Менеджери з питань надійності та технічні спеціалісти в таких промислових середовищах, як виробничі лінії, склади та промислові підприємства, прагнуть покращити стан обладнання та його безвідмовну роботу, щоб максимізувати продуктивність і якість продукції. Збої машин і процесів часто вирішуються шляхом реагування після інцидентів або шляхом дорогого профілактичного обслуговування, коли ви ризикуєте переобслуговувати обладнання або пропустити проблеми, які можуть виникнути між періодичними циклами технічного обслуговування. Технічне обслуговування з прогнозованим станом — це проактивна стратегія, яка краща за реактивну чи превентивну. Дійсно, цей підхід поєднує постійний моніторинг, прогнозну аналітику та своєчасні дії. Це дає змогу групам з технічного обслуговування та надійності обслуговувати обладнання лише за необхідності, виходячи з фактичного стану обладнання.
Існують загальні проблеми з моніторингом на основі умов для отримання корисної інформації для великих парків промислових активів. Ці виклики включають, але не обмежуються ними: створення та підтримка складної інфраструктури датчиків, які збирають дані з поля, отримання надійного високорівневого підсумку парків промислових активів, ефективне керування попередженнями про несправності, визначення можливих основних причин аномалій та ефективна візуалізація стан промислових активів у масштабі.
Амазон Монітрон це рішення для наскрізного моніторингу стану, яке дає змогу розпочати моніторинг стану обладнання за допомогою машинного навчання (ML) за лічені хвилини, тож ви можете реалізувати прогнозне технічне обслуговування та скоротити час незапланованих простоїв. До нього входять сенсорні пристрої для реєстрації даних про вібрацію та температуру, шлюзовий пристрій для безпечної передачі даних у хмару AWS, сервіс Amazon Monitron, який аналізує дані на наявність аномалій за допомогою ML, і супутній мобільний додаток для відстеження можливих збоїв у вашому обладнанні. Ваші інженери та оператори можуть безпосередньо використовувати додаток для діагностики та планування технічного обслуговування промислових активів.
З точки зору команди операційних технологій (OT), використання даних Amazon Monitron також відкриває нові способи вдосконалення роботи з великими промисловими активами завдяки ШІ. Команди OT можуть підсилити практику прогнозного технічного обслуговування в своїй організації, побудувавши консолідоване представлення в кількох ієрархіях (активи, сайти та заводи). Вони можуть поєднувати фактичні вимірювання та результати логічного обчислення з непідтвердженими сигналами тривоги, датчиками чи станом з’єднання, або переходами стану активів, щоб створити підсумковий підсумок високого рівня для сфери (актив, сайт, проект), на якій вони зосереджені.
З нещодавно запущеним Функція експорту даних Amazon Monitron Kinesis v2, ваша команда OT може передавати вхідні дані вимірювань і результати висновків від Amazon Monitron через Амазонський кінезіс до AWS Проста служба зберігання (Amazon S3) для створення озера даних Інтернету речей (IoT). Використовуючи остання схема експорту данихви можете отримати статус підключення датчиків, стан підключення шлюзів, результати класифікації вимірювань, код причини закриття та деталі подій зміни стану активу.
Огляд випадків використання
Збагачений потік даних Amazon Monitron тепер надає можливість реалізувати кілька ключових випадків використання, таких як автоматичне створення робочих нарядів, збагачення робочого єдиного скла або автоматизація звітів про помилки. Давайте зануримося в ці випадки використання.
Ви можете використовувати експорт даних Amazon Monitron Kinesis v2 для створення робочих нарядів у системах Enterprise Asset Management (EAM), таких як Infor EAM, SAP Asset Management або IBM Maximo. Наприклад, на відео уникнення механічних проблем за допомогою прогнозованого обслуговування та Amazon Monitron, ви можете дізнатися, як наші центри виконання Amazon уникають механічних проблем на конвеєрних стрічках за допомогою датчиків Amazon Monitron, інтегрованих із програмним забезпеченням сторонніх розробників, таким як EAM, яке використовується в Amazon, а також із залученням техніків у чатах. Це показує, як ви можете природним чином інтегрувати статистичні дані Amazon Monitron у ваші існуючі робочі процеси. Слідкуйте за оновленнями в найближчі місяці, щоб прочитати наступну частину цієї серії з фактичним впровадженням цієї інтеграції.
Ви також можете використовувати потік даних, щоб завантажувати аналітичні дані Amazon Monitron назад у цехову систему, як-от Supervisory Control and Data Acquisition (SCADA) або Historian. Оператори цехів ефективніші, коли вся інформація про їхні активи та процеси надається на одній панелі. У цій концепції Amazon Monitron стає не ще одним інструментом, який техніки мають контролювати, а ще одним джерелом даних із статистикою, що надається в єдиному поданні, до якого вони вже звикли. Пізніше цього року ми також опишемо архітектуру, яку ви можете використовувати для виконання цього завдання, і надішлемо відгук Amazon Monitron основним стороннім системам SCADA та Historians.
І останнє, але не менш важливе: новий потік даних від Amazon Monitron включає переходи стану активів і коди закриття, надані користувачами під час підтвердження нагадувань (що запускає перехід до нового стану). Завдяки цим даним ви можете автоматично створювати візуалізації, які надають звіти в реальному часі про збої та дії, вжиті під час експлуатації своїх активів.
Потім ваша команда може створити ширшу інформаційну панель аналітики даних для підтримки вашої практики управління промисловим парком, об’єднавши дані про стан активів із даними вимірювань Amazon Monitron та іншими даними IoT для великих парків промислових активів за допомогою ключових сервісів AWS, які ми описуємо в цій публікації. Ми пояснюємо, як створити озеро даних IoT, робочий процес для створення та споживання даних, а також підсумкову інформаційну панель для візуалізації даних датчиків Amazon Monitron і результатів висновків. Ми використовуємо набір даних Amazon Monitron, отриманий із приблизно 780 датчиків, встановлених на промисловому складі, який працює більше 1 року. Детальний посібник зі встановлення Amazon Monitron див Початок роботи з Amazon Monitron.
Огляд рішення
Amazon Monitron забезпечує ML-підрахунок стану працездатності активів після 21 дня періоду навчання моделі ML для кожного активу. У цьому рішенні дані вимірювань і висновки ML із цих датчиків експортуються в Amazon S3 через Потоки даних Amazon Kinesis за допомогою остання функція експорту даних Amazon Monitron. Щойно дані Amazon Monitron IoT стають доступними в Amazon S3, створюється база даних і таблиця Амазонка Афіна за допомогою Сканер AWS Glue. Ви можете запитувати дані Amazon Monitron через таблиці AWS Glue за допомогою Athena, а також візуалізувати дані вимірювань і висновки ML за допомогою Grafana під керуванням Amazon. За допомогою Amazon Managed Grafana ви можете створювати, досліджувати та ділитися панелями моніторингу зі своєю командою та витрачати менше часу на керування інфраструктурою Grafana. У цій публікації ви підключите Amazon Managed Grafana до Athena та дізнаєтесь, як створити інформаційну панель аналізу даних із даними Amazon Monitron, щоб допомогти вам планувати операції з промисловими активами в масштабі.
Наступний знімок екрана є прикладом того, чого ви можете досягти в кінці цієї публікації. Ця інформаційна панель розділена на три розділи:
- Перегляд рослин – Аналітична інформація від усіх датчиків на підприємствах; наприклад, загальна кількість різних станів датчиків (справний, попередження або тривога), кількість непідтверджених і підтверджених тривог, підключення шлюзу та середній час обслуговування
- Перегляд сайту – Статистика на рівні сайту, наприклад статистика стану активів на кожному сайті, загальна кількість днів, протягом яких сигнал тривоги залишається непідтвердженим, найефективніші/найнижчі активи на кожному сайті тощо
- Перегляд активів – Підсумкова інформація для проекту Amazon Monitron на рівні активів, наприклад тип сигналу для непідтвердженого сигналу (ISO або ML), часовий графік для сигналу тощо
Ці панелі є прикладами, які можуть допомогти стратегічному плануванню операцій, але вони не є винятковими. Ви можете використовувати подібний робочий процес, щоб налаштувати інформаційну панель відповідно до цільового KPI.
Огляд архітектури
Рішення, яке ви створите в цій публікації, поєднує Amazon Monitron, Kinesis Data Streams, Amazon Kinesis Data Firehose, Amazon S3, AWS Glue, Athena та Amazon Managed Grafana.
Наведена нижче схема ілюструє архітектуру рішення. Датчики Amazon Monitron вимірюють і виявляють аномалії обладнання. Дані вимірювань і вихідні дані ML експортуються з частотою раз на годину в потік даних Kinesis і доставляються в Amazon S3 через Kinesis Data Firehose з 1-хвилинним буфером. Експортовані дані Amazon Monitron мають формат JSON. Робота AWS Glue аналізує дані Amazon Monitron в Amazon S3 з вибраною частотою раз на годину, створює схему метаданих і створює таблиці в Athena. Нарешті, Amazon Managed Grafana використовує Athena для запиту даних Amazon S3, що дозволяє створювати інформаційні панелі для візуалізації як даних вимірювань, так і стану працездатності пристрою.
Щоб створити це рішення, ви виконаєте наступні кроки високого рівня:
- Увімкніть експорт потоку даних Kinesis з Amazon Monitron і створіть потік даних.
- Налаштуйте Kinesis Data Firehose для доставки даних із потоку даних у сегмент S3.
- Створіть сканер AWS Glue, щоб створити таблицю даних Amazon S3 в Athena.
- Створіть інформаційну панель пристроїв Amazon Monitron за допомогою Amazon Managed Grafana.
Передумови
Для цього покрокового керівництва ви повинні мати такі передумови:
Крім того, переконайтеся, що всі ресурси, які ви розгортаєте, знаходяться в одному регіоні.
Увімкніть експорт потоку даних Kinesis з Amazon Monitron і створіть потік даних
Щоб налаштувати експорт потоку даних, виконайте такі дії:
- На консолі Amazon Monitron на головній сторінці проекту виберіть Почніть експорт даних у реальному часі.
- під Виберіть потік даних Amazon Kinesisвиберіть Створіть новий потік даних.
- під Конфігурація потоку даних, введіть назву потоку даних.
- для Ємність потоку данихвиберіть На вимогу.
- Вибирати Створити потік даних.
Зауважте, що будь-який експорт даних у реальному часі, увімкнений після 4 квітня 2023 року, передасть дані за схемою Kinesis Data Streams v2. Якщо у вас є існуючий експорт даних, який було ввімкнено до цієї дати, схема матиме формат v1.
Тепер ви можете переглядати інформацію про експорт даних у реальному часі на консолі Amazon Monitron із указаним вами потоком даних Kinesis.
Налаштуйте Kinesis Data Firehose для доставки даних у сегмент S3
Щоб налаштувати потік доставки Firehose, виконайте такі дії:
- На консолі Kinesis виберіть Потоки доставки у навігаційній панелі.
- Вибирати Створіть потік доставки.
- для Sourceвиберіть Потоки даних Amazon Kinesis.
- для призначеннявиберіть Amazon S3.
- під Налаштування джерела, Для Потік даних Kinesis, введіть ARN вашого потоку даних Kinesis.
- під Назва потоку доставки, введіть назву потоку даних Kinesis.
- під Налаштування пункту призначення, виберіть відро S3 або введіть URI відра. Ви можете використовувати наявне відро S3 для зберігання даних Amazon Monitron або створити нове відро S3.
- Увімкніть динамічне розділення за допомогою вбудованого аналізу для JSON:
- Вибирати включено та цінності Динамічне розбиття.
- Вибирати включено та цінності Вбудований розбір JSON.
- під Ключі динамічного розділення, додайте наступні ключі розділу:
Назва ключа | Вираз JQ |
проект | .projectName| "project=(.)" |
сайт | .eventPayload.siteName| "site=(.)" |
активи | .eventPayload.assetName| "asset=(.)" |
положення | .eventPayload.positionName| "position=(.)" |
час | .timestamp| sub(" [0-9]{2}:[0-9]{2}:[0-9]{2}.[0-9]{3}$"; "")| "time=(.)" |
- Вибирати Застосуйте ключі динамічного розділення і підтвердьте, що згенерований префікс відра S3:
- Введіть префікс для Префікс виведення помилки відра S3. Будь-яке корисне навантаження JSON, яке не містить описаних раніше ключів, буде доставлено в цьому префіксі. Наприклад,
gatewayConnected
таgatewayDisconnected
події не пов'язані з даним активом або позицією. Тому вони не будуть міститиassetName
таpositionName
поля. Якщо вказати тут необов’язковий префікс, ви зможете відстежувати це розташування та відповідним чином обробляти ці події. - Вибирати Створіть потік доставки.
Ви можете перевірити дані Amazon Monitron у сегменті S3. Зауважте, що дані Amazon Monitron експортуватимуть поточні дані з періодичністю один раз на годину, тому зачекайте 1 годину, щоб перевірити дані.
Це налаштування Kinesis Data Firehose дає змогу динамічно розбивати, а доставлені об’єкти S3 використовуватимуть такий формат ключа:
Створіть сканер AWS Glue, щоб створити таблицю даних Amazon S3 в Athena
Після експорту поточних даних в Amazon S3 ми використовуємо сканер AWS Glue для створення таблиць метаданих. У цій публікації ми використовуємо сканери AWS Glue для автоматичного визначення бази даних і схеми таблиці з даних Amazon Monitron, експортованих в Amazon S3, і збереження пов’язаних метаданих у каталозі даних AWS Glue. Потім Athena використовує метадані таблиці з каталогу даних для пошуку, читання та обробки даних в Amazon S3. Виконайте наступні дії, щоб створити схему бази даних і таблиці:
- На консолі AWS Glue виберіть Гусениці у навігаційній панелі.
- Вибирати Створити сканер.
- Введіть назву сканера (наприклад,
XXX_xxxx_monitron
). - Вибирати МАЙБУТНІ.
- для Чи ваші дані вже зіставлено в таблиці Glue?виберіть Ще ні.
- для Джерело данихвиберіть S3.
- для Розташування даних S3виберіть У цьому обліковому записіі введіть шлях до каталогу відра S3, який ви налаштували в попередньому розділі (
s3://YourBucketName
). - для Повторюйте сканування сховищ даних S3виберіть Сканувати всі вкладені папки.
- Нарешті, вибирайте МАЙБУТНІ.
- Select Створити нову роль IAM і введіть назву для ролі.
- Вибирати МАЙБУТНІ.
- Select Додати базу данихі введіть назву бази даних. Це створює базу даних Athena, де ваші таблиці метаданих розташовані після завершення сканера.
- для Розклад сканеравиберіть потрібний планувальник на основі часу (наприклад, погодинний), щоб оновити дані Amazon Monitron у базі даних, і виберіть МАЙБУТНІ.
- Перегляньте деталі сканера та виберіть Створювати.
- на Гусениці на сторінці консолі AWS Glue виберіть створений вами сканер і виберіть Запустити сканер.
Можливо, вам доведеться почекати кілька хвилин, залежно від розміру даних. Після завершення статус сканера відображається як Готовий. Щоб переглянути таблиці метаданих, перейдіть до своєї бази даних на Бази даних сторінку і виберіть таблиці у навігаційній панелі.
Ви також можете переглянути дані, вибравши Дані таблиці на консолі.
Вас буде перенаправлено на консоль Athena, щоб переглянути 10 найпопулярніших записів даних Amazon Monitron в Amazon S3.
Створіть інформаційну панель пристроїв Amazon Monitron за допомогою Amazon Managed Grafana
У цьому розділі ми створюємо налаштовану інформаційну панель за допомогою Amazon Managed Grafana для візуалізації даних Amazon Monitron в Amazon S3, щоб команда OT могла отримати спрощений доступ до активів у стані тривоги в усьому парку датчиків Amazon Monitron. Це дозволить команді OT спланувати наступні дії на основі можливої першопричини аномалій.
До створити робочий простір Grafana, виконайте такі дії:
- Переконайтеся, що ваша роль користувача – адміністратор або редактор.
- На консолі Amazon Managed Grafana виберіть Створіть робочу область.
- для Назва робочої області, введіть назву робочої області.
- Вибирати МАЙБУТНІ.
- для Доступ до аутентифікаціївиберіть Центр ідентифікації AWS IAM (наступник AWS Single Sign-On). Ви можете використовувати те саме Користувач AWS IAM Identity Center який ви використовували для налаштування проекту Amazon Monitron.
- Вибирати МАЙБУТНІ.
- Підтвердьте це для цієї першої робочої області Сервіс керований вибрано для Тип дозволу. Цей вибір дає змогу Amazon Managed Grafana автоматично надавати необхідні дозволи для джерел даних AWS, які ви використовуєте для цього робочого простору.
- Вибирати Current account.
- Вибирати МАЙБУТНІ.
- Підтвердьте деталі робочої області та виберіть Створіть робочу область. З’явиться сторінка деталей робочої області. Спочатку статус є СТВОРЕННЯ.
- Дочекайтеся статусу ACTIVE перейти до наступного кроку.
Щоб налаштувати джерело даних Athena, виконайте такі дії:
- На консолі Amazon Managed Grafana виберіть робоче середовище, над яким хочете працювати.
- на Джерела даних вкладка, виберіть Амазонка Афіна, і вибрати Дії, увімкнути політику, керовану послугами.
- Вибирати Налаштувати в Grafana в Амазонка Афіна ряд.
- За потреби увійдіть у консоль робочої області Grafana за допомогою IAM Identity Center. Щоб мати доступ до джерела даних Athena, користувач повинен мати політику доступу Athena, приєднану до користувача або ролі. Побачити Керована політика AWS: AmazonGrafanaAthenaAccess Додаткова інформація.
- На консолі робочої області Grafana в панелі навігації виберіть нижню піктограму AWS (є дві), а потім виберіть Афіна на Джерела даних меню.
- Виберіть регіон за замовчуванням, з якого джерело даних Athena має запитувати, виберіть потрібні облікові записи, а потім виберіть Додати джерело даних.
- Виконайте кроки до налаштувати деталі Athena.
Якщо для вашої робочої групи в Athena ще не налаштовано місце виведення, вам потрібно вказати відро S3 і папку для використання для результатів запиту. Після налаштування джерела даних ви можете переглядати або редагувати його в конфігурація панель
У наступних підрозділах ми демонструємо кілька панелей на інформаційній панелі Amazon Monitron, створених у Amazon Managed Grafana, щоб отримати практичну інформацію. Джерело даних Athena надає стандартний редактор запитів SQL, який ми використовуватимемо для аналізу даних Amazon Monitron для створення бажаної аналітики.
По-перше, якщо в проекті Amazon Monitron є багато датчиків, і вони перебувають у різних станах (справний, попередження, тривога та потребує обслуговування), команда OT хоче візуально побачити кількість позицій, у яких датчики перебувають у різних станах. Ви можете отримати таку інформацію як віджет кругової діаграми в Grafana за допомогою такого запиту 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;
На наступному знімку екрана показано панель із останнім розповсюдженням статусу датчика Amazon Monitron.
Щоб відформатувати свій SQL-запит для даних Amazon Monitron, див Розуміння схеми експорту даних.
Далі ваша команда операційних технологій може захотіти спланувати прогнозне технічне обслуговування на основі активів, які перебувають у стані тривоги, і тому вони хочуть швидко знати загальну кількість підтверджених тривог порівняно з непідтвердженими. Ви можете показати підсумкову інформацію про стан тривоги як прості панелі статистики в 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';
На наступній панелі показано підтверджені та непідтверджені сигнали тривоги.
Команда OT також може запитати проміжок часу, протягом якого датчики залишаються в стані тривоги, щоб вони могли визначити пріоритет обслуговування:
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;
Результати цього аналізу можна візуалізувати за допомогою гістограми в Grafana, а сигнал тривоги можна легко візуалізувати, як показано на наступному знімку екрана.
Щоб проаналізувати ефективність найвищих/нижніх активів на основі загального часу, протягом якого активи перебувають у стані тривоги або потребують обслуговування, скористайтеся таким запитом:
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;
Для візуалізації вихідних даних попереднього запиту використовується наведена нижче шкала, причому найефективніші активи відображають 0 днів станів тривоги, а найефективніші активи показують накопичені тривожні стани за минулий рік.
Щоб допомогти команді OT зрозуміти можливу першопричину аномалії, можна відобразити типи тривог для цих активів, які все ще перебувають у стані тривоги, за допомогою такого запиту:
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');
Ви можете візуалізувати цей аналіз у вигляді таблиці в Grafana. У цьому проекті Amazon Monitron моделі ML спрацювали два сигнали тривоги для вимірювання вібрації.
Інформаційна панель Grafana, керована Amazon, показана тут для ілюстрації. Ви можете адаптувати дизайн інформаційної панелі відповідно до потреб свого бізнесу.
Звіти про несправності
Коли користувач підтверджує сигнал тривоги в додатку Amazon Monitron, пов’язані ресурси переходять у новий стан. Користувач також має можливість надати деякі відомості про цю сигналізацію:
- Причина несправності – Це може бути одне з наступного: АДМІНІСТРУВАННЯ, ДИЗАЙН, ВИГОТОВЛЕННЯ, ОБСЛУГОВУВАННЯ, ЕКСПЛУАТАЦІЯ, ІНШЕ, ЯКІСТЬ, ЗНОШЕННЯ або НЕВИЗНАЧЕНО
- Режим відмови – Це може бути одне з наступного: NO_ISSUE, Blockage, CAVITATION, CORROSION, DEPOSITION, DISBALANS, LUBRICATION, MISULANCE, OTHER, RESONANCE, ROTATING_LOOSENESS, STRUCTURAL_LOOSENESS, TRANSMITTED_FAULT або UNDETERMINED
- Дії прийняті – Це може бути РЕГУЛЮВАННЯ, ОЧИЩЕННЯ, ЗМАЩЕННЯ, МОДИФІКАЦІЯ, КАПІТАЛЬНИЙ РЕМОНТ, ЗАМІНА, НІЯКІЙ або ІНШЕ
Корисне навантаження події, пов’язане з переходом стану активу, містить усю цю інформацію, попередній стан активу та новий стан активу. Слідкуйте за оновленнями цієї публікації з докладнішою інформацією про те, як ви можете використовувати цю інформацію на додатковій панелі Grafana для побудови діаграм Парето найпоширеніших несправностей і дій щодо ваших активів.
Висновок
Корпоративні клієнти Amazon Monitron шукають рішення для створення озера даних IoT з живими даними Amazon Monitron, щоб вони могли керувати декількома проектами та активами Amazon Monitron і створювати аналітичні звіти для кількох проектів Amazon Monitron. Ця публікація надає детальний опис рішення для створення цього озера даних IoT з найновішими версіями Функція експорту даних Amazon Monitron Kinesis v2. Це рішення також показало, як використовувати інші сервіси AWS, такі як AWS Glue і Athena, для запиту даних, створення аналітичних виходів і візуалізації таких виходів за допомогою Amazon Managed Grafana з частим оновленням.
Як наступний крок ви можете розширити це рішення, надіславши результати логічного висновку в інші системи EAM, які ви можете використовувати для керування робочими замовленнями. Це дозволить вашій операційній групі інтегрувати Amazon Monitron з іншими корпоративними програмами та підвищити ефективність їх роботи. Ви також можете почати формувати більш глибоке уявлення про свої режими збоїв і вжиті дії, обробляючи переходи стану активів і коди закриття, які тепер є частиною корисного навантаження потоку даних Kinesis.
Про авторів
Джулія Ху є старшим архітектором рішень AI/ML в Amazon Web Services. Вона має значний досвід роботи в архітектурі IoT і Applied Data Science, а також є частиною спільноти машинного навчання та технічної сфери IoT. Вона працює з клієнтами, починаючи від стартапів і закінчуючи підприємствами, над розробкою рішень машинного навчання (ML) AWSome IoT на периферії та в хмарі. Їй подобається використовувати новітні технології Інтернету речей і великих даних, щоб розширити своє рішення ML, зменшити затримку та прискорити впровадження в галузь.
Бішр Таббаа є архітектором рішень в Amazon Web Services. Bishr спеціалізується на допомозі клієнтам із додатками машинного навчання, безпеки та спостереження. Поза роботою він любить грати в теніс, готувати їжу та проводити час із родиною.
Шаліка Паргал є менеджером із продуктів Amazon Web Services. Shalika зосереджується на створенні продуктів і послуг ШІ для промислових клієнтів. Вона має значний досвід на стику розвитку продукції, промисловості та бізнесу. Нещодавно поділилася Історія успіху Монітрон на Reinvent 2022.
Гаррі Галинський є головним архітектором рішень, який підтримує Amazon на AWS. Він бере участь у Monitron з моменту його дебюту та допоміг інтегрувати та розгорнути рішення у всесвітній мережі доставки Amazon. Нещодавно він поділився Amazon Історія успіху Монітрон на re:Invent 2022.
Майкл Хоарау є спеціалістом з розробки рішень AI/ML в AWS, який чергує спеціаліста з обробки даних і архітектора машинного навчання залежно від моменту. Він захоплений тим, щоб перенести потужність AI/ML на цехи своїх промислових клієнтів і працював над широким спектром випадків використання ML, починаючи від виявлення аномалій до прогнозування якості продукції або оптимізації виробництва. Він опублікував книга про аналіз часових рядів у 2022 році та регулярно пише на цю тему LinkedIn та Medium. Коли він не допомагає клієнтам розвивати найкращий досвід машинного навчання, він із задоволенням спостерігає за зірками, подорожує або грає на піаніно.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. Доступ тут.
- Карбування майбутнього з Адріенн Ешлі. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/generate-actionable-insights-for-predictive-maintenance-management-with-amazon-monitron-and-amazon-kinesis/
- : має
- :є
- : ні
- $UP
- 1
- 10
- 100
- 200
- 2022
- 2023
- 7
- 8
- 9
- a
- МЕНЮ
- прискорювати
- доступ
- За
- відповідно
- Рахунки
- Накопичений
- Achieve
- придбання
- через
- дію
- дії
- діяльність
- пристосовувати
- Додатковий
- адмін
- адміністрація
- Прийняття
- після
- AI
- AI / ML
- Aid
- тривога
- Alerts
- ВСІ
- Дозволити
- дозволяє
- вже
- Також
- Amazon
- Амазонський кінезіс
- Grafana під керуванням Amazon
- Amazon Web Services
- кількість
- an
- аналіз
- Аналітичний
- аналітика
- аналізувати
- аналізи
- та
- виявлення аномалії
- Інший
- будь-який
- додаток
- застосування
- прикладної
- підхід
- квітня
- архітектура
- ЕСТЬ
- AS
- активи
- управління активами
- Активи
- асоційований
- At
- Автоматизований
- автоматично
- автоматизація
- доступний
- середній
- уникає
- AWS
- Клей AWS
- назад
- бар
- заснований
- BE
- ставати
- було
- перед тим
- КРАЩЕ
- Краще
- між
- Великий
- Великий даних
- книга
- обидва
- дно
- Приведення
- Приносить
- ширше
- буфера
- будувати
- Створюємо
- Будує
- побудований
- бізнес
- розвиток бізнесу
- але
- by
- CAN
- Може отримати
- захоплення
- випадок
- випадків
- каталог
- Викликати
- Причини
- Центр
- Центри
- проблеми
- Графік
- Чарти
- чати
- Вибирати
- Вибираючи
- вибраний
- класифікація
- закриття
- хмара
- код
- Збір
- об'єднувати
- комбінати
- об'єднання
- майбутній
- загальний
- співтовариство
- повний
- комплекс
- концепція
- стан
- підтвердити
- З'єднуватися
- зв'язок
- Консоль
- споживати
- містити
- містить
- безперервний
- контроль
- може
- гусеничний
- створювати
- створений
- створює
- створення
- Клієнти
- налаштувати
- налаштувати
- циклів
- приладова панель
- дані
- Analytics даних
- Озеро даних
- наука про дані
- вчений даних
- Database
- Дата
- Днів
- дебют
- вирішувати
- дефолт
- доставляти
- поставляється
- доставка
- демонструвати
- Залежно
- розгортання
- депозит
- описувати
- описаний
- дизайн
- бажаний
- докладно
- деталі
- Виявлення
- розвивати
- розробка
- пристрій
- прилади
- різний
- безпосередньо
- відкрити
- розподіл
- розділений
- Ні
- час простою
- динамічний
- кожен
- Раніше
- легко
- край
- редактор
- фактично
- ефективність
- ефективний
- продуктивно
- або
- включіть
- включений
- дозволяє
- кінець в кінець
- Інженери
- Збагачений
- збагачення
- Що натомість? Створіть віртуальну версію себе у
- підприємство
- підприємств
- середовищах
- обладнання
- помилка
- Event
- Події
- приклад
- Приклади
- Ексклюзивний курс
- існуючий
- Розширювати
- досвід
- Досліди
- Пояснювати
- дослідити
- експорт
- обширний
- Великий досвід
- Провал
- сім'я
- зворотний зв'язок
- кілька
- поле
- Поля
- в кінці кінців
- знайти
- Перший
- ФЛЕТ
- Поверх
- увагу
- фокусується
- стежити
- після
- для
- формат
- частота
- частий
- від
- Отримувати
- шлюз
- породжувати
- генерується
- отримати
- даний
- скло
- Group
- керівництво
- траплятися
- Мати
- he
- здоров'я
- здоровий
- допомога
- допоміг
- допомогу
- тут
- на вищому рівні
- Як
- How To
- HTML
- HTTPS
- IBM
- ICON
- ідентифікувати
- Особистість
- дисбаланс
- здійснювати
- реалізація
- удосконалювати
- in
- поглиблений
- включати
- includes
- Вхідний
- промислові
- промисловість
- інформація
- інформація
- Інфраструктура
- спочатку
- розуміння
- встановлений
- розстрочка
- екземпляр
- інтегрувати
- інтегрований
- інтеграція
- інтернет
- Інтернет речей
- перетин
- в
- залучений
- КАТО
- ISO
- питання
- IT
- ЙОГО
- приєднатися
- JPG
- json
- Кін
- ключ
- ключі
- Kinesis Data Firehose
- Потоки даних Kinesis
- Знати
- озеро
- великий
- Затримка
- останній
- запущений
- УЧИТЬСЯ
- вивчення
- рівень
- використання
- МЕЖА
- обмеженою
- ліній
- пов'язаний
- жити
- живі дані
- розташований
- розташування
- шукати
- машина
- навчання за допомогою машини
- машини
- головний
- підтримувати
- обслуговування
- основний
- зробити
- управляти
- вдалося
- управління
- менеджер
- Менеджери
- управління
- виробництво
- багато
- Максимізувати
- Може..
- вимір
- механічний
- середа
- Меню
- метадані
- може бути
- хвилин
- відсутній
- ML
- Mobile
- Мобільний додаток
- модель
- Моделі
- Режими
- змінювати
- момент
- монітор
- моніторинг
- місяців
- більше
- більш ефективний
- найбільш
- множинний
- ім'я
- Переміщення
- навігація
- необхідно
- Необхідність
- потреби
- мережу
- Нові
- наступний
- зараз
- номер
- об'єкти
- отримувати
- of
- on
- ONE
- тільки
- Відкриється
- працювати
- операційний
- операція
- оперативний
- операції
- Оператори
- Можливість
- оптимізація
- or
- порядок
- замовлень
- організація
- Інше
- наші
- вихід
- поза
- над
- загальний
- Капітальний ремонт
- власний
- сторінка
- pane
- панель
- Панелі
- частина
- пристрасний
- Минуле
- шлях
- Виконувати
- продуктивність
- виконанні
- періодичний
- дозвіл
- Дозволи
- план
- планування
- Рослини
- plato
- Інформація про дані Платона
- PlatoData
- ігри
- політика
- положення
- позиції
- це можливо
- пошта
- потенціал
- влада
- практика
- Прогностична аналітика
- переважним
- передумови
- попередній
- Головний
- пріоритет
- Проактивний
- процес
- процеси
- обробка
- виробляти
- Product
- менеджер по продукції
- Якість продукції
- Production
- Продукти
- проект
- проектів
- забезпечувати
- за умови
- забезпечує
- забезпечення
- опублікований
- цілей
- якість
- швидко
- діапазон
- ранжування
- RE
- Читати
- реального часу
- причина
- нещодавно
- облік
- зменшити
- регіон
- регулярно
- зміцнювати
- надійність
- надійний
- залишатися
- залишається
- замінювати
- Звітність
- Звіти
- резонанс
- ресурси
- результати
- Risk
- Роль
- кімнати
- корінь
- ROW
- прогін
- біг
- s
- то ж
- живиця
- шкала
- наука
- вчений
- сфера
- розділ
- розділам
- безпечно
- безпеку
- обраний
- вибір
- відправка
- датчиків
- Серія
- обслуговування
- Послуги
- комплект
- установка
- установка
- кілька
- Поділитись
- загальні
- Магазин
- Повинен
- Показувати
- показаний
- Шоу
- значний
- аналогічний
- простий
- з
- один
- сайт
- сайти
- Розмір
- So
- Софтвер
- рішення
- Рішення
- деякі
- Source
- Джерела
- спеціаліст
- спеціалізується
- зазначений
- витрачати
- Витрати
- standard
- Зірки
- старт
- стартапів
- почалася
- стан
- Штати
- статистика
- статистика
- Статус
- залишатися
- Крок
- заходи
- Як і раніше
- зберігання
- зберігати
- Стратегічний
- Стратегія
- потік
- обтічний
- потоки
- успіх
- такі
- РЕЗЮМЕ
- підтримка
- Підтримуючий
- система
- Systems
- таблиця
- цільове
- Завдання
- команда
- команди
- технічний
- Технологія
- ніж
- Дякую
- Що
- Команда
- Держава
- їх
- Там.
- отже
- Ці
- вони
- речі
- третя сторона
- це
- У цьому році
- три
- час
- Часовий ряд
- Терміни
- відмітка часу
- до
- інструмент
- топ
- Кращі 10
- тема
- Усього:
- трек
- Навчання
- переклад
- перехід
- переходи
- Подорож
- викликати
- спрацьовує
- Типи
- розуміти
- Оновити
- час безвідмовної роботи
- використання
- використовуваний
- користувач
- користувачі
- використання
- v1
- різний
- через
- Відео
- вид
- vs
- чекати
- покрокове керівництво
- попередження
- було
- способи
- we
- Web
- веб-сервіси
- ДОБРЕ
- були
- Що
- який
- в той час як
- ВООЗ
- всі
- широкий
- Широкий діапазон
- волі
- з
- Work
- працював
- Робочі процеси
- Робоча група
- працює
- світовий
- рік
- Ти
- вашу
- YouTube
- зефірнет