製造生産ライン、倉庫、産業プラントなどの産業環境の信頼性マネージャーや技術者は、製品の生産高と品質を最大化するために、機器の健全性と稼働時間を改善することに熱心です。 機械やプロセスの障害は、多くの場合、インシデント発生後の事後対応活動や、費用のかかる予防保守によって対処されますが、その場合、機器の過剰な保守や、定期保守サイクルの間に発生する可能性のある問題の見逃しが発生するリスクがあります。 状態ベースの予測保守は、事後対応型保守や予防型保守よりも優れた事前対応型の戦略です。 実際、このアプローチは、継続的な監視、予測分析、ジャストインタイムのアクションを組み合わせたものです。 これにより、メンテナンスおよび信頼性チームは、実際の機器の状態に基づいて、必要な場合にのみ機器を保守できるようになります。
大規模な産業用資産フリートに対して実用的な洞察を生成するための状態ベースのモニタリングには、共通の課題がありました。 これらの課題には、現場からデータを収集するセンサーの複雑なインフラストラクチャの構築と維持、産業資産群の信頼できる高レベルの概要の取得、障害アラートの効率的な管理、異常の考えられる根本原因の特定、効果的な視覚化が含まれますが、これらに限定されません。大規模な産業資産の状態。
アマゾンモニトロン は、機械学習 (ML) を利用して数分で機器の健全性の監視を開始できるエンドツーエンドの状態監視ソリューションです。これにより、予知保全を実装し、計画外のダウンタイムを削減できます。 これには、振動と温度のデータをキャプチャするセンサーデバイス、データを AWS クラウドに安全に転送するゲートウェイデバイス、ML でデータの異常を分析する Amazon Monitron サービス、機械の潜在的な障害を追跡するコンパニオンモバイルアプリが含まれます。 フィールド エンジニアやオペレーターは、アプリを直接使用して産業資産の診断とメンテナンスの計画を行うことができます。
運用技術 (OT) チームの観点から見ると、Amazon Monitron データを使用すると、AI のおかげで大規模な産業用資産フリートの運用方法を改善する新しい方法も開かれます。 OT チームは、複数の階層 (資産、サイト、プラント) にわたる統合ビューを構築することで、組織の予知保全実践を強化できます。 実際の測定結果と ML 推論の結果を、未確認のアラーム、センサーまたは逃走先の接続ステータス、または資産の状態遷移と組み合わせて、焦点を当てている範囲 (資産、サイト、プロジェクト) の概要を構築できます。
最近発売されたものでは、 Amazon Monitron Kinesis データ エクスポート v2 機能を使用すると、OT チームは Amazon Monitron から受信した測定データと推論結果をストリーミングできます。 アマゾンキネシス AWSへ シンプルストレージサービス (Amazon S3) を使用して、モノのインターネット (IoT) データレイクを構築します。 を活用することで、 最新のデータ エクスポート スキーマ、センサーの接続ステータス、ゲートウェイの接続ステータス、測定分類結果、終了理由コード、および資産状態遷移イベントの詳細を取得できます。
ユースケースの概要
Amazon Monitron が公開する強化されたデータ ストリームにより、作業指示書の自動作成、運用上の単一画面の強化、障害レポートの自動化など、いくつかの重要なユースケースを実装できます。 これらのユースケースについて詳しく見ていきましょう。
Amazon Monitron Kinesis データ エクスポート v2 を使用して、Infor EAM、SAP Asset Management、IBM Maximo などの Enterprise Asset Management (EAM) システムで作業指示書を作成できます。 たとえば、ビデオでは 予知保全と Amazon Monitron で機械的な問題を回避では、Amazon フルフィルメント センターが、Amazon で使用されている EAM やチャット ルーム技術者などのサードパーティ ソフトウェアと統合された Amazon Monitron センサーを使用して、コンベア ベルト上の機械的問題をどのように回避しているかをご覧いただけます。 これは、Amazon Monitoron の洞察を既存のワークフローに自然に統合する方法を示しています。 この統合の実際の実装については、今後数か月以内にこのシリーズの次回の記事をお読みください。
データストリームを使用して、Amazon Monitron の洞察を監視制御およびデータ取得 (SCADA) やヒストリアンなどの製造現場システムに取り込むこともできます。 生産現場のオペレーターは、資産とプロセスに関するすべての洞察が XNUMX つの画面で提供されると、より効率的になります。 このコンセプトでは、Amazon Monitron は技術者が監視しなければならない別のツールになるのではなく、技術者がすでに使い慣れている単一のビューで提供される洞察を備えた別のデータソースになります。 今年後半には、このタスクを実行し、主要なサードパーティ SCADA システムとヒストリアンに Amazon Monitron フィードバックを送信するために使用できるアーキテクチャについても説明します。
最後になりましたが、Amazon Monitron からの新しいデータ ストリームには、アラームを確認するときにユーザーが提供した資産状態の遷移と終了コード (新しい状態への遷移をトリガーします) が含まれています。 このデータのおかげで、資産の運用中に発生した障害やアクションのリアルタイム レポートを提供する視覚化を自動的に構築できます。
その後、チームは、この投稿で説明する主要な AWS サービスを使用して、この資産状態データを Amazon Monitron の測定データや大規模な産業資産フリート全体にわたるその他の IoT データと組み合わせることで、産業フリートの管理実践をサポートするためのより広範なデータ分析ダッシュボードを構築できます。 IoT データレイクの構築方法、データを生成および消費するワークフロー、Amazon Monitron センサーのデータと推論結果を視覚化するための概要ダッシュボードについて説明します。 私たちは、780 年以上稼働している産業用倉庫に設置された約 1 個のセンサーから取得した Amazon Monitron データセットを使用しています。 詳細な Amazon Monitron インストール ガイドについては、以下を参照してください。 Amazon Monitron の使用を開始する.
ソリューションの概要
Amazon Monitron は資産の健全性ステータスの ML 推論を提供します ML モデルのトレーニング期間の 21 日後 資産ごとに。 このソリューションでは、これらのセンサーからの測定データと ML 推論は、Amazon S3 経由でエクスポートされます。 Amazon Kinesisデータストリーム 使用して、 最新の Amazon Monitoron データ エクスポート機能。 Amazon Monitron IoT データが Amazon S3 で利用可能になるとすぐに、データベースとテーブルが作成されます。 アマゾンアテナ を使用して AWSGlueクローラー。 Athena を使用して AWS Glue テーブル経由で Amazon Monitron データをクエリし、測定データと ML 推論を視覚化できます。 AmazonマネージドGrafana。 Amazon Managed Grafana を使用すると、可観測性ダッシュボードを作成、探索、チームと共有できるため、Grafana インフラストラクチャの管理にかかる時間を短縮できます。 この投稿では、Amazon Managed Grafana を Athena に接続し、Amazon Monitron データを使用してデータ分析ダッシュボードを構築して、大規模な産業資産運用の計画に役立てる方法を学びます。
次のスクリーンショットは、この投稿の最後で達成できることの例です。 このダッシュボードは XNUMX つのセクションに分かれています。
- プラントビュー – プラント全体のすべてのセンサーからの分析情報。 たとえば、センサーのさまざまな状態 (正常、警告、またはアラーム) の総数、未確認および確認済みのアラームの数、ゲートウェイの接続性、メンテナンスの平均時間などです。
- サイトビュー – 各サイトの資産ステータス統計、アラームが未確認のままの合計日数、各サイトの上位/下位パフォーマンスの資産などのサイトレベルの統計。
- アセットビュー – 未確認アラームのアラーム タイプ (ISO または ML)、アラームのタイムラインなど、アセット レベルでの Amazon Monitron プロジェクトの概要情報
これらのパネルは戦略的な運用計画に役立つ例ですが、これに限定されるものではありません。 同様のワークフローを使用して、対象の KPI に従ってダッシュボードをカスタマイズできます。
アーキテクチャの概要
この投稿で構築するソリューションは、Amazon Monitron、Kinesis Data Streams、 Amazon Kinesis データ ファイアホース、Amazon S3、AWS Glue、Athena、Amazon Managed Grafana。
次の図は、ソリューション アーキテクチャを示しています。 Amazon Monitron センサーは、機器の異常を測定して検出します。 測定データと ML 推論出力は両方とも、3 時間に 1 回の頻度で Kinesis データストリームにエクスポートされ、3 分間のバッファーを備えた Kinesis Data Firehose 経由で Amazon S3 に配信されます。 エクスポートされた Amazon Monitoron データは JSON 形式です。 AWS Glue クローラーは、Amazon SXNUMX 内の Amazon Monitron データを XNUMX 時間に XNUMX 回の選択された頻度で分析し、メタデータ スキーマを構築し、Athena にテーブルを作成します。 最後に、Amazon Managed Grafana は Athena を使用して Amazon SXNUMX データをクエリし、測定データとデバイスの健全性ステータスの両方を視覚化するダッシュボードを構築できるようにします。
このソリューションを構築するには、次の大まかな手順を実行します。
- Amazon Monitron からの Kinesis Data Stream エクスポートを有効にし、データ ストリームを作成します。
- データストリームから S3 バケットにデータを配信するように Kinesis Data Firehose を構成します。
- AWS Glue クローラーを構築して、Athena に Amazon S3 データのテーブルを作成します。
- Amazon Managed Grafana を使用して Amazon Monitron デバイスのダッシュボードを作成します。
前提条件
このチュートリアルでは、次の前提条件を満たしている必要があります。
さらに、デプロイするすべてのリソースが同じリージョンにあることを確認してください。
Amazon Monitron からの Kinesis データ ストリーム エクスポートを有効にし、データ ストリームを作成する
データ ストリーム エクスポートを構成するには、次の手順を実行します。
- Amazon Monitoron コンソールのプロジェクトのメインページから、 ライブデータのエクスポートを開始する.
- Amazon Kinesis データストリームを選択します、選択する 新しいデータ ストリームを作成する.
- データストリーム構成、データ ストリーム名を入力します。
- データストリーム容量、選択する オンデマンドセミナー.
- 選択する データストリームを作成する.
4 年 2023 月 2 日以降に有効になったライブデータのエクスポートは、Kinesis Data Streams v1 スキーマに従ってデータをストリーミングすることに注意してください。 この日付より前に有効になっていた既存のデータ エクスポートがある場合、スキーマは vXNUMX 形式に従います。
指定した Kinesis データ ストリームを使用して、Amazon Monitron コンソールでライブ データ エクスポート情報を確認できるようになりました。
データを S3 バケットに配信するように Kinesis Data Firehose を構成する
Firehose 配信ストリームを構成するには、次の手順を実行します。
- Kinesisコンソールで、 配信ストリーム ナビゲーションペインに表示されます。
- 選択する 配信ストリームを作成する.
- ソース選択 Amazon Kinesisデータストリーム.
- 開催場所選択 アマゾンS3.
- ソース設定、用 Kinesis データストリーム、Kinesis データストリームの ARN を入力します。
- 配信ストリーム名、Kinesis データストリームの名前を入力します。
- 宛先設定、S3 バケットを選択するか、バケット URI を入力します。 既存の S3 バケットを使用して Amazon Monitron データを保存することも、新しい S3 バケットを作成することもできます。
- JSON のインライン解析を使用して動的パーティショニングを有効にします。
- 選択する 使用可能 for 動的パーティショニング.
- 選択する 使用可能 for JSONのインライン解析.
- 動的パーティショニングキーに、次のパーティション キーを追加します。
キー名 | JQ式 |
プロジェクト | .projectName| "project=(.)" |
ウェブサイト | .eventPayload.siteName| "site=(.)" |
資産 | .eventPayload.assetName| "asset=(.)" |
位置 | .eventPayload.positionName| "position=(.)" |
時間 | .timestamp| sub(" [0-9]{2}:[0-9]{2}:[0-9]{2}.[0-9]{3}$"; "")| "time=(.)" |
- 選択する 動的パーティショニングキーを適用する 生成された S3 バケット プレフィックスが次であることを確認します。
- のプレフィックスを入力してください S3 バケット エラー出力プレフィックス。 前述のキーが含まれていない JSON ペイロードは、このプレフィックスで配信されます。 たとえば、
gatewayConnected
およびgatewayDisconnected
イベントは特定の資産やポジションにリンクされていません。 したがって、それらには次のものは含まれません。assetName
およびpositionName
田畑。 ここでこのオプションのプレフィックスを指定すると、この場所を監視し、それに応じてこれらのイベントを処理できるようになります。 - 選択する 配信ストリームを作成する.
S3 バケット内の Amazon Monitron データを検査できます。 Amazon Monitron データは 1 時間に XNUMX 回の頻度でライブデータをエクスポートするため、データを検査するには XNUMX 時間待ってください。
この Kinesis Data Firehose セットアップにより動的パーティショニングが有効になり、配信される S3 オブジェクトは次のキー形式を使用します。
AWS Glue クローラーを構築して、Athena で Amazon S3 データのテーブルを作成する
ライブデータが Amazon S3 にエクスポートされた後、AWS Glue クローラーを使用してメタデータ テーブルを生成します。 この投稿では、AWS Glue クローラーを使用して、Amazon S3 にエクスポートされた Amazon Monitron データからデータベースとテーブルのスキーマを自動的に推論し、関連するメタデータを AWS Glue データカタログに保存します。 次に、Athena はデータカタログのテーブルメタデータを使用して、Amazon S3 内のデータを検索、読み取り、処理します。 データベースとテーブルのスキーマを作成するには、次の手順を実行します。
- AWS Glue コンソールで、選択します Crawlers ナビゲーションペインに表示されます。
- 選択する クローラーを作成する.
- クローラーの名前を入力します (例:
XXX_xxxx_monitron
). - 選択する Next.
- データは既に Glue テーブルにマップされていますか、選択する 未.
- 情報元、選択する S3.
- S3 データの場所、選択する このアカウントでは、前のセクションで設定した S3 バケット ディレクトリのパスを入力します (
s3://YourBucketName
). - S3 データストアのクロールを繰り返す選択 すべてのサブフォルダーをクロールする.
- 最後に、 Next.
- 選択 新しいIAMロールを作成する ロールの名前を入力します。
- 選択する Next.
- 選択 データベースの追加をクリックし、データベースの名前を入力します。 これにより、クローラーの完了後にメタデータ テーブルが配置される Athena データベースが作成されます。
- クローラーのスケジュール、データベース内の Amazon Monitron データを更新するための優先時間ベースのスケジューラー (たとえば、XNUMX 時間ごと) を選択し、 Next.
- クローラーの詳細を確認し、選択します 創造する.
- ソフトウェア設定ページで、下図のように Crawlers AWS Glue コンソールのページで、作成したクローラーを選択して選択します クローラーを実行する.
データのサイズによっては、数分待つ必要がある場合があります。 完了すると、クローラーのステータスが次のように表示されます レディ. メタデータ テーブルを表示するには、 データベース ページを選択して選択します テーブル類 ナビゲーションペインに表示されます。
を選択してデータを表示することもできます。 テーブルデータ コンソールで。
Athena コンソールにリダイレクトされ、Amazon S10 の Amazon Monitron データの上位 3 レコードが表示されます。
Amazon Managed Grafana を使用して Amazon Monitron デバイスのダッシュボードを作成する
このセクションでは、Amazon S3 内の Amazon Monitron データを視覚化するために、Amazon Managed Grafana を使用してカスタマイズされたダッシュボードを構築します。これにより、OT チームは、Amazon Monitron センサー フリート全体で警戒中の資産に効率的にアクセスできるようになります。 これにより、OT チームは、異常の考えられる根本原因に基づいて次のステップのアクションを計画できるようになります。
に Grafana ワークスペースを作成する、次の手順を実行します。
- ユーザーの役割が管理者または編集者であることを確認してください。
- Amazon Managed Grafanaコンソールで、 ワークスペースを作成する.
- ワークスペース名、ワークスペースの名前を入力します。
- 選択する Next.
- 認証アクセス選択 AWS IAM アイデンティティ センター (AWS シングル サインオンの後継)。 同じものを使用できます AWS IAM ID センター ユーザー Amazon Monitoron プロジェクトのセットアップに使用したもの。
- 選択する Next.
- この最初のワークスペースについては、次のことを確認します。 サービス管理 のために選択されています 権限タイプ。 この選択により、Amazon Managed Grafana が、このワークスペースに使用する AWS データソースに必要なアクセス許可を自動的にプロビジョニングできるようになります。
- 選択する 当座預金.
- 選択する Next.
- ワークスペースの詳細を確認し、選択します ワークスペースを作成する。 ワークスペースの詳細ページが表示されます。 当初のステータスは、 作成.
- ステータスが以下になるまで待ちます ACTIVE 次のステップに進んでください。
Athena データソースを設定するには、次の手順を実行します。
- Amazon Managed Grafana コンソールで、作業するワークスペースを選択します。
- ソフトウェア設定ページで、下図のように データソース タブ、選択 アマゾンアテナ、選択して アクション、サービス管理ポリシーを有効にする.
- 選択する Grafana で構成する セクションに アマゾンアテナ 行。
- 必要に応じて、IAM Identity Center を使用して Grafana ワークスペース コンソールにサインインします。 ユーザーが Athena データ ソースにアクセスするには、ユーザーまたはロールに Athena アクセス ポリシーがアタッチされている必要があります。 見る AWS 管理ポリシー: AmazonGrafanaAthenaAccess 詳細はこちら
- Grafana ワークスペース コンソールのナビゲーション ペインで、下の AWS アイコン (XNUMX つあります) を選択し、 アテナ データソース メニュー。
- Athena データ ソースのクエリ元となるデフォルトのリージョンを選択し、必要なアカウントを選択して、 データソースを追加する.
- 手順に従って Athena の詳細を設定する.
Athena のワークグループに出力場所がまだ設定されていない場合は、クエリ結果に使用する S3 バケットとフォルダーを指定する必要があります。 データ ソースを設定した後、それを表示または編集できます。 ペイン。
次のサブセクションでは、運用上の洞察を得るために、Amazon Managed Grafana に構築された Amazon Monitron ダッシュボードのいくつかのパネルを示します。 Athena データ ソースは、Amazon Monitron データを分析して目的の分析を生成するために使用する標準 SQL クエリ エディターを提供します。
まず、Amazon Monitron プロジェクトに多数のセンサーがあり、それらがさまざまな状態 (正常、警告、アラーム、メンテナンスが必要) にある場合、OT チームは、センサーがさまざまな状態にある位置の数を視覚的に確認したいと考えています。 次の Athena クエリを使用して、Grafana の円グラフ ウィジェットなどの情報を取得できます。
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;
次のスクリーンショットは、Amazon Monitron センサーのステータスの最新の分布を示すパネルを示しています。
Amazon Monitron データの SQL クエリをフォーマットするには、を参照してください。 データ エクスポート スキーマを理解する.
次に、オペレーション テクノロジー チームは、アラーム ステータスにある資産に基づいて予測メンテナンスを計画する必要があるため、確認済みのアラームと未確認のアラームの合計数をすぐに知りたいと考えています。 Grafana では、アラーム状態の概要情報を単純な統計パネルとして表示できます。
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';
次のパネルには、確認済みのアラームと未確認のアラームが表示されます。
OT チームは、センサーがアラーム状態にある時間をクエリして、メンテナンスの優先順位を決定することもできます。
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;
この分析の出力は Grafana の棒グラフで視覚化でき、次のスクリーンショットに示すように、アラーム状態のアラームを簡単に視覚化できます。
資産がアラーム状態またはメンテナンスが必要な状態にある合計時間に基づいて、上位/下位の資産パフォーマンスを分析するには、次のクエリを使用します。
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;
次の棒ゲージは、前述のクエリ出力を視覚化するために使用されます。最高パフォーマンスのアセットは 0 日間のアラーム状態を示し、最低パフォーマンスのアセットは過去 XNUMX 年間に累積されたアラーム状態を示します。
OT チームが異常の考えられる根本原因を理解できるように、次のクエリを使用して、まだアラーム状態にあるこれらの資産のアラーム タイプを表示できます。
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');
この分析は、Grafana のテーブルとして視覚化できます。 この Amazon Monitron プロジェクトでは、振動測定用の ML モデルによって XNUMX つのアラームがトリガーされました。
ここでは、説明のために Amazon Managed Grafana ダッシュボードを示しています。 独自のビジネス ニーズに応じてダッシュボードのデザインを調整できます。
障害レポート
ユーザーが Amazon Monitron アプリでアラームを承認すると、関連するアセットが新しい状態に移行します。 ユーザーは、このアラームに関する詳細を提供することもできます。
- 故障原因 – これは次のいずれかになります: 管理、設計、製造、メンテナンス、操作、その他、品質、摩耗、または未定
- 故障モード – これは次のいずれかになります: NO_ISSUE、BLOCKAGE、CAVITATION、CORROSION、DEPOSIT、IMBALANCE、LUBRICATION、MISALIGNMENT、OTHER、RESONANCE、ROTATING_LOOSENESS、STRUCTURAL_LOOSENESS、TRANSMITTED_FAULT、または UNDETERMINED
- とられた行動 – これは、ADJUST、CLEAN、LUBRICATE、MODIFY、OVERHAUL、REPLACE、NO_ACTION、または OTHER です。
資産の状態遷移に関連付けられたイベント ペイロードには、これらすべての情報、資産の以前の状態、および資産の新しい状態が含まれています。 追加の Grafana パネルでこの情報を使用して、アセット全体で最も一般的な失敗とアクションのパレート図を作成する方法について詳しく説明するこの投稿の更新をお待ちください。
まとめ
Amazon Monitron の企業顧客は、Amazon Monitron のライブデータを使用して IoT データレイクを構築し、複数の Amazon Monitron プロジェクトと資産を管理し、複数の Amazon Monitron プロジェクトにわたる分析レポートを生成できるソリューションを探しています。 この投稿では、最新のテクノロジーを使用してこの IoT データ レイクを構築するソリューションの詳細なウォークスルーを提供します。 Amazon Monitron Kinesis データ エクスポート v2 機能。 このソリューションでは、AWS Glue や Athena などの他の AWS サービスを使用してデータのクエリを実行し、分析出力を生成し、Amazon Managed Grafana で頻繁に更新してその出力を視覚化する方法も示しました。
次のステップとして、作業指示書管理に使用する可能性のある他の EAM システムに ML 推論結果を送信することで、このソリューションを拡張できます。 これにより、運用チームは Amazon Monitron を他のエンタープライズ アプリケーションと統合し、運用効率を向上させることができます。 また、Kinesis データストリーム ペイロードの一部となったアセットの状態遷移とクロージャ コードを処理することによって発生する障害モードとアクションについて、より詳細な洞察の構築を開始することもできます。
著者について
ジュリア・フー アマゾン ウェブ サービスのシニア AI/ML ソリューション アーキテクトです。 彼女は IoT アーキテクチャと応用データ サイエンスに豊富な経験があり、機械学習と IoT の両方の技術分野コミュニティの一員です。 彼女は、新興企業から大企業に至るまでの顧客と協力して、エッジおよびクラウドで AWSome IoT 機械学習 (ML) ソリューションを開発しています。 彼女は、最新の IoT とビッグ データ テクノロジーを活用して、ML ソリューションをスケールアップし、遅延を削減し、業界での導入を加速することに楽しんでいます。
ビシュル・タバア アマゾン ウェブ サービスのソリューション アーキテクトです。 Bishr は、機械学習、セキュリティ、可観測性アプリケーションで顧客を支援することを専門としています。 仕事以外では、テニスをしたり、料理をしたり、家族と時間を過ごすことを楽しんでいます。
シャリカ・パーガル アマゾン ウェブ サービスのプロダクト マネージャーです。 Shalika は、産業顧客向けの AI 製品とサービスの構築に重点を置いています。 彼女は、製品、産業、事業開発の交差点で重要な経験をもたらしました。 彼女は最近シェアしました モニトロンの成功事例 Reinvent 2022 で。
ギャリー・ガリンスキー は、AWS on Amazon をサポートするプリンシパル ソリューション アーキテクトです。 彼は Monitron のデビュー以来関与しており、Amazon の世界的なフルフィルメント ネットワークへのソリューションの統合と展開を支援してきました。 彼は最近、Amazon の モニトロンの成功事例 re:Invent 2022 にて。
ミハエル・ホアラウ AWS の AI/ML スペシャリスト ソリューション アーキテクトであり、状況に応じてデータ サイエンティストと機械学習アーキテクトを交互に担当しています。 彼は AI/ML の力を産業顧客の製造現場にもたらすことに情熱を傾けており、異常検出から製品品質の予測や製造の最適化まで、幅広い ML ユースケースに取り組んできました。 彼は出版した 時系列分析の本 2022年にこのトピックについて定期的に書いています LinkedIn および M. 顧客が次善の機械学習エクスペリエンスを開発するのを支援していないときは、星を観察したり、旅行したり、ピアノを弾いたりしています。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 未来を鋳造する w エイドリエン・アシュリー。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/generate-actionable-insights-for-predictive-maintenance-management-with-amazon-monitron-and-amazon-kinesis/
- :持っている
- :は
- :not
- $UP
- 1
- 10
- 100
- 200
- 2022
- 2023
- 7
- 8
- 9
- a
- 私たちについて
- 加速する
- アクセス
- 従った
- それに応じて
- アカウント
- 累積された
- 達成する
- 買収
- 越えて
- Action
- 行動
- アクティビティ
- 適応する
- NEW
- 管理人
- 管理
- 養子縁組
- 後
- AI
- AI / ML
- 援助
- アラーム
- アラート
- すべて
- 許可
- ことができます
- 既に
- また
- Amazon
- アマゾンキネシス
- AmazonマネージドGrafana
- Amazon Webサービス
- 量
- an
- 分析
- 分析的
- 分析論
- 分析します
- 分析
- および
- 異常検出
- 別の
- どれか
- アプリ
- 適用された
- アプローチ
- 4月
- 建築
- です
- AS
- 資産
- 資産管理
- 資産
- 関連する
- At
- 自動化
- 自動的に
- 自動化する
- 利用できます
- 平均
- 回避
- AWS
- AWSグルー
- バック
- バー
- ベース
- BE
- になる
- き
- BEST
- より良いです
- の間に
- ビッグ
- ビッグデータ
- 本
- 両言語で
- ボトム
- 持参
- もたらす
- より広い
- バッファ
- ビルド
- 建物
- 構築します
- 内蔵
- ビジネス
- 事業開発
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- 缶
- 取得することができます
- キャプチャー
- 場合
- 例
- カタログ
- 原因となる
- 原因
- センター
- センター
- 課題
- チャート
- チャート
- チャットルーム
- 選択する
- 選択する
- 選ばれた
- 分類
- 閉鎖
- クラウド
- コード
- 収集
- 組み合わせる
- 組み合わせ
- 結合
- 到来
- コマンドと
- コミュニティ
- コンプリート
- 複雑な
- コンセプト
- 条件
- 確認します
- お問合せ
- 接続性
- 領事
- 消費する
- 含む
- 含まれています
- 連続的な
- コントロール
- 可能性
- クローラー
- 作ります
- 作成した
- 作成します。
- 創造
- Customers
- カスタマイズ
- カスタマイズ
- サイクル
- ダッシュボード
- データ
- データ分析
- データレイク
- データサイエンス
- データサイエンティスト
- データベース
- 日付
- 日
- デビュー
- 決めます
- デフォルト
- 配信する
- 配信
- 配達
- 実証します
- によっては
- 展開します
- 保証金
- 説明する
- 記載された
- 設計
- 希望
- 詳細な
- 細部
- 検出
- 開発する
- 開発
- デバイス
- Devices
- 異なります
- 直接に
- 発見する
- ディストリビューション
- 分割された
- そうではありません
- ダウンタイム
- ダイナミック
- 各
- 前
- 簡単に
- エッジ(Edge)
- エディタ
- 効果的に
- 効率
- 効率的な
- 効率良く
- どちら
- enable
- 使用可能
- 可能
- 端から端まで
- エンジニア
- 豊かな
- 濃縮
- 入力します
- Enterprise
- 企業
- 環境
- 装置
- エラー
- イベント
- イベント
- 例
- 例
- 特別
- 既存の
- 詳細
- 体験
- エクスペリエンス
- 説明する
- 探る
- export
- 広範囲
- 豊富な経験
- 不良解析
- 家族
- フィードバック
- 少数の
- フィールド
- フィールズ
- 最後に
- もう完成させ、ワークスペースに掲示しましたか?
- 名
- 艦隊
- 床
- 焦点を当て
- 焦点を当てて
- フォロー中
- 形式でアーカイブしたプロジェクトを保存します.
- 周波数
- 頻繁な
- から
- 利得
- ゲートウェイ
- 生成する
- 生成された
- 取得する
- 与えられた
- ガラス
- グループ
- ガイド
- 起こる
- 持ってる
- he
- 健康
- 健康
- 助けます
- 助けました
- 助け
- こちら
- ハイレベル
- 認定条件
- How To
- HTML
- HTTPS
- IBM
- ICON
- 識別する
- アイデンティティ
- 不均衡
- 実装する
- 実装
- 改善します
- in
- 綿密な
- include
- 含ま
- 入ってくる
- インダストリアル
- 産業を変えます
- info
- 情報
- インフラ関連事業
- 当初
- 洞察
- インストール
- 取り付け
- 統合する
- 統合された
- 統合
- インターネット
- モノのインターネット
- 交差点
- に
- 関係する
- IOT
- ISO
- 問題
- IT
- ITS
- join
- JPG
- JSON
- キーン
- キー
- キー
- Kinesisデータ消防ホース
- Kinesisデータストリーム
- 知っている
- 湖
- 大
- レイテンシ
- 最新の
- 打ち上げ
- LEARN
- 学習
- レベル
- 活用
- LIMIT
- 限定的
- ライン
- リンク
- ライブ
- ライブデータ
- 位置して
- 場所
- 探して
- 機械
- 機械学習
- 機械
- メイン
- 維持する
- メンテナンス
- 主要な
- make
- 管理します
- マネージド
- 管理
- マネージャー
- マネージャー
- 管理する
- 製造業
- 多くの
- 最大化します
- 五月..
- だけど
- 機械的な
- ミディアム
- メニュー
- かもしれない
- 分
- 行方不明
- ML
- モバイル
- モバイルアプリ
- モデル
- モード
- 修正する
- 瞬間
- モニター
- モニタリング
- ヶ月
- 他には?
- もっと効率的
- 最も
- の試合に
- 名
- ナビゲート
- ナビゲーション
- 必要
- 必要
- ニーズ
- ネットワーク
- 新作
- 次の
- 今
- 数
- オブジェクト
- 入手する
- of
- on
- ONE
- の
- 開きます
- 操作する
- オペレーティング
- 操作
- オペレーショナル
- 業務執行統括
- 演算子
- 機会
- 最適化
- or
- 注文
- 受注
- 組織
- その他
- 私たちの
- 出力
- 外側
- が
- 全体
- オーバーホール
- 自分の
- ページ
- ペイン
- パネル
- パネル
- 部
- 情熱的な
- 過去
- path
- 実行する
- パフォーマンス
- 実行
- periodic
- 許可
- パーミッション
- 計画
- 計画
- 植物
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- 再生
- 方針
- 位置
- ポジション
- 可能
- ポスト
- 潜在的な
- 電力
- 練習
- 予測分析
- 優先
- 前提条件
- 前
- 校長
- 優先順位
- 先を見越した
- プロセス
- ラボレーション
- 処理
- 作り出す
- プロダクト
- プロダクトマネージャー
- 製品品質
- 生産
- 製品
- プロジェクト
- プロジェクト(実績作品)
- 提供します
- 提供
- は、大阪で
- 準備
- 公表
- 目的
- 品質
- すぐに
- 範囲
- 測距
- RE
- 読む
- への
- 理由
- 最近
- 記録
- 減らします
- 地域
- 定期的に
- 強化する
- 信頼性
- 信頼性のある
- 残る
- 残っている
- replace
- 各種レポート作成
- レポート
- 共鳴
- リソース
- 結果
- リスク
- 職種
- 客室
- ルート
- 行
- ラン
- ランニング
- s
- 同じ
- 樹液
- 規模
- 科学
- 科学者
- スコープ
- セクション
- セクション
- しっかりと
- セキュリティ
- 選択
- 選択
- 送信
- センサー
- シリーズ
- サービス
- サービス
- セッションに
- 設定
- いくつかの
- シェアする
- shared
- オンラインストア
- すべき
- 表示する
- 示す
- 作品
- 重要
- 同様の
- 簡単な拡張で
- から
- ウェブサイト
- サイト
- サイズ
- So
- ソフトウェア
- 溶液
- ソリューション
- 一部
- ソース
- ソース
- 専門家
- 専門にする
- 指定の
- 過ごす
- 支出
- 標準
- 星
- start
- ベンチャー
- 開始
- 都道府県
- 米国
- 統計
- 統計情報
- Status:
- 滞在
- 手順
- ステップ
- まだ
- ストレージ利用料
- 店舗
- 戦略的
- 戦略
- 流れ
- 合理化された
- ストリーム
- 成功
- そのような
- 概要
- サポート
- 支援する
- システム
- テーブル
- 対象となります
- 仕事
- チーム
- チーム
- 技術的
- テクノロジー
- より
- 感謝
- それ
- ステート
- アプリ環境に合わせて
- そこ。
- したがって、
- ボーマン
- 彼ら
- 物事
- サードパーティ
- この
- 今年
- 三
- 時間
- 時系列
- タイムライン
- タイムスタンプ
- 〜へ
- ツール
- top
- トップ10
- トピック
- トータル
- 追跡する
- トレーニング
- 転送
- 遷移
- 遷移
- 旅行
- トリガー
- トリガ
- わかる
- アップデイト
- uptime
- つかいます
- 中古
- ユーザー
- users
- v1
- さまざまな
- 、
- ビデオ
- 詳しく見る
- vs
- wait
- ウォークスルー
- 警告
- ました
- 方法
- we
- ウェブ
- Webサービス
- WELL
- した
- この試験は
- which
- while
- 誰
- 全体
- ワイド
- 広い範囲
- 意志
- 仕事
- 働いていました
- ワークフロー
- ワークグループ
- 作品
- 年
- You
- あなたの
- ユーチューブ
- ゼファーネット