ενημέρωση
- uptime
- χρήση
- μεταχειρισμένος
- Χρήστες
- Χρήστες
- χρησιμοποιώντας
- v1
- διάφορα
- μέσω
- Βίντεο
- Δες
- vs
- περιμένετε
- περιδιάβαση
- προειδοποίηση
- ήταν
- τρόπους
- we
- ιστός
- διαδικτυακές υπηρεσίες
- ΛΟΙΠΌΝ
- ήταν
- Τι
- Ποιό
- ενώ
- Ο ΟΠΟΊΟΣ
- ολόκληρο
- ευρύς
- Ευρύ φάσμα
- θα
- με
- Εργασία
- εργάστηκαν
- ροές εργασίας
- Ομάδα εργασίας
- λειτουργεί
- παγκόσμιος
- έτος
- Εσείς
- Σας
- YouTube
- zephyrnet