A megbízhatósági vezetők és technikusok ipari környezetben, például gyártósorokon, raktárakban és ipari üzemekben szívesen javítják a berendezések állapotát és üzemidejét, hogy maximalizálják a termék teljesítményét és minőségét. A gép- és folyamathibákat gyakran az incidensek megtörténte utáni reaktív tevékenységgel vagy költséges megelőző karbantartással orvosolják, ahol fennáll annak a veszélye, hogy túlságosan karbantartják a berendezést, vagy hiányoznak a problémák, amelyek az időszakos karbantartási ciklusok között fordulhatnak elő. A prediktív állapotalapú karbantartás proaktív stratégia, amely jobb, mint a reaktív vagy megelőző jellegűek. Valójában ez a megközelítés ötvözi a folyamatos megfigyelést, a prediktív elemzést és az éppen időben történő cselekvést. Ez lehetővé teszi, hogy a karbantartási és megbízhatósági csapatok csak szükség esetén szervizeljék a berendezéseket, a berendezés tényleges állapota alapján.
Gyakori kihívások adódtak az állapotalapú megfigyeléssel kapcsolatban, hogy gyakorlati ismereteket szerezzenek a nagy ipari eszközflották számára. Ezek a kihívások többek között a következőket foglalják magukban: a terepen adatokat gyűjtő érzékelők komplex infrastruktúrájának kiépítése és karbantartása, megbízható, magas szintű összefoglaló készítése az ipari eszközflottákról, a hibariasztások hatékony kezelése, az anomáliák lehetséges kiváltó okainak azonosítása és hatékony megjelenítés. az ipari eszközök állapota méretarányosan.
Amazon Monitron egy teljes körű állapotfigyelő megoldás, amely lehetővé teszi, hogy percek alatt megkezdje a berendezések állapotának megfigyelését a gépi tanulás (ML) segítségével, így előrejelző karbantartást hajthat végre és csökkentheti a nem tervezett leállásokat. Tartalmaz érzékelő eszközöket a rezgési és hőmérsékleti adatok rögzítésére, átjáróeszközt az adatok biztonságos átviteléhez az AWS Cloudba, az Amazon Monitron szolgáltatást, amely elemzi az adatokat az ML anomáliáira, és egy társ mobilalkalmazást, amely nyomon követi a gépek esetleges meghibásodását. A terepi mérnökök és kezelők közvetlenül használhatják az alkalmazást az ipari eszközök diagnosztizálására és karbantartásának megtervezésére.
Az operatív technológiai (OT) csapat szempontjából az Amazon Monitron adatainak felhasználása új utakat nyit meg a nagy ipari eszközflották kezelésének javítására az AI-nak köszönhetően. Az OT-csapatok megerősíthetik szervezetükben a prediktív karbantartási gyakorlatot azáltal, hogy összevont nézetet építenek fel több hierarchiára (eszközök, telephelyek és üzemek). Kombinálhatják a tényleges mérési és ML-következtetési eredményeket a nyugtázatlan riasztásokkal, érzékelőkkel vagy távolléti csatlakozási állapotokkal, vagy eszközállapot-átmenetekkel, hogy magas szintű összefoglalót készítsenek az általuk érintett hatókörről (eszköz, helyszín, projekt).
A nemrégiben elindítottal Amazon Monitron Kinesis adatexportálás v2 funkció, az OT csapata streamelheti az Amazon Monitron bejövő mérési adatait és következtetési eredményeit a következőn keresztül Amazon kinezis az AWS-hez Egyszerű tárolási szolgáltatás (Amazon S3) egy Internet of Things (IoT) adattó létrehozásához. Kihasználva a legújabb adatexportálási séma, megtekintheti az érzékelők csatlakozási állapotát, az átjárók csatlakozási állapotát, a mérési osztályozás eredményeit, a bezárás okának kódját és az eszközállapot-átmeneti események részleteit.
Használati esetek áttekintése
Az Amazon Monitron által most bemutatott bővített adatfolyam számos kulcsfontosságú felhasználási eset megvalósítását teszi lehetővé, például automatizált munkarendelés-létrehozást, egy működőképes egyetlen üvegtábla gazdagítását vagy a hibajelentések automatizálását. Merüljünk el ezekben a használati esetekben.
Az Amazon Monitron Kinesis adatexportálási v2 használatával munkamegrendeléseket hozhat létre vállalati eszközkezelési (EAM) rendszerekben, mint például az Infor EAM, az SAP Asset Management vagy az IBM Maximo. Például a videóban a mechanikai problémák elkerülése a prediktív karbantartással és az Amazon Monitronnal, felfedezheti, hogy Amazon Fulfillment Centereink hogyan kerülik el a futószalagokon a mechanikai problémákat az Amazon Monitron érzékelőivel, amelyek harmadik féltől származó szoftverekkel vannak integrálva, például az Amazonnál használt EAM-mel, valamint a chatszobák technikusaival. Ez megmutatja, hogyan integrálhatja az Amazon Monitron betekintést a meglévő munkafolyamataiba. Maradjon velünk a következő hónapokban, és olvassa el ennek a sorozatnak a következő részét az integrációs munkák tényleges megvalósításával.
Az adatfolyamot arra is használhatja, hogy az Amazon Monitron betekintést visszanyerje egy műhelyrendszerbe, például egy felügyeleti felügyeleti és adatgyűjtési (SCADA) vagy egy történész rendszerbe. Az üzlethelyiségek üzemeltetői hatékonyabbak, ha az eszközeikről és folyamatairól szóló összes betekintést egyetlen üvegtábla tartalmazza. Ebben a koncepcióban az Amazon Monitron nem egy újabb eszköz, amelyet a technikusoknak fel kell figyelniük, hanem egy újabb adatforrássá válik, amely az általuk már megszokott egyetlen nézetben nyújt betekintést. Még ebben az évben leírunk egy architektúrát is, amellyel elvégezheti ezt a feladatot, és visszajelzést küldhet az Amazon Monitronról a főbb harmadik fél SCADA-rendszereinek és történészeinek.
Végül, de nem utolsósorban, az Amazon Monitron új adatfolyama tartalmazza az eszközállapot-átmeneteket és a felhasználók által a riasztások nyugtázásakor megadott lezárási kódokat (amelyek az új állapotba való átmenetet váltják ki). Ezeknek az adatoknak köszönhetően automatikusan létrehozhat olyan vizualizációkat, amelyek valós idejű jelentést biztosítanak az eszközök üzemeltetése során végrehajtott hibákról és műveletekről.
Csapata ezután létrehozhat egy szélesebb adatelemzési irányítópultot az ipari flottakezelési gyakorlatának támogatására azáltal, hogy kombinálja ezeket az eszközállapot-adatokat az Amazon Monitron mérési adataival és más IoT-adatokkal a nagy ipari eszközflottákon keresztül a kulcsfontosságú AWS-szolgáltatások használatával, amelyeket ebben a bejegyzésben ismertetünk. Elmagyarázzuk, hogyan lehet IoT-adatbázist felépíteni, az adatok előállításának és felhasználásának munkafolyamatát, valamint egy összefoglaló műszerfalat az Amazon Monitron érzékelők adatainak és következtetési eredményeinek megjelenítéséhez. Egy ipari raktárba telepített, körülbelül 780 érzékelőből származó Amazon Monitron adatkészletet használunk, amely több mint 1 éve működik. Az Amazon Monitron részletes telepítési útmutatóját lásd: Az Amazon Monitron használatának megkezdése.
Megoldás áttekintése
Az Amazon Monitron ML következtetést ad az eszközök állapotáról az ML modell edzési időszak 21 napja után minden egyes eszközre. Ebben a megoldásban az érzékelők mérési adatait és ML-következtetését az Amazon S3-ba exportálják Amazon Kinesis adatfolyamok a legújabb Amazon Monitron adatexportálási funkciója. Amint az Amazon Monitron IoT-adatok elérhetővé válnak az Amazon S3-ban, létrejön egy adatbázis és egy táblázat Amazon Athéné an használatával AWS ragasztó lánctalpas. Lekérdezheti Amazon Monitron adatait AWS Glue táblázatokon keresztül az Athena segítségével, és megjelenítheti a mérési adatokat és az ML következtetést Amazon által kezelt Grafana. Az Amazon Managed Grafana segítségével megfigyelési irányítópultokat hozhat létre, fedezhet fel és oszthat meg csapatával, és kevesebb időt tölthet Grafana infrastruktúrájának kezelésével. Ebben a bejegyzésben összekapcsolja az Amazon Managed Grafana-t az Athénával, és megtanulja, hogyan hozhat létre adatelemzési irányítópultot az Amazon Monitron adataival, hogy segítsen megtervezni az ipari eszközműveleteket.
A következő képernyőkép egy példa arra, hogy mit érhet el a bejegyzés végén. Ez az irányítópult három részre oszlik:
- Növény kilátás – Analitikai információk az összes üzemben lévő érzékelőtől; például az érzékelők különböző állapotainak összesített száma (egészséges, figyelmeztető vagy riasztás), a nyugtázatlan és nyugtázott riasztások száma, az átjáró csatlakoztathatósága és a karbantartás átlagos ideje
- Webhelynézet – Webhelyszintű statisztikák, például az egyes telephelyeken lévő eszközök állapotának statisztikái, a napok teljes száma, ameddig a riasztás nyugtázatlan maradt, a legjobban/legrosszabbul teljesítő eszközök az egyes webhelyeken stb.
- Eszköznézet – Összefoglaló információk az Amazon Monitron projektről az eszközök szintjén, például a nyugtázatlan riasztás riasztás típusa (ISO vagy ML), a riasztás idővonala stb.
Ezek a panelek olyan példák, amelyek segíthetik a stratégiai operatív tervezést, de nem kizárólagosak. Hasonló munkafolyamat segítségével testreszabhatja az irányítópultot a megcélzott KPI-nek megfelelően.
Építészeti áttekintés
Az ebben a bejegyzésben elkészített megoldás az Amazon Monitron, a Kinesis Data Streams, Amazon Kinesis Data Firehose, Amazon S3, AWS Glue, Athena és Amazon Managed Grafana.
A következő ábra a megoldás architektúráját mutatja be. Az Amazon Monitron érzékelői mérik és észlelik a berendezések anomáliáit. Mind a mérési adatokat, mind az ML következtetési kimeneteket óránként egyszer exportálják egy Kinesis adatfolyamba, és 3 perces pufferrel a Kinesis Data Firehose-on keresztül jutnak el az Amazon S1-hoz. Az exportált Amazon Monitron adatok JSON formátumban vannak. Az AWS Glue bejárója kiválasztott óránként egyszer elemzi az Amazon Monitron adatait az Amazon S3-ban, metaadat-sémát készít, és táblázatokat hoz létre az Athénában. Végül az Amazon Managed Grafana az Athénát használja az Amazon S3 adatok lekérdezésére, lehetővé téve műszerfalak készítését a mérési adatok és az eszköz állapotának megjelenítésére.
A megoldás elkészítéséhez a következő magas szintű lépéseket kell végrehajtania:
- Engedélyezze a Kinesis Data Stream exportálást az Amazon Monitronból, és hozzon létre adatfolyamot.
- Konfigurálja a Kinesis Data Firehose-t úgy, hogy az adatokat az adatfolyamból egy S3 tárolóba továbbítsa.
- Építse meg az AWS Glue bejárót az Amazon S3 adatok táblázatának létrehozásához az Athenában.
- Hozzon létre egy irányítópultot az Amazon Monitron eszközökről az Amazon Managed Grafana segítségével.
Előfeltételek
Ehhez az áttekintéshez a következő előfeltételekkel kell rendelkeznie:
Ezenkívül győződjön meg arról, hogy az összes telepített erőforrás ugyanabban a régióban található.
Engedélyezze a Kinesis adatfolyam exportálását az Amazon Monitronból, és hozzon létre adatfolyamot
Az adatfolyam-exportálás konfigurálásához hajtsa végre a következő lépéseket:
- Az Amazon Monitron konzolon a projekt főoldalán válassza a lehetőséget Indítsa el az élő adatexportálást.
- Alatt Válassza az Amazon Kinesis adatfolyamot, választ Hozzon létre egy új adatfolyamot.
- Alatt Adatfolyam konfiguráció, adja meg az adatfolyam nevét.
- A Adatfolyam kapacitás, választ Igény szerint.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatfolyam létrehozása.
Ne feledje, hogy a 4. április 2023. után engedélyezett élő adatok exportálása a Kinesis Data Streams v2 séma szerint streameli az adatokat. Ha van egy meglévő adatexportálása, amelyet e dátum előtt engedélyeztek, a séma a v1 formátumot fogja követni.
Mostantól élő adatexportálási információkat láthat az Amazon Monitron konzolon a megadott Kinesis adatfolyammal.
Konfigurálja a Kinesis Data Firehose-t úgy, hogy az adatokat egy S3 tárolóba továbbítsa
A Firehose kézbesítési adatfolyam konfigurálásához hajtsa végre a következő lépéseket:
- A Kinesis konzolon válassza a lehetőséget Szállítási folyamok a navigációs ablaktáblában.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Kézbesítési adatfolyam létrehozása.
- A forrásválassza Amazon Kinesis adatfolyamok.
- A Rendeltetési helyválassza Amazon S3.
- Alatt Forrás beállításai, A Kinesis adatfolyam, adja meg a Kinesis adatfolyam ARN-jét.
- Alatt Kézbesítési adatfolyam neve, írja be a Kinesis adatfolyam nevét.
- Alatt Célbeállítás, válasszon egy S3 gyűjtőzónát, vagy adjon meg egy vödör URI-t. Használhat egy meglévő S3 tárolót az Amazon Monitron adatok tárolására, vagy létrehozhat egy új S3 tárolót.
- Dinamikus particionálás engedélyezése a JSON soron belüli elemzésével:
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Engedélyezett mert Dinamikus particionálás.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Engedélyezett mert Soron belüli elemzés a JSON-hoz.
- Alatt Dinamikus particionáló kulcsok, adja hozzá a következő partíciós kulcsokat:
kulcs neve | JQ kifejezés |
program | .projectName| "project=(.)" |
weboldal | .eventPayload.siteName| "site=(.)" |
vagyontárgy | .eventPayload.assetName| "asset=(.)" |
pozíció | .eventPayload.positionName| "position=(.)" |
idő | .timestamp| sub(" [0-9]{2}:[0-9]{2}:[0-9]{2}.[0-9]{3}$"; "")| "time=(.)" |
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Dinamikus particionáló kulcsok alkalmazása és ellenőrizze, hogy a generált S3 csoport előtagja:
- Adja meg a következő előtagját S3 vödör hiba kimeneti előtag. A korábban ismertetett kulcsokat nem tartalmazó JSON-adattömb ebben az előtagban lesz kézbesítve. Például a
gatewayConnected
és agatewayDisconnected
az események nem kapcsolódnak egy adott eszközhöz vagy pozícióhoz. Ezért nem tartalmazzák aassetName
és apositionName
mezőket. Ha itt megadja ezt az opcionális előtagot, akkor figyelemmel kísérheti ezt a helyet, és ennek megfelelően feldolgozhatja ezeket az eseményeket. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Kézbesítési adatfolyam létrehozása.
Megtekintheti az Amazon Monitron adatait az S3 vödörben. Vegye figyelembe, hogy az Amazon Monitron adatai óránként egyszer exportálják az élő adatokat, ezért várjon 1 órát az adatok ellenőrzéséhez.
Ez a Kinesis Data Firehose beállítás lehetővé teszi a dinamikus particionálást, és a szállított S3 objektumok a következő kulcsformátumot fogják használni:
Építse meg az AWS Glue bejárót az Amazon S3 adatok táblázatának létrehozásához az Athenában
Miután az élő adatokat exportáltuk az Amazon S3-ba, egy AWS Glue bejárót használunk a metaadattáblázatok létrehozásához. Ebben a bejegyzésben az AWS Glue bejárókat használjuk arra, hogy az Amazon S3-ba exportált Amazon Monitron adatokból automatikusan adatbázis- és táblázatsémát kövessünk, és tároljuk a kapcsolódó metaadatokat az AWS ragasztóadat-katalógusban. Az Athena ezután az adatkatalógusból származó táblázat metaadatait használja az adatok megkeresésére, olvasására és feldolgozására az Amazon S3-ban. Az adatbázis- és táblaséma létrehozásához hajtsa végre a következő lépéseket:
- Az AWS Glue konzolon válassza a lehetőséget Bejárók a navigációs ablaktáblában.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Bejáró létrehozása.
- Adja meg a bejáró nevét (például
XXX_xxxx_monitron
). - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Az adatok már hozzá vannak rendelve a ragasztótáblákhoz?, választ Még nem.
- A Adatforrás, választ S3.
- A Az S3 adatok helye, választ Ebben a fiókban, és adja meg az előző részben beállított S3 vödör könyvtárának elérési útját (
s3://YourBucketName
). - A Ismételje meg az S3 adattárak feltérképezésétválassza Az összes almappa feltérképezése.
- Végül válassza ki Következő.
- választ Új IAM-szerep létrehozása és adja meg a szerep nevét.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- választ Adatbázis hozzáadása, és adjon nevet az adatbázisnak. Ez létrehozza az Athena adatbázist, amelyben a metaadattáblázatok találhatók a bejáró befejezése után.
- A Bejáró ütemezése, válasszon egy előnyben részesített időalapú ütemezőt (például óránkénti), hogy frissítse az Amazon Monitron adatait az adatbázisban, majd Következő.
- Tekintse át a bejáró részleteit, és válasszon Teremt.
- A Bejárók Az AWS Glue konzol oldalán válassza ki a létrehozott bejárót, és válassza ki Futtassa a bejárót.
Az adatok méretétől függően előfordulhat, hogy várnia kell néhány percet. Ha kész, a bejáró állapota a következőképpen jelenik meg: Kész. A metaadattáblázatok megtekintéséhez keresse meg az adatbázist a Adatbázisok oldalt, és válassza Asztalok a navigációs ablaktáblában.
Választással megtekintheti az adatokat is Táblázat adatai a konzolon.
A rendszer átirányítja az Athena konzolra, ahol megtekintheti az Amazon S10 Amazon Monitron adatainak 3 legjobb rekordját.
Hozzon létre egy irányítópultot az Amazon Monitron eszközökről az Amazon Managed Grafana segítségével
Ebben a részben személyre szabott irányítópultot építünk az Amazon Managed Grafana segítségével, hogy megjelenítsük az Amazon Monitron adatait az Amazon S3-ban, így az OT csapata egyszerűsített hozzáférést kaphat a riasztásban lévő eszközökhöz a teljes Amazon Monitron szenzorflottájában. Ez lehetővé teszi az OT csapata számára, hogy az anomáliák lehetséges kiváltó okai alapján megtervezze a következő lépéseket.
Nak nek hozzon létre egy Grafana munkaterületet, hajtsa végre a következő lépéseket:
- Győződjön meg arról, hogy a felhasználói szerepköre rendszergazda vagy szerkesztő.
- Az Amazon Managed Grafana konzolon válassza a lehetőséget Hozzon létre munkaterületet.
- A Munkaterület neve, adja meg a munkaterület nevét.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Hitelesítési hozzáférésválassza AWS IAM Identity Center (az AWS Single Sign-On utódja). Ugyanazt használhatod AWS IAM Identity Center felhasználó amit az Amazon Monitron projektjének beállításához használt.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- Erősítse meg ezt az első munkaterületen A szolgáltatás kezelve van kiválasztva Engedély típusa. Ez a kijelölés lehetővé teszi az Amazon Managed Grafana számára, hogy automatikusan biztosítsa az ehhez a munkaterülethez használt AWS-adatforrásokhoz szükséges engedélyeket.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Jelenlegi fiók.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- Erősítse meg a munkaterület részleteit, és válassza ki Hozzon létre munkaterületet. Megjelenik a munkaterület részleteinek oldala. Kezdetben az állapot az LÉTREHOZÁS.
- Várja meg az állapotot AKTÍV hogy folytassa a következő lépést.
Az Athena adatforrás konfigurálásához hajtsa végre a következő lépéseket:
- Az Amazon Managed Grafana konzolon válassza ki azt a munkaterületet, amelyen dolgozni szeretne.
- A Adatforrások lapon válassza ki a lehetőséget Amazon Athéné, és válasszon Műveletek, Szolgáltatás által felügyelt házirend engedélyezése.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Konfigurálja a Grafanában a Amazon Athéné sor.
- Ha szükséges, jelentkezzen be a Grafana munkaterület-konzolba az IAM Identity Center segítségével. A felhasználóhoz csatolni kell az Athena hozzáférési szabályzatot a felhasználóhoz vagy szerepkörhöz, hogy hozzáférhessen az Athena adatforráshoz. Lát Az AWS által felügyelt házirend: AmazonGrafanaAthenaAccess Ha többet akarsz tudni.
- A Grafana munkaterület-konzolon a navigációs ablaktáblában válassza ki az alsó AWS ikont (kettő van), majd Athéné a Adatforrások menüben.
- Válassza ki azt az alapértelmezett régiót, amelyből az Athena adatforrás lekérdezni szeretne, válassza ki a kívánt fiókokat, majd Adatforrás hozzáadása.
- Kövesse a következő lépéseket konfigurálja az Athena részleteit.
Ha az Athénában lévő munkacsoportja még nem rendelkezik kimeneti hellyel, akkor meg kell adnia egy S3 tárolót és mappát a lekérdezési eredményekhez. Az adatforrás beállítása után megtekintheti vagy szerkesztheti a Configuration ablaktábla.
A következő alfejezetekben bemutatunk több panelt az Amazon Managed Grafana-ba épített Amazon Monitron irányítópulton, hogy működési betekintést nyerjünk. Az Athena adatforrás egy szabványos SQL lekérdezésszerkesztőt biztosít, amelyet az Amazon Monitron adatainak elemzésére használunk a kívánt elemzések létrehozásához.
Először is, ha sok érzékelő van az Amazon Monitron projektben, és ezek különböző állapotban vannak (egészséges, figyelmeztető, riasztó és karbantartást igényel), az OT csapata vizuálisan szeretné látni az érzékelők különböző állapotú pozícióinak számát. Ilyen információkat kördiagram widgetként szerezhet be a Grafana alkalmazásban a következő Athena lekérdezéssel:
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;
A következő képernyőképen egy panel látható az Amazon Monitron érzékelő állapotának legújabb eloszlásával.
Az Amazon Monitron adatok SQL-lekérdezésének formázásához lásd: Az adatexportálási séma megértése.
Ezután az Operations Technology csapata meg akarja tervezni a prediktív karbantartást a riasztási állapotban lévő eszközök alapján, és ezért gyorsan meg akarja tudni a nyugtázott riasztások és a nyugtázatlan riasztások teljes számát. A riasztási állapot összefoglaló információit egyszerű statisztikai panelek formájában jelenítheti meg a Grafana-ban:
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';
A következő panel a nyugtázott és nem nyugtázott riasztásokat mutatja.
Az OT csapata lekérdezheti azt is, hogy mennyi ideig maradnak az érzékelők riasztási állapotban, hogy eldönthessék a karbantartási prioritásukat:
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;
Ennek az elemzésnek a kimenete megjeleníthető egy oszlopdiagram segítségével a Grafana alkalmazásban, és a riasztás állapotában lévő riasztás könnyen megjeleníthető a következő képernyőképen látható módon.
A felső/alsó eszköz teljesítményének elemzéséhez az alapján, hogy az eszközök mennyi ideig vannak riasztásban vagy karbantartásra szorulnak, használja a következő lekérdezést:
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;
A következő oszlopmérő az előző lekérdezés kimenetének megjelenítésére szolgál, ahol a legjobban teljesítő eszközök 0 napos riasztási állapotokat mutatnak, a legalacsonyabb teljesítményű eszközök pedig az elmúlt év során felhalmozott riasztási állapotokat.
Annak érdekében, hogy az OT csapat megértse az anomália lehetséges kiváltó okát, a riasztástípusok megjeleníthetők a még riasztási állapotban lévő eszközökhöz a következő lekérdezéssel:
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');
Ezt az elemzést táblázatként is megjelenítheti a Grafana alkalmazásban. Ebben az Amazon Monitron projektben két riasztást váltottak ki az ML modellek a rezgésméréshez.
Az Amazon Managed Grafana irányítópultja illusztrációként látható itt. A műszerfal kialakítását saját üzleti igényeihez igazíthatja.
Hibajelentések
Amikor a felhasználó nyugtázza a riasztást az Amazon Monitron alkalmazásban, a kapcsolódó eszközök új állapotba kerülnek. A felhasználónak lehetősége van néhány részletet megadni a riasztásról:
- Hiba oka – Ez lehet az alábbiak egyike: ADMINisztráció, TERVEZÉS, GYÁRTÁS, KARBANTARTÁS, ÜZEMELTETÉS, EGYÉB, MINŐSÉG, ELKOSZTÁS vagy MEGÁLLAPÍThetetlen
- Meghibásodás – Ez a következők egyike lehet: NO_ISSUE, BLOCKAGE, CAVITATION, KORRÓZIÓ, BETÉT, EGYENSÚLYLANSÁG, KENÉS, HELYTELENSÉG, EGYÉB, RESONANCIA, ROTATING_LOOSENESS, STRUCTURAL_LOOSENESS, TRANSMITTED_FAULT vagy UNDETERMINED
- Intézkedések – Ez lehet BEÁLLÍTÁS, TISZTÍTÁS, KENÉS, MÓDOSÍTÁS, FELJAVÍTÁS, CSERÉLÉS, NINCS_ACTION vagy EGYÉB
Az eszközállapot-átmenethez társított eseményterhelés tartalmazza mindezeket az információkat, az eszköz előző állapotát és az eszköz új állapotát. Maradjon velünk a bejegyzés frissítésével kapcsolatban, amely további részleteket tartalmaz arról, hogyan használhatja fel ezeket az információkat egy további Grafana-panelen, hogy Pareto-diagramokat készítsen a leggyakoribb hibákról és az eszközökön végrehajtott műveletekről.
Következtetés
Az Amazon Monitron vállalati ügyfelei megoldást keresnek egy IoT adattó létrehozására az Amazon Monitron élő adataiból, hogy több Amazon Monitron projektet és eszközt kezelhessenek, és elemzési jelentéseket készíthessenek több Amazon Monitron projektről. Ez a bejegyzés részletesen bemutatja azt a megoldást, amellyel a legújabb IoT-adatbázist fel lehet építeni Amazon Monitron Kinesis adatexportálás v2 funkció. Ez a megoldás azt is bemutatta, hogyan lehet más AWS-szolgáltatásokat, például az AWS Glue-t és az Athena-t használni az adatok lekérdezésére, az analitikai kimenetek generálására és az ilyen kimenetek vizualizálására az Amazon Managed Grafana segítségével, gyakori frissítéssel.
Következő lépésként kibővítheti ezt a megoldást az ML-következtetési eredmények elküldésével más EAM-rendszerekhez, amelyeket esetleg munkarendelés-kezeléshez használhat. Ez lehetővé teszi az üzemeltetési csapat számára, hogy integrálja az Amazon Monitront más vállalati alkalmazásokkal, és javítsa működési hatékonyságukat. Az eszközállapot-átmenetek és a lezárási kódok feldolgozásával, amelyek immár a Kinesis adatfolyam hasznos terhelésének részét képezik, alaposabb betekintést is készíthet a meghibásodási módokba és a végrehajtott műveletekbe.
A szerzőkről
Julia Hu Sr. AI/ML Solutions Architect az Amazon Web Servicesnél. Nagy tapasztalattal rendelkezik az IoT-architektúra és az Alkalmazott Adattudomány területén, és a Machine Learning és az IoT Technical Field Community tagja. Az induló vállalkozásoktól a vállalkozásokig ügyfelekkel dolgozik, hogy AWSome IoT gépi tanulási (ML) megoldásokat fejlesszen ki az Edge-nél és a felhőben. Élvezi a legújabb IoT és big data technológiát az ML-megoldás bővítésére, a késleltetés csökkentésére és az iparági alkalmazás felgyorsítására.
Bishr Tabbaa az Amazon Web Services megoldástervezője. A Bishr arra specializálódott, hogy segítse az ügyfeleket a gépi tanulási, biztonsági és megfigyelési alkalmazásokban. A munkán kívül szeret teniszezni, főzni, és a családjával tölti az idejét.
Shalika Pargal az Amazon Web Services termékmenedzsere. A Shalika a mesterséges intelligencia termékek és szolgáltatások ipari ügyfelek számára történő kiépítésére összpontosít. Jelentős tapasztalattal rendelkezik a termék-, ipar- és üzletfejlesztés metszéspontjában. Nemrég megosztotta Monitron sikertörténete a Reinvent 2022-ben.
Garry Galinsky az AWS-en az Amazon támogatásával foglalkozó vezető megoldások építésze. Debütálása óta részt vesz a Monitronnál, és segített a megoldás integrálásában és bevezetésében az Amazon világméretű teljesítési hálózatába. Nemrég megosztotta az Amazont Monitron sikertörténete at re:Invent 2022.
Michael Hoarau az AWS AI/ML Specialist Solutions Architect, aki az adott pillanattól függően felváltva dolgozik adattudós és gépi tanulási építész között. Szenvedélyesen igyekszik eljuttatni az AI/ML teljesítményt ipari ügyfelei üzletére, és az ML felhasználási esetek széles skáláján dolgozott, az anomáliák észlelésétől a prediktív termékminőségig vagy a gyártásoptimalizálásig. Kiadta könyv az idősorok elemzéséről 2022-ben, és rendszeresen ír erről a témáról LinkedIn és a közepes. Amikor nem segít az ügyfeleknek a következő legjobb gépi tanulási élmények kialakításában, szívesen megfigyeli a csillagokat, utazik vagy zongorázik.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
- A jövő pénzverése – Adryenn Ashley. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/generate-actionable-insights-for-predictive-maintenance-management-with-amazon-monitron-and-amazon-kinesis/
- :van
- :is
- :nem
- $ UP
- 1
- 10
- 100
- 200
- 2022
- 2023
- 7
- 8
- 9
- a
- Rólunk
- gyorsul
- hozzáférés
- Szerint
- Eszerint
- Fiókok
- Felgyülemlett
- Elérése
- beszerzés
- át
- Akció
- cselekvések
- tevékenység
- alkalmazkodni
- További
- admin
- igazgatás
- Örökbefogadás
- Után
- AI
- AI / ML
- Támogatás
- riasztás
- Figyelmeztetések
- Minden termék
- lehetővé téve
- lehetővé teszi, hogy
- már
- Is
- amazon
- Amazon kinezis
- Amazon által kezelt Grafana
- Az Amazon Web Services
- összeg
- an
- elemzés
- Analitikai
- analitika
- elemez
- elemzések
- és a
- anomália észlelése
- Másik
- bármilyen
- app
- alkalmazások
- alkalmazott
- megközelítés
- április
- építészet
- VANNAK
- AS
- vagyontárgy
- Vagyonkezelés
- Eszközök
- társult
- At
- Automatizált
- automatikusan
- automatizálás
- elérhető
- átlagos
- elkerülve
- AWS
- AWS ragasztó
- vissza
- bár
- alapján
- BE
- válik
- óta
- előtt
- BEST
- Jobb
- között
- Nagy
- Big adatok
- könyv
- mindkét
- Alsó
- Bringing
- Bring
- tágabb
- ütköző
- épít
- Épület
- épít
- épült
- üzleti
- üzlet fejlesztés
- de
- by
- TUD
- Kaphat
- elfog
- eset
- esetek
- katalógus
- Okoz
- okai
- Központ
- Centers
- kihívások
- Táblázatos
- táblázatok
- chat szobák
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- választja
- választott
- besorolás
- bezárás
- felhő
- kód
- Gyűjtő
- össze
- kombájnok
- kombinálása
- érkező
- Közös
- közösség
- teljes
- bonyolult
- koncepció
- feltétel
- megerősít
- Csatlakozás
- Connectivity
- Konzol
- fogyaszt
- tartalmaz
- tartalmaz
- folyamatos
- ellenőrzés
- tudott
- lánctalpas
- teremt
- készítette
- teremt
- teremtés
- Ügyfelek
- testre
- szabott
- ciklusok
- műszerfal
- dátum
- Adatelemzés
- adattó
- adat-tudomány
- adattudós
- adatbázis
- találka
- Nap
- bemutatkozás
- dönt
- alapértelmezett
- szállít
- szállított
- kézbesítés
- bizonyítani
- attól
- telepíteni
- letét
- leírni
- leírt
- Design
- kívánatos
- részletes
- részletek
- Érzékelés
- Fejleszt
- Fejlesztés
- eszköz
- Eszközök
- különböző
- közvetlenül
- felfedez
- terjesztés
- megosztott
- Nem
- állásidő
- dinamikus
- minden
- Korábban
- könnyen
- él
- szerkesztő
- hatékonyan
- hatékonyság
- hatékony
- eredményesen
- bármelyik
- lehetővé
- engedélyezve
- lehetővé teszi
- végtől végig
- Mérnökök
- dúsított
- gazdagító
- belép
- Vállalkozás
- Vállalatok
- környezetek
- felszerelés
- hiba
- esemény
- események
- példa
- példák
- Kizárólagos
- létező
- Bontsa
- tapasztalat
- Tapasztalatok
- Magyarázza
- feltárása
- export
- kiterjedt
- Átfogó tapasztalat
- Kudarc
- család
- Visszacsatolás
- kevés
- mező
- Fields
- Végül
- Találjon
- vezetéknév
- FLOTTA
- Emelet
- összpontosított
- koncentrál
- következik
- következő
- A
- formátum
- Frekvencia
- gyakori
- ból ből
- Nyereség
- gateway
- generál
- generált
- kap
- adott
- üveg
- Csoport
- útmutató
- történik
- Legyen
- he
- Egészség
- egészséges
- segít
- segített
- segít
- itt
- magas szinten
- Hogyan
- How To
- HTML
- HTTPS
- IBM
- ICON
- azonosítani
- Identitás
- kiegyensúlyozatlanság
- végre
- végrehajtás
- javul
- in
- mélyreható
- tartalmaz
- magában foglalja a
- Bejövő
- ipari
- ipar
- info
- információ
- Infrastruktúra
- alapvetően
- meglátások
- telepítve
- részlet
- példa
- integrálni
- integrált
- integráció
- Internet
- internet a dolgok
- útkereszteződés
- bele
- részt
- tárgyak internete
- ISO
- kérdések
- IT
- ITS
- csatlakozik
- jpg
- json
- Lelkes
- Kulcs
- kulcsok
- Kinesis Data Firehose
- Kinesis adatfolyamok
- Ismer
- tó
- nagy
- Késleltetés
- legutolsó
- indított
- TANUL
- tanulás
- szint
- erőfölény
- LIMIT
- Korlátozott
- vonalak
- összekapcsolt
- él
- élő adatok
- található
- elhelyezkedés
- keres
- gép
- gépi tanulás
- gépezet
- Fő
- fenntartása
- karbantartás
- fontos
- csinál
- kezelése
- sikerült
- vezetés
- menedzser
- Menedzserek
- kezelése
- gyártási
- sok
- Maximize
- Lehet..
- intézkedés
- mechanikai
- közepes
- Menü
- Metaadatok
- esetleg
- Perc
- hiányzó
- ML
- Mobil
- Mobil alkalmazás
- modell
- modellek
- módok
- módosítása
- pillanat
- monitor
- ellenőrzés
- hónap
- több
- hatékonyabb
- a legtöbb
- többszörös
- név
- Keresse
- Navigáció
- elengedhetetlen
- Szükség
- igények
- hálózat
- Új
- következő
- Most
- szám
- objektumok
- szerez
- of
- on
- ONE
- csak
- nyit
- működik
- üzemeltetési
- működés
- operatív
- Művelet
- üzemeltetők
- Alkalom
- optimalizálás
- or
- érdekében
- rendelés
- szervezet
- Más
- mi
- teljesítmény
- kívül
- felett
- átfogó
- Nagyjavítás
- saját
- oldal
- üvegtábla
- panel
- panelek
- rész
- szenvedélyes
- múlt
- ösvény
- Teljesít
- teljesítmény
- előadó
- időszakos
- engedély
- engedélyek
- terv
- tervezés
- Telephelyek (Plants)
- Plató
- Platón adatintelligencia
- PlatoData
- játék
- politika
- pozíció
- pozíciók
- lehetséges
- állás
- potenciális
- hatalom
- gyakorlat
- Prediktív elemzés
- előnyben részesített
- előfeltételek
- előző
- Fő
- prioritás
- proaktív
- folyamat
- Folyamatok
- feldolgozás
- gyárt
- Termékek
- termék menedzser
- Termékminőség
- Termelés
- Termékek
- program
- projektek
- ad
- feltéve,
- biztosít
- ellátás
- közzétett
- célokra
- világítás
- gyorsan
- hatótávolság
- kezdve
- RE
- Olvass
- real-time
- ok
- nemrég
- nyilvántartások
- csökkenteni
- vidék
- rendszeresen
- megerősítése
- megbízhatóság
- megbízható
- marad
- maradványok
- cserélni
- Jelentő
- Jelentések
- rezonancia
- Tudástár
- Eredmények
- Kockázat
- Szerep
- Szobák
- gyökér
- SOR
- futás
- futás
- s
- azonos
- nedv
- Skála
- Tudomány
- Tudós
- hatálya
- Rész
- szakaszok
- biztosan
- biztonság
- kiválasztott
- kiválasztás
- elküldés
- érzékelők
- Series of
- szolgáltatás
- Szolgáltatások
- készlet
- beállítás
- felépítés
- számos
- Megosztás
- megosztott
- Webshop
- kellene
- előadás
- mutatott
- Műsorok
- jelentős
- hasonló
- Egyszerű
- óta
- egyetlen
- weboldal
- Webhely (ek)
- Méret
- So
- szoftver
- megoldások
- Megoldások
- néhány
- forrás
- Források
- szakember
- specializálódott
- meghatározott
- költ
- Költési
- standard
- Csillag
- kezdet
- induló
- kezdődött
- Állami
- Államok
- statisztika
- statisztika
- Állapot
- tartózkodás
- Lépés
- Lépései
- Még mindig
- tárolás
- tárolni
- Stratégiai
- Stratégia
- folyam
- áramvonalas
- patakok
- siker
- ilyen
- ÖSSZEFOGLALÓ
- támogatás
- Támogató
- rendszer
- Systems
- táblázat
- célzott
- Feladat
- csapat
- csapat
- Műszaki
- Technológia
- mint
- Kösz
- hogy
- A
- Az állam
- azok
- Ott.
- ebből adódóan
- Ezek
- ők
- dolgok
- harmadik fél
- ezt
- idén
- három
- idő
- Idősorok
- időrendben
- időbélyeg
- nak nek
- szerszám
- felső
- Top 10
- téma
- Végösszeg
- vágány
- Képzések
- átruházás
- átmenet
- átmenetek
- Utazó
- kiváltó
- váltott
- típusok
- megért
- Frissítések
- üzemidő
- használ
- használt
- használó
- Felhasználók
- segítségével
- v1
- különféle
- keresztül
- videó
- Megnézem
- vs
- várjon
- végigjátszás
- figyelmeztetés
- volt
- módon
- we
- háló
- webes szolgáltatások
- JÓL
- voltak
- Mit
- ami
- míg
- WHO
- egész
- széles
- Széleskörű
- lesz
- val vel
- Munka
- dolgozott
- munkafolyamatok
- Munkacsoport
- művek
- világszerte
- év
- te
- A te
- youtube
- zephyrnet