صنعتی ماحول جیسے کہ مینوفیکچرنگ پروڈکشن لائنز، گوداموں، اور صنعتی پلانٹس میں قابل اعتماد مینیجرز اور تکنیکی ماہرین مصنوعات کی پیداوار اور معیار کو زیادہ سے زیادہ کرنے کے لیے آلات کی صحت اور اپ ٹائم کو بہتر بنانے کے خواہاں ہیں۔ مشین اور عمل کی ناکامیوں کو اکثر واقعات رونما ہونے کے بعد رد عمل کی سرگرمی کے ذریعے یا مہنگی احتیاطی دیکھ بھال کے ذریعے حل کیا جاتا ہے، جہاں آپ کو سامان کی زیادہ دیکھ بھال یا گمشدہ مسائل کا خطرہ ہوتا ہے جو متواتر دیکھ بھال کے چکروں کے درمیان ہو سکتے ہیں۔ پیشن گوئی کی حالت پر مبنی دیکھ بھال ایک فعال حکمت عملی ہے جو رد عمل یا روک تھام سے بہتر ہے۔ درحقیقت، یہ نقطہ نظر مسلسل نگرانی، پیشین گوئی کرنے والے تجزیات، اور وقتی کارروائی کو یکجا کرتا ہے۔ یہ دیکھ بھال اور قابل اعتماد ٹیموں کو آلات کی اصل حالت کی بنیاد پر صرف ضروری ہونے پر سامان کی خدمت کے قابل بناتا ہے۔
بڑے صنعتی اثاثوں کے بیڑے کے لیے قابل عمل بصیرت پیدا کرنے کے لیے شرط پر مبنی نگرانی کے ساتھ مشترکہ چیلنجز ہیں۔ ان چیلنجوں میں شامل ہیں لیکن ان تک محدود نہیں ہیں: فیلڈ سے ڈیٹا اکٹھا کرنے والے سینسرز کا ایک پیچیدہ انفراسٹرکچر بنانا اور برقرار رکھنا، صنعتی اثاثوں کے بیڑے کا ایک قابل اعتماد اعلیٰ سطحی خلاصہ حاصل کرنا، ناکامی کے انتباہات کو مؤثر طریقے سے منظم کرنا، بے ضابطگیوں کی ممکنہ بنیادی وجوہات کی نشاندہی کرنا، اور مؤثر طریقے سے تصور کرنا۔ پیمانے پر صنعتی اثاثوں کی حالت۔
ایمیزون مانیٹرون ایک اینڈ ٹو اینڈ کنڈیشن مانیٹرنگ سلوشن ہے جو آپ کو مشین لرننگ (ML) کی مدد سے آلات کی صحت کو منٹوں میں مانیٹر کرنے کے قابل بناتا ہے، تاکہ آپ پیشن گوئی کی دیکھ بھال کو لاگو کر سکیں اور غیر منصوبہ بند ٹائم ٹائم کو کم کر سکیں۔ اس میں وائبریشن اور درجہ حرارت کے ڈیٹا کو کیپچر کرنے کے لیے سینسر ڈیوائسز، AWS کلاؤڈ میں ڈیٹا کو محفوظ طریقے سے منتقل کرنے کے لیے ایک گیٹ وے ڈیوائس، ML کے ساتھ بے ضابطگیوں کے لیے ڈیٹا کا تجزیہ کرنے والی Amazon Monitron سروس، اور آپ کی مشینری میں ممکنہ ناکامیوں کو ٹریک کرنے کے لیے ایک ساتھی موبائل ایپ شامل ہے۔ آپ کے فیلڈ انجینئرز اور آپریٹرز صنعتی اثاثوں کی تشخیص اور دیکھ بھال کی منصوبہ بندی کے لیے ایپ کو براہ راست استعمال کر سکتے ہیں۔
آپریشنل ٹیکنالوجی (OT) ٹیم کے نقطہ نظر سے، Amazon Monitron ڈیٹا کا استعمال AI کی بدولت بڑے صنعتی اثاثوں کے بیڑے کو چلانے کے طریقے کو بہتر بنانے کے نئے طریقے بھی کھولتا ہے۔ OT ٹیمیں متعدد درجہ بندیوں (اثاثوں، سائٹس، اور پودوں) میں ایک مضبوط نظریہ بنا کر اپنی تنظیم سے پیشین گوئی کی دیکھ بھال کی مشق کو تقویت دے سکتی ہیں۔ وہ اصل پیمائش اور ایم ایل کے نتائج کو غیر تسلیم شدہ الارم، سینسرز یا گیٹ ویز کنیکٹیویٹی اسٹیٹس، یا اثاثہ اسٹیٹ ٹرانزیشن کے ساتھ جوڑ سکتے ہیں تاکہ اس گنجائش (اثاثہ، سائٹ، پروجیکٹ) کے لیے ایک اعلیٰ سطحی خلاصہ تیار کیا جا سکے جس پر وہ مرکوز ہیں۔
حال ہی میں لانچ کے ساتھ Amazon Monitron Kinesis ڈیٹا ایکسپورٹ v2 فیچر، آپ کی OT ٹیم ایمیزون مانیٹرون سے آنے والے پیمائش کے اعداد و شمار اور تخمینہ کے نتائج کو بذریعہ اسٹریم کر سکتی ہے۔ ایمیزون کنیسیس AWS کو سادہ اسٹوریج سروس (ایمیزون S3) انٹرنیٹ آف تھنگز (IoT) ڈیٹا لیک بنانے کے لیے۔ کا فائدہ اٹھا کر تازہ ترین ڈیٹا ایکسپورٹ سکیما، آپ سینسر کنیکٹیویٹی اسٹیٹس، گیٹ ویز کنیکٹیویٹی اسٹیٹس، پیمائش کی درجہ بندی کے نتائج، بندش کی وجہ کوڈ اور اثاثہ اسٹیٹ ٹرانزیشن ایونٹس کی تفصیلات حاصل کرسکتے ہیں۔
کیسز کا جائزہ استعمال کریں۔
افزودہ ڈیٹا اسٹریم Amazon Monitron اب آپ کو کئی اہم استعمال کے معاملات کو لاگو کرنے کے قابل بناتا ہے جیسے خودکار ورک آرڈر تخلیق، شیشے کے ایک آپریشنل سنگل پین کو افزودہ کرنا یا ناکامی کی رپورٹنگ کو خودکار بنانا۔ آئیے ان استعمال کے معاملات میں غوطہ لگائیں۔
آپ Amazon Monitron Kinesis ڈیٹا ایکسپورٹ v2 کو انٹرپرائز ایسٹ مینجمنٹ (EAM) سسٹمز جیسے Infor EAM، SAP Asset Management، یا IBM Maximo میں ورک آرڈر بنانے کے لیے استعمال کر سکتے ہیں۔ مثال کے طور پر ویڈیو میں پیشن گوئی کی دیکھ بھال اور ایمیزون مانیٹرون کے ساتھ مکینیکل مسائل سے بچناآپ یہ دریافت کر سکتے ہیں کہ ہمارے ایمیزون فلفلمنٹ سینٹرز کنویئر بیلٹس پر میکینیکل مسائل سے کیسے گریز کر رہے ہیں جن میں ایمیزون مانیٹرون سینسرز تھرڈ پارٹی سافٹ ویئر جیسے کہ ایمیزون پر استعمال ہونے والے EAM کے ساتھ ساتھ چیٹ رومز تکنیکی ماہرین کے ساتھ مربوط ہیں۔ اس سے پتہ چلتا ہے کہ آپ اپنے موجودہ ورک فلو میں ایمیزون مانیٹرون کی بصیرت کو قدرتی طور پر کیسے ضم کر سکتے ہیں۔ اس انضمام کے کاموں کے حقیقی نفاذ کے ساتھ اس سیریز کی اگلی قسط پڑھنے کے لیے آنے والے مہینوں میں دیکھتے رہیں۔
آپ Amazon Monitron کی بصیرت کو شاپ فلور سسٹم جیسے سپروائزری کنٹرول اینڈ ڈیٹا ایکوزیشن (SCADA) یا ایک تاریخ دان میں داخل کرنے کے لیے ڈیٹا اسٹریم کا استعمال بھی کر سکتے ہیں۔ شاپ فلور آپریٹرز اس وقت زیادہ کارآمد ہوتے ہیں جب ان کے اثاثوں اور عمل کے بارے میں تمام بصیرتیں شیشے کے ایک پین میں فراہم کی جاتی ہیں۔ اس تصور میں، Amazon Monitron ایک اور ٹول ٹیکنیشنز کو مانیٹر کرنے کے لیے نہیں بنتا، لیکن ایک اور ڈیٹا ماخذ جس کے وہ پہلے سے ہی عادی ہیں واحد منظر میں فراہم کردہ بصیرت کے ساتھ۔ اس سال کے آخر میں، ہم ایک ایسے فن تعمیر کی بھی وضاحت کریں گے جسے آپ اس کام کو انجام دینے کے لیے استعمال کر سکتے ہیں اور بڑے تیسرے فریق SCADA سسٹمز اور مورخین کو Amazon Monitron کی رائے بھیج سکتے ہیں۔
آخری لیکن کم از کم، Amazon Monitron کے نئے ڈیٹا سٹریم میں الارم کو تسلیم کرتے وقت صارفین کی طرف سے فراہم کردہ اثاثہ اسٹیٹ ٹرانزیشنز اور کلوزر کوڈز شامل ہیں (جو ایک نئی حالت میں منتقلی کو متحرک کرتے ہیں)۔ اس ڈیٹا کی بدولت، آپ خود بخود ایسے تصورات بنا سکتے ہیں جو ان کے اثاثوں کو چلانے کے دوران کی گئی ناکامیوں اور کارروائیوں کی ریئل ٹائم رپورٹنگ فراہم کرتے ہیں۔
اس کے بعد آپ کی ٹیم ایک وسیع تر ڈیٹا اینالیٹکس ڈیش بورڈ بنا سکتی ہے تاکہ آپ کے صنعتی فلیٹ مینجمنٹ پریکٹس میں معاونت کے لیے اس اثاثہ اسٹیٹ ڈیٹا کو Amazon Monitron پیمائش کے ڈیٹا اور دیگر IoT ڈیٹا کو بڑے صنعتی اثاثہ جات کے بیڑے میں کلیدی AWS سروسز کا استعمال کرتے ہوئے جوڑ کر، جسے ہم اس پوسٹ میں بیان کرتے ہیں۔ ہم وضاحت کرتے ہیں کہ IoT ڈیٹا لیک کیسے بنایا جائے، ڈیٹا کو تیار کرنے اور استعمال کرنے کے لیے ورک فلو کے ساتھ ساتھ Amazon Monitron سینسر ڈیٹا اور انفرنس کے نتائج کو دیکھنے کے لیے ایک سمری ڈیش بورڈ۔ ہم ایک صنعتی گودام میں نصب تقریباً 780 سینسرز سے آنے والا Amazon Monitron ڈیٹا سیٹ استعمال کرتے ہیں، جو 1 سال سے زیادہ عرصے سے چل رہا ہے۔ تفصیلی Amazon Monitron انسٹالیشن گائیڈ کے لیے، رجوع کریں۔ ایمیزون مانیٹرون کے ساتھ شروع کرنا.
حل جائزہ
Amazon Monitron اثاثہ صحت کی حیثیت کا ML اندازہ فراہم کرتا ہے۔ ایم ایل ماڈل ٹریننگ کی مدت کے 21 دنوں کے بعد ہر اثاثہ کے لئے. اس حل میں، ان سینسروں سے پیمائش کا ڈیٹا اور ایم ایل کا اندازہ ایمیزون S3 کو ایکسپورٹ کیا جاتا ہے۔ Amazon Kinesis ڈیٹا اسٹریمز استعمال کرتے ہوئے تازہ ترین ایمیزون مانیٹرون ڈیٹا ایکسپورٹ فیچر. جیسے ہی Amazon Monitron IoT ڈیٹا Amazon S3 میں دستیاب ہوتا ہے، اس میں ایک ڈیٹا بیس اور ٹیبل بنایا جاتا ہے۔ ایمیزون ایتینا استعمال کرکے AWS گلو کرالر. آپ AWS Glue Tables کے ذریعے Athena کے ساتھ Amazon Monitron ڈیٹا سے استفسار کر سکتے ہیں، اور پیمائش کے ڈیٹا اور ML inference کو تصور کر سکتے ہیں۔ ایمیزون کے زیر انتظام گرافانا. Amazon Managed Grafana کے ساتھ، آپ اپنی ٹیم کے ساتھ مشاہداتی ڈیش بورڈز بنا سکتے ہیں، دریافت کر سکتے ہیں اور ان کا اشتراک کر سکتے ہیں، اور اپنے Grafana انفراسٹرکچر کا نظم کرنے میں کم وقت صرف کر سکتے ہیں۔ اس پوسٹ میں، آپ Amazon Managed Grafana کو Athena سے جوڑتے ہیں، اور Amazon Monitron ڈیٹا کے ساتھ ڈیٹا اینالیٹکس ڈیش بورڈ بنانے کا طریقہ سیکھتے ہیں تاکہ آپ کو صنعتی اثاثہ جات کے کاموں کی پیمانے پر منصوبہ بندی کرنے میں مدد ملے۔
درج ذیل اسکرین شاٹ اس کی ایک مثال ہے کہ آپ اس پوسٹ کے آخر میں کیا حاصل کرسکتے ہیں۔ اس ڈیش بورڈ کو تین حصوں میں تقسیم کیا گیا ہے:
- پلانٹ ویو - پودوں کے تمام سینسروں سے تجزیاتی معلومات؛ مثال کے طور پر، سینسر کی مختلف حالتوں کی مجموعی تعداد (صحت مند، وارننگ، یا الارم)، غیر تسلیم شدہ اور تسلیم شدہ الارموں کی تعداد، گیٹ وے کنیکٹیویٹی، اور دیکھ بھال کے لیے اوسط وقت
- سائٹ کا نظارہ - سائٹ کی سطح کے اعدادوشمار، جیسے کہ ہر سائٹ پر اثاثہ جات کی حیثیت کے اعدادوشمار، ان دنوں کی کل تعداد جس کا الارم غیر تسلیم شدہ رہتا ہے، ہر سائٹ پر اوپر/نیچے پرفارم کرنے والے اثاثے، اور مزید
- اثاثہ دیکھیں - اثاثہ کی سطح پر Amazon Monitron پروجیکٹ کے لیے خلاصہ معلومات، جیسے کہ غیر تسلیم شدہ الارم کے لیے الارم کی قسم (ISO یا ML)، الارم کے لیے ٹائم لائن، اور مزید
یہ پینل ایسی مثالیں ہیں جو اسٹریٹجک آپریشنل منصوبہ بندی میں مدد کر سکتی ہیں، لیکن یہ خصوصی نہیں ہیں۔ آپ اپنے ہدف شدہ KPI کے مطابق ڈیش بورڈ کو حسب ضرورت بنانے کے لیے اسی طرح کے ورک فلو کا استعمال کر سکتے ہیں۔
فن تعمیر کا جائزہ
اس پوسٹ میں آپ جو حل تیار کریں گے اس میں ایمیزون مانیٹرون، کنیسس ڈیٹا اسٹریمز، ایمیزون کائنیسس ڈیٹا فائر ہوز، Amazon S3، AWS Glue، Athena، اور Amazon Managed Grafana۔
مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے۔ Amazon Monitron سینسر آلات سے بے ضابطگیوں کی پیمائش اور پتہ لگاتے ہیں۔ پیمائش کا ڈیٹا اور ML انفرنس آؤٹ پٹ دونوں ایک بار فی گھنٹہ کی فریکوئنسی پر Kinesis ڈیٹا سٹریم میں ایکسپورٹ کیے جاتے ہیں، اور وہ Amazon S3 کو Kinesis Data Firehose کے ذریعے 1 منٹ کے بفر کے ساتھ ڈیلیور کیے جاتے ہیں۔ برآمد کردہ Amazon Monitron ڈیٹا JSON فارمیٹ میں ہے۔ ایک AWS Glue کرالر Amazon S3 میں Amazon Monitron ڈیٹا کا ایک بار فی گھنٹہ کی منتخب فریکوئنسی پر تجزیہ کرتا ہے، ایک میٹا ڈیٹا سکیما بناتا ہے، اور ایتھینا میں میزیں بناتا ہے۔ آخر میں، Amazon Managed Grafana Amazon S3 ڈیٹا سے استفسار کرنے کے لیے Athena کا استعمال کرتا ہے، جس سے پیمائش کے ڈیٹا اور ڈیوائس کی صحت کی حالت دونوں کو دیکھنے کے لیے ڈیش بورڈز بنائے جا سکتے ہیں۔
اس حل کو بنانے کے لیے، آپ درج ذیل اعلیٰ سطحی مراحل کو مکمل کریں:
- Amazon Monitron سے Kinesis ڈیٹا اسٹریم ایکسپورٹ کو فعال کریں اور ڈیٹا اسٹریم بنائیں۔
- ڈیٹا اسٹریم سے S3 بالٹی میں ڈیٹا ڈیلیور کرنے کے لیے Kinesis Data Firehose کو کنفیگر کریں۔
- Athena میں Amazon S3 ڈیٹا کا ٹیبل بنانے کے لیے AWS Glue کرالر بنائیں۔
- Amazon Managed Grafana کے ساتھ Amazon Monitron ڈیوائسز کا ڈیش بورڈ بنائیں۔
شرائط
اس واک تھرو کے لیے، آپ کے پاس درج ذیل شرائط ہونی چاہئیں:
مزید برآں، اس بات کو یقینی بنائیں کہ آپ کے تمام وسائل اسی علاقے میں ہیں۔
Amazon Monitron سے Kinesis ڈیٹا سٹریم ایکسپورٹ کو فعال کریں اور ڈیٹا سٹریم بنائیں
اپنے ڈیٹا اسٹریم ایکسپورٹ کو کنفیگر کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- ایمیزون مانیٹرون کنسول پر، اپنے پروجیکٹ کے مرکزی صفحہ سے، منتخب کریں۔ لائیو ڈیٹا ایکسپورٹ شروع کریں۔.
- کے تحت Amazon Kinesis ڈیٹا اسٹریم کو منتخب کریں۔منتخب کریں ایک نیا ڈیٹا اسٹریم بنائیں.
- کے تحت ڈیٹا اسٹریم کنفیگریشن، اپنے ڈیٹا اسٹریم کا نام درج کریں۔
- کے لئے ڈیٹا سٹریم کی صلاحیتمنتخب کریں مطالبے پر.
- میں سے انتخاب کریں ڈیٹا اسٹریم بنائیں.
نوٹ کریں کہ 4 اپریل 2023 کے بعد فعال کردہ لائیو ڈیٹا ایکسپورٹ Kinesis Data Streams v2 اسکیما کے بعد ڈیٹا کو اسٹریم کرے گا۔ اگر آپ کے پاس موجودہ ڈیٹا ایکسپورٹ ہے جو اس تاریخ سے پہلے فعال کیا گیا تھا، تو اسکیما v1 فارمیٹ کی پیروی کرے گا۔
اب آپ اپنے مخصوص Kinesis ڈیٹا اسٹریم کے ساتھ Amazon Monitron کنسول پر لائیو ڈیٹا ایکسپورٹ کی معلومات دیکھ سکتے ہیں۔
S3 بالٹی میں ڈیٹا ڈیلیور کرنے کے لیے Kinesis Data Firehose کو ترتیب دیں۔
اپنے فائر ہوز ڈیلیوری اسٹریم کو کنفیگر کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- Kinesis کنسول پر، منتخب کریں۔ ترسیل کے سلسلے نیوی گیشن پین میں.
- میں سے انتخاب کریں ترسیل کا سلسلہ بنائیں.
- کے لئے ماخذمنتخب Amazon Kinesis ڈیٹا اسٹریمز.
- کے لئے منزل مقصودمنتخب ایمیزون S3.
- کے تحت ماخذ کی ترتیبات، کے لئے Kinesis ڈیٹا سٹریم، اپنے Kinesis ڈیٹا اسٹریم کا ARN درج کریں۔
- کے تحت ترسیل کے سلسلے کا نام، اپنے Kinesis ڈیٹا اسٹریم کا نام درج کریں۔
- کے تحت منزل کی ترتیبات، ایک S3 بالٹی منتخب کریں یا بالٹی URI درج کریں۔ آپ Amazon Monitron ڈیٹا کو ذخیرہ کرنے کے لیے یا تو موجودہ S3 بالٹی استعمال کر سکتے ہیں، یا آپ ایک نئی S3 بالٹی بنا سکتے ہیں۔
- JSON کے لیے ان لائن پارسنگ کا استعمال کرتے ہوئے متحرک تقسیم کو فعال کریں:
- میں سے انتخاب کریں فعال کردہ لیے متحرک تقسیم.
- میں سے انتخاب کریں فعال کردہ لیے JSON کے لیے ان لائن پارسنگ.
- کے تحت متحرک تقسیم کی چابیاں، درج ذیل پارٹیشن کیز شامل کریں:
کلیدی نام | JQ اظہار |
منصوبے | .projectName| "project=(.)" |
سائٹ | .eventPayload.siteName| "site=(.)" |
اثاثے | .eventPayload.assetName| "asset=(.)" |
پوزیشن | .eventPayload.positionName| "position=(.)" |
وقت | .timestamp| sub(" [0-9]{2}:[0-9]{2}:[0-9]{2}.[0-9]{3}$"; "")| "time=(.)" |
- میں سے انتخاب کریں ڈائنامک پارٹیشننگ کیز لگائیں۔ اور تصدیق کریں کہ تیار کردہ S3 بالٹی کا سابقہ ہے:
- کے لیے ایک سابقہ درج کریں۔ S3 بالٹی ایرر آؤٹ پٹ کا سابقہ. کوئی بھی JSON پے لوڈ جس میں پہلے بیان کردہ کلیدیں شامل نہیں ہیں اس سابقہ میں ڈیلیور کی جائیں گی۔ مثال کے طور پر،
gatewayConnected
اورgatewayDisconnected
واقعات کسی دیے گئے اثاثہ یا پوزیشن سے منسلک نہیں ہیں۔ لہذا، ان میں شامل نہیں ہوں گے۔assetName
اورpositionName
کھیتوں یہاں اس اختیاری سابقہ کی وضاحت کرنا آپ کو اس مقام کی نگرانی کرنے اور اس کے مطابق ان واقعات پر کارروائی کرنے کی اجازت دیتا ہے۔ - میں سے انتخاب کریں ترسیل کا سلسلہ بنائیں.
آپ S3 بالٹی میں Amazon Monitron ڈیٹا کا معائنہ کر سکتے ہیں۔ نوٹ کریں کہ Amazon Monitron ڈیٹا ایک بار فی گھنٹہ کی فریکوئنسی پر لائیو ڈیٹا برآمد کرے گا، لہذا ڈیٹا کا معائنہ کرنے کے لیے 1 گھنٹہ انتظار کریں۔
یہ Kinesis Data Firehose سیٹ اپ متحرک تقسیم کو قابل بناتا ہے، اور ڈیلیور کردہ S3 آبجیکٹ درج ذیل کلیدی شکل کا استعمال کریں گے:
ایتھینا میں ایمیزون S3 ڈیٹا کا ٹیبل بنانے کے لیے AWS Glue کرالر بنائیں
ایمیزون S3 پر لائیو ڈیٹا ایکسپورٹ ہونے کے بعد، ہم میٹا ڈیٹا ٹیبلز بنانے کے لیے AWS Glue کرالر کا استعمال کرتے ہیں۔ اس پوسٹ میں، ہم Amazon S3 میں برآمد کردہ Amazon Monitron ڈیٹا سے ڈیٹا بیس اور ٹیبل اسکیما کا خود بخود اندازہ لگانے کے لیے AWS Glue کرالر کا استعمال کرتے ہیں، اور متعلقہ میٹا ڈیٹا کو AWS Glue ڈیٹا کیٹلاگ میں اسٹور کرتے ہیں۔ Athena پھر Amazon S3 میں ڈیٹا کو تلاش کرنے، پڑھنے اور اس پر کارروائی کرنے کے لیے ڈیٹا کیٹلاگ سے ٹیبل میٹا ڈیٹا کا استعمال کرتی ہے۔ اپنا ڈیٹا بیس اور ٹیبل اسکیما بنانے کے لیے درج ذیل مراحل کو مکمل کریں:
- AWS Glue کنسول پر، منتخب کریں۔ کرالر نیوی گیشن پین میں.
- میں سے انتخاب کریں کرالر بنائیں.
- کرالر کے لیے ایک نام درج کریں (مثال کے طور پر،
XXX_xxxx_monitron
). - میں سے انتخاب کریں اگلے.
- کے لئے کیا آپ کا ڈیٹا پہلے سے ہی گلو ٹیبلز پر میپ کیا گیا ہے؟منتخب کریں ابھی تک نہیں.
- کے لئے ڈیٹا کا ذریعہمنتخب کریں S3.
- کے لئے S3 ڈیٹا کا مقاممنتخب کریں اس اکاؤنٹ میں، اور اپنی S3 بالٹی ڈائرکٹری کا راستہ درج کریں جو آپ نے پچھلے حصے میں ترتیب دیا ہے (
s3://YourBucketName
). - کے لئے S3 ڈیٹا اسٹورز کے کرالز کو دہرائیں۔منتخب تمام ذیلی فولڈرز کو کرال کریں۔.
- آخر میں ، منتخب کریں اگلے.
- منتخب کریں نیا IAM کردار بنائیں اور کردار کے لیے نام درج کریں۔
- میں سے انتخاب کریں اگلے.
- منتخب کریں ڈیٹا بیس شامل کریں۔، اور ڈیٹا بیس کے لیے ایک نام درج کریں۔ یہ ایتھینا ڈیٹا بیس بناتا ہے جہاں کرالر مکمل ہونے کے بعد آپ کے میٹا ڈیٹا ٹیبلز واقع ہوتے ہیں۔
- کے لئے کرالر کا شیڈول، ڈیٹا بیس میں Amazon Monitron ڈیٹا کو ریفریش کرنے کے لیے ایک ترجیحی وقت پر مبنی شیڈولر (مثال کے طور پر فی گھنٹہ) منتخب کریں، اور منتخب کریں۔ اگلے.
- کرالر کی تفصیلات کا جائزہ لیں اور منتخب کریں۔ تخلیق کریں.
- پر کرالر AWS Glue کنسول کا صفحہ، اپنے بنائے ہوئے کرالر کو منتخب کریں اور منتخب کریں۔ کرالر چلائیں۔.
ڈیٹا کے سائز کے لحاظ سے آپ کو چند منٹ انتظار کرنا پڑ سکتا ہے۔ جب یہ مکمل ہو جاتا ہے، تو کرالر کی حیثیت بطور ظاہر ہوتی ہے۔ کے لئے تیار ہیں. میٹا ڈیٹا ٹیبلز دیکھنے کے لیے، پر اپنے ڈیٹا بیس پر جائیں۔ ڈیٹا بیس صفحہ اور منتخب کریں۔ میزیں نیوی گیشن پین میں.
آپ منتخب کرکے بھی ڈیٹا دیکھ سکتے ہیں۔ ٹیبل ڈیٹا کنسول پر
Amazon S10 میں Amazon Monitron ڈیٹا کے ٹاپ 3 ریکارڈز دیکھنے کے لیے آپ کو Athena کنسول پر بھیج دیا گیا ہے۔
Amazon Managed Grafana کے ساتھ Amazon Monitron ڈیوائسز کا ڈیش بورڈ بنائیں
اس سیکشن میں، ہم Amazon S3 میں Amazon Monitron ڈیٹا کو دیکھنے کے لیے Amazon Managed Grafana کے ساتھ ایک حسب ضرورت ڈیش بورڈ بناتے ہیں، تاکہ OT ٹیم اپنے پورے Amazon Monitron سینسر فلیٹ میں الارم میں اثاثوں تک ہموار رسائی حاصل کر سکے۔ یہ OT ٹیم کو بے ضابطگیوں کی ممکنہ بنیادی وجہ کی بنیاد پر اگلے مرحلے کے اقدامات کی منصوبہ بندی کرنے کے قابل بنائے گا۔
کرنے کے لئے گرافانا ورک اسپیس بنائیں، درج ذیل مراحل کو مکمل کریں:
- یقینی بنائیں کہ آپ کا صارف کا کردار ایڈمن یا ایڈیٹر ہے۔
- Amazon Managed Grafana کنسول پر، منتخب کریں۔ کام کی جگہ بنائیں.
- کے لئے ورک اسپیس کا نام، ورک اسپیس کے لیے ایک نام درج کریں۔
- میں سے انتخاب کریں اگلے.
- کے لئے تصدیق تک رسائیمنتخب AWS IAM شناختی مرکز (AWS سنگل سائن آن کا جانشین)۔ آپ وہی استعمال کرسکتے ہیں۔ AWS IAM شناختی مرکز صارف جسے آپ اپنا Amazon Monitron پروجیکٹ سیٹ اپ کرتے تھے۔
- میں سے انتخاب کریں اگلے.
- اس پہلی ورک اسپیس کے لیے، اس کی تصدیق کریں۔ سروس کا انتظام کیا گیا۔ کے لیے منتخب کیا جاتا ہے۔ اجازت کی قسم. یہ انتخاب Amazon Managed Grafana کو اس قابل بناتا ہے کہ وہ AWS ڈیٹا ذرائع کے لیے جو آپ اس ورک اسپیس کے لیے استعمال کرتے ہیں ان اجازتوں کو خود بخود فراہم کر سکیں۔
- میں سے انتخاب کریں موجودہ اکاؤنٹ.
- میں سے انتخاب کریں اگلے.
- ورک اسپیس کی تفصیلات کی تصدیق کریں، اور منتخب کریں۔ کام کی جگہ بنائیں. ورک اسپیس کی تفصیلات کا صفحہ ظاہر ہوتا ہے۔ ابتدائی طور پر، حیثیت ہے تخلیق کرنا.
- اسٹیٹس ہونے تک انتظار کریں۔ ACTIVE اگلے مرحلے پر آگے بڑھنے کے لئے.
اپنے ایتھینا ڈیٹا سورس کو کنفیگر کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- Amazon Managed Grafana کنسول پر، وہ ورک اسپیس منتخب کریں جس پر آپ کام کرنا چاہتے ہیں۔
- پر اعداد و شمار ذرائع ٹیب، منتخب کریں ایمیزون ایتینا، اور منتخب کریں ایکشنز، سروس کے زیر انتظام پالیسی کو فعال کریں۔.
- میں سے انتخاب کریں گرافانا میں ترتیب دیں۔ میں ایمیزون ایتینا قطار
- اگر ضروری ہو تو IAM شناختی مرکز کا استعمال کرتے ہوئے Grafana ورک اسپیس کنسول میں سائن ان کریں۔ ایتھینا ڈیٹا سورس تک رسائی حاصل کرنے کے لیے صارف کے پاس ایتھینا رسائی کی پالیسی صارف یا کردار کے ساتھ منسلک ہونی چاہیے۔ دیکھیں AWS کے زیر انتظام پالیسی: AmazonGrafanaAthenaAccess مزید معلومات کے لئے.
- گرافانا ورک اسپیس کنسول پر، نیویگیشن پین میں، نیچے کا AWS آئیکن منتخب کریں (دو ہیں) اور پھر منتخب کریں۔ یتینا پر اعداد و شمار ذرائع مینو.
- پہلے سے طے شدہ علاقہ منتخب کریں جس سے آپ ایتھینا ڈیٹا سورس سے استفسار کرنا چاہتے ہیں، وہ اکاؤنٹس منتخب کریں جو آپ چاہتے ہیں، پھر منتخب کریں ڈیٹا کا ماخذ شامل کریں.
- کے لیے اقدامات پر عمل کریں۔ ایتھینا کی تفصیلات ترتیب دیں۔.
اگر ایتھینا میں آپ کے ورک گروپ میں آؤٹ پٹ لوکیشن پہلے سے ترتیب شدہ نہیں ہے، تو آپ کو استفسار کے نتائج کے لیے استعمال کرنے کے لیے ایک S3 بالٹی اور فولڈر بتانا ہوگا۔ ڈیٹا سورس ترتیب دینے کے بعد، آپ اسے میں دیکھ یا ترمیم کر سکتے ہیں۔ ترتیب فین.
مندرجہ ذیل ذیلی حصوں میں، ہم آپریشنل بصیرت حاصل کرنے کے لیے Amazon Managed Grafana میں بنائے گئے Amazon Monitron ڈیش بورڈ میں کئی پینلز کا مظاہرہ کرتے ہیں۔ ایتھینا ڈیٹا سورس ایک معیاری SQL استفسار ایڈیٹر فراہم کرتا ہے جسے ہم Amazon Monitron ڈیٹا کا تجزیہ کرنے کے لیے استعمال کریں گے تاکہ مطلوبہ تجزیات تیار کی جا سکیں۔
سب سے پہلے، اگر Amazon Monitron پروجیکٹ میں بہت سے سینسرز ہیں اور وہ مختلف ریاستوں میں ہیں (صحت مند، انتباہ، الارم، اور دیکھ بھال کی ضرورت ہے)، OT ٹیم ان پوزیشنوں کی گنتی کو بصری طور پر دیکھنا چاہتی ہے کہ سینسر مختلف ریاستوں میں ہیں۔ آپ درج ذیل ایتھینا استفسار کے ذریعے گرافانا میں پائی چارٹ ویجیٹ جیسی معلومات حاصل کر سکتے ہیں۔
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;
مندرجہ ذیل اسکرین شاٹ Amazon Monitron سینسر اسٹیٹس کی تازہ ترین تقسیم کے ساتھ ایک پینل دکھاتا ہے۔
Amazon Monitron ڈیٹا کے لیے اپنے SQL استفسار کو فارمیٹ کرنے کے لیے، رجوع کریں۔ ڈیٹا ایکسپورٹ اسکیما کو سمجھنا.
اس کے بعد، آپ کی آپریشنز ٹکنالوجی ٹیم خطرے کی گھنٹی کی حالت میں موجود اثاثوں کی بنیاد پر پیشن گوئی کی دیکھ بھال کا منصوبہ بنا سکتی ہے، اور اس لیے وہ فوری طور پر تسلیم شدہ الارم بمقابلہ غیر تسلیم شدہ الارم کی کل تعداد جاننا چاہتی ہے۔ آپ الارم کی حالت کی خلاصہ معلومات گرافانا میں سادہ اعدادوشمار کے پینل کے طور پر دکھا سکتے ہیں:
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';
مندرجہ ذیل پینل تسلیم شدہ اور غیر تسلیم شدہ الارم دکھاتا ہے۔
OT ٹیم یہ بھی استفسار کر سکتی ہے کہ سینسرز کتنے وقت تک الارم کی حالت میں رہتے ہیں، تاکہ وہ اپنی دیکھ بھال کی ترجیح کا فیصلہ کر سکیں:
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;
اس تجزیے کے آؤٹ پٹ کو گرافانا میں بار چارٹ کے ذریعے تصور کیا جا سکتا ہے، اور الارم کی حالت میں الارم کو آسانی سے دیکھا جا سکتا ہے جیسا کہ درج ذیل اسکرین شاٹ میں دکھایا گیا ہے۔
اثاثوں کے خطرے کی گھنٹی میں رہنے یا بحالی کی ضرورت کی کل مقدار کی بنیاد پر اوپر/نیچے اثاثہ کی کارکردگی کا تجزیہ کرنے کے لیے، درج ذیل استفسار کا استعمال کریں:
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;
مندرجہ ذیل بار گیج کا استعمال سابقہ استفسار کے آؤٹ پٹ کو دیکھنے کے لیے کیا جاتا ہے، جس میں سرفہرست کارکردگی والے اثاثے 0 دن کی الارم حالتیں دکھاتے ہیں، اور نیچے کی کارکردگی والے اثاثے پچھلے سال کے دوران جمع شدہ خطرناک حالتوں کو دکھاتے ہیں۔
OT ٹیم کو بے ضابطگی کی ممکنہ بنیادی وجہ کو سمجھنے میں مدد کرنے کے لیے، ان اثاثوں کے لیے الارم کی اقسام درج ذیل استفسار کے ساتھ ظاہر کی جا سکتی ہیں:
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');
آپ اس تجزیہ کو گرافانا میں ایک جدول کے طور پر دیکھ سکتے ہیں۔ ایمیزون مانیٹرون کے اس پروجیکٹ میں، کمپن کی پیمائش کے لیے ایم ایل ماڈلز کے ذریعے دو الارم شروع کیے گئے تھے۔
ایمیزون کے زیر انتظام گرافانا ڈیش بورڈ کو یہاں مثال کے مقاصد کے لیے دکھایا گیا ہے۔ آپ ڈیش بورڈ ڈیزائن کو اپنی کاروباری ضروریات کے مطابق ڈھال سکتے ہیں۔
ناکامی کی رپورٹس
جب کوئی صارف Amazon Monitron ایپ میں الارم کو تسلیم کرتا ہے، تو متعلقہ اثاثے ایک نئی حالت میں منتقل ہو جاتے ہیں۔ صارف کے پاس اس الارم کے بارے میں کچھ تفصیلات فراہم کرنے کا موقع بھی ہے:
- ناکامی کی وجہ - یہ مندرجہ ذیل میں سے ایک ہو سکتا ہے: ایڈمنسٹریشن، ڈیزائن، فیبریکیشن، مینٹیننس، آپریشن، دیگر، کوالٹی، پہننا، یا غیر متعین
- ناکامی کا انداز – یہ مندرجہ ذیل میں سے ایک ہو سکتا ہے: NO_ISSUE، BLOCKAGE، CAVITATION، CORROSION، DEPOSIT، ImbALANCE، LUBRICATION، MISALIGNMENT، OTHER، RESONANCE، ROTATING_LOOSENESS، STRUCTURAL_LOOSENESS، TRANSMITTED_UNTERMINT یا
- کارروائی - یہ ایڈجسٹ، صاف، چکنا، ترمیم، اوور ہال، تبدیل، NO_ACTION، یا دیگر ہوسکتا ہے
اثاثہ کی حالت کی منتقلی سے وابستہ ایونٹ پے لوڈ میں یہ تمام معلومات، اثاثہ کی پچھلی حالت، اور اثاثہ کی نئی حالت شامل ہوتی ہے۔ مزید تفصیلات کے ساتھ اس پوسٹ کی تازہ کاری کے لیے دیکھتے رہیں کہ آپ کس طرح اس معلومات کو ایک اضافی گرافانا پینل میں استعمال کر سکتے ہیں تاکہ آپ کے تمام اثاثوں میں سب سے زیادہ عام ناکامیوں اور کیے جانے والے اقدامات کے Pareto چارٹ بنائے جائیں۔
نتیجہ
Amazon Monitron کے انٹرپرائز صارفین Amazon Monitron کے لائیو ڈیٹا کے ساتھ IoT ڈیٹا لیک بنانے کا حل تلاش کر رہے ہیں، تاکہ وہ Amazon Monitron کے متعدد پروجیکٹس اور اثاثوں کا نظم کر سکیں، اور متعدد Amazon Monitron پروجیکٹس میں تجزیاتی رپورٹس تیار کر سکیں۔ یہ پوسٹ تازہ ترین کے ساتھ اس IoT ڈیٹا لیک کو بنانے کے حل کی تفصیلی واک تھرو فراہم کرتی ہے۔ Amazon Monitron Kinesis ڈیٹا ایکسپورٹ v2 فیچر. اس حل نے یہ بھی دکھایا کہ دیگر AWS سروسز، جیسے AWS Glue اور Athena کو ڈیٹا سے استفسار کرنے، تجزیاتی آؤٹ پٹس تیار کرنے، اور Amazon Managed Grafana کے ساتھ بار بار ریفریش کے ساتھ اس طرح کے آؤٹ پٹس کا تصور کرنے کا طریقہ۔
اگلے قدم کے طور پر، آپ ML انفرنس کے نتائج دوسرے EAM سسٹمز کو بھیج کر اس حل کو بڑھا سکتے ہیں جنہیں آپ ورک آرڈر مینجمنٹ کے لیے استعمال کر سکتے ہیں۔ یہ آپ کی آپریشن ٹیم کو Amazon Monitron کو دیگر انٹرپرائز ایپلی کیشنز کے ساتھ ضم کرنے اور ان کے آپریشن کی کارکردگی کو بہتر بنانے کی اجازت دے گا۔ آپ اپنے ناکامی کے طریقوں اور اثاثوں کی حالت کی منتقلی اور بند ہونے والے کوڈز جو اب Kinesis ڈیٹا اسٹریم پے لوڈ کا حصہ ہیں پر کارروائی کرکے اٹھائے گئے اقدامات کے بارے میں مزید گہرائی سے بصیرت پیدا کرنا بھی شروع کر سکتے ہیں۔
مصنفین کے بارے میں
جولیا ہو Amazon Web Services میں Sr. AI/ML Solutions آرکیٹیکٹ ہیں۔ وہ IoT فن تعمیر اور اپلائیڈ ڈیٹا سائنس میں وسیع تجربہ رکھتی ہے، اور وہ مشین لرننگ اور IoT ٹیکنیکل فیلڈ کمیونٹی دونوں کا حصہ ہے۔ وہ صارفین کے ساتھ کام کرتی ہے، جس میں اسٹارٹ اپ سے لے کر انٹرپرائزز تک، AWSome IoT مشین لرننگ (ML) حل تیار کرنے کے لیے، Edge اور Cloud میں۔ وہ اپنے ML حل کو بڑھانے، تاخیر کو کم کرنے، اور صنعت کو اپنانے میں تیزی لانے کے لیے جدید ترین IoT اور بڑی ڈیٹا ٹیکنالوجی کا فائدہ اٹھاتی ہے۔
بشرطبہ ایمیزون ویب سروسز میں ایک حل آرکیٹیکٹ ہے۔ بشر مشین لرننگ، سیکورٹی، اور مشاہداتی ایپلی کیشنز کے ساتھ صارفین کی مدد کرنے میں مہارت رکھتا ہے۔ کام سے باہر، وہ ٹینس کھیلنا، کھانا پکانا، اور خاندان کے ساتھ وقت گزارنا پسند کرتا ہے۔
شالیکا پرگل ایمیزون ویب سروسز میں پروڈکٹ مینیجر ہے۔ شالیکا صنعتی صارفین کے لیے AI مصنوعات اور خدمات کی تعمیر پر توجہ مرکوز کرتی ہے۔ وہ پروڈکٹ، انڈسٹریل اور بزنس ڈویلپمنٹ کے چوراہے پر اہم تجربہ لاتی ہے۔ اس نے حال ہی میں شیئر کیا۔ مانیٹرون کی کامیابی کی کہانی Reinvent 2022 میں۔
گیری گیلنسکی AWS پر ایمیزون کو سپورٹ کرنے والا پرنسپل سلوشنز آرکیٹیکٹ ہے۔ وہ Monitron کے ساتھ اس کی شروعات کے بعد سے شامل ہے اور اس نے حل کو Amazon کے دنیا بھر میں تکمیل کے نیٹ ورک میں ضم کرنے اور تعینات کرنے میں مدد کی ہے۔ اس نے حال ہی میں ایمیزون کا اشتراک کیا۔ مانیٹرن کی کامیابی کی کہانی دوبارہ: ایجاد 2022۔
مائیکل ہواراؤ AWS میں ایک AI/ML سپیشلسٹ سولیوشنز آرکیٹیکٹ ہے جو اس لمحے کے لحاظ سے ڈیٹا سائنٹسٹ اور مشین لرننگ آرکیٹیکٹ کے درمیان متبادل کرتا ہے۔ وہ اپنے صنعتی صارفین کے شاپ فلورز پر AI/ML پاور لانے کا پرجوش ہے اور اس نے ایم ایل کے استعمال کے کیسز کی ایک وسیع رینج پر کام کیا ہے، جس میں بے ضابطگی کا پتہ لگانے سے لے کر پیش گوئی کرنے والے پروڈکٹ کے معیار یا مینوفیکچرنگ آپٹیمائزیشن تک شامل ہیں۔ اس نے شائع کیا۔ ٹائم سیریز کے تجزیہ پر ایک کتاب 2022 میں اور باقاعدگی سے اس موضوع پر لکھتے ہیں۔ لنکڈ اور درمیانہ. جب گاہکوں کو مشین سیکھنے کے اگلے بہترین تجربات میں مدد نہیں کرتا ہے، تو وہ ستاروں کا مشاہدہ کرنے، سفر کرنے، یا پیانو بجانے سے لطف اندوز ہوتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/generate-actionable-insights-for-predictive-maintenance-management-with-amazon-monitron-and-amazon-kinesis/
- : ہے
- : ہے
- : نہیں
- $UP
- 1
- 10
- 100
- 200
- 2022
- 2023
- 7
- 8
- 9
- a
- ہمارے بارے میں
- رفتار کو تیز تر
- تک رسائی حاصل
- کے مطابق
- اس کے مطابق
- اکاؤنٹس
- جمع ہے
- حاصل
- حصول
- کے پار
- عمل
- اعمال
- سرگرمی
- اپنانے
- ایڈیشنل
- منتظم
- انتظامیہ
- منہ بولابیٹا بنانے
- کے بعد
- AI
- AI / ML
- امداد
- الارم
- تنبیہات سب
- تمام
- اجازت دے رہا ہے
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- ایمیزون
- ایمیزون کنیسیس
- ایمیزون کے زیر انتظام گرافانا
- ایمیزون ویب سروسز
- رقم
- an
- تجزیہ
- تجزیاتی
- تجزیاتی
- تجزیے
- تجزیہ کرتا ہے
- اور
- بے ضابطگی کا پتہ لگانا
- ایک اور
- کوئی بھی
- اپلی کیشن
- ایپلی کیشنز
- اطلاقی
- نقطہ نظر
- اپریل
- فن تعمیر
- کیا
- AS
- اثاثے
- اثاثہ جات کے انتظام
- اثاثے
- منسلک
- At
- آٹومیٹڈ
- خود کار طریقے سے
- خودکار
- دستیاب
- اوسط
- گریز
- AWS
- AWS گلو
- واپس
- بار
- کی بنیاد پر
- BE
- بن
- رہا
- اس سے پہلے
- BEST
- بہتر
- کے درمیان
- بگ
- بگ ڈیٹا
- کتاب
- دونوں
- پایان
- آ رہا ہے
- لاتا ہے
- وسیع
- بفر
- تعمیر
- عمارت
- بناتا ہے
- تعمیر
- کاروبار
- کاروبار کی ترقی
- لیکن
- by
- کر سکتے ہیں
- حاصل کر سکتے ہیں
- قبضہ
- کیس
- مقدمات
- کیٹلوگ
- کیونکہ
- وجوہات
- سینٹر
- مراکز
- چیلنجوں
- چارٹ
- چارٹس
- چیٹ روم
- میں سے انتخاب کریں
- منتخب کریں
- منتخب کیا
- درجہ بندی
- بندش
- بادل
- کوڈ
- جمع
- جمع
- یکجا
- امتزاج
- آنے والے
- کامن
- کمیونٹی
- مکمل
- پیچیدہ
- تصور
- شرط
- کی توثیق
- رابطہ قائم کریں
- رابطہ
- کنسول
- بسم
- پر مشتمل ہے
- پر مشتمل ہے
- مسلسل
- کنٹرول
- سکتا ہے
- کرالر
- تخلیق
- بنائی
- پیدا
- مخلوق
- گاہکوں
- اپنی مرضی کے مطابق
- اپنی مرضی کے مطابق
- سائیکل
- ڈیش بورڈ
- اعداد و شمار
- ڈیٹا تجزیات
- ڈیٹا لیک
- ڈیٹا سائنس
- ڈیٹا سائنسدان
- ڈیٹا بیس
- تاریخ
- دن
- پہلی
- فیصلہ کرنا
- پہلے سے طے شدہ
- نجات
- ڈیلیور
- ترسیل
- مظاہرہ
- منحصر ہے
- تعیناتی
- ۱۰۰۰۰ ڈالر ڈیپازٹ
- بیان
- بیان کیا
- ڈیزائن
- مطلوبہ
- تفصیلی
- تفصیلات
- کھوج
- ترقی
- ترقی
- آلہ
- کے الات
- مختلف
- براہ راست
- دریافت
- تقسیم
- تقسیم
- نہیں کرتا
- ٹائم ٹائم
- متحرک
- ہر ایک
- اس سے قبل
- آسانی سے
- ایج
- ایڈیٹر
- مؤثر طریقے
- کارکردگی
- ہنر
- مؤثر طریقے سے
- یا تو
- کو چالو کرنے کے
- چالو حالت میں
- کے قابل بناتا ہے
- آخر سے آخر تک
- انجینئرز
- افزودہ
- افزودہ
- درج
- انٹرپرائز
- اداروں
- ماحول
- کا سامان
- خرابی
- واقعہ
- واقعات
- مثال کے طور پر
- مثال کے طور پر
- خصوصی
- موجودہ
- توسیع
- تجربہ
- تجربات
- وضاحت
- تلاش
- برآمد
- وسیع
- وسیع تجربہ
- ناکامی
- خاندان
- آراء
- چند
- میدان
- قطعات
- آخر
- مل
- پہلا
- فلیٹ
- فلور
- توجہ مرکوز
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- کے لئے
- فارمیٹ
- فرکوےنسی
- بار بار اس
- سے
- حاصل کرنا
- گیٹ وے
- پیدا
- پیدا
- حاصل
- دی
- گلاس
- گروپ
- رہنمائی
- ہو
- ہے
- he
- صحت
- صحت مند
- مدد
- مدد
- مدد
- یہاں
- اعلی سطحی
- کس طرح
- کیسے
- HTML
- HTTPS
- IBM
- آئکن
- شناخت
- شناختی
- عدم توازن
- پر عملدرآمد
- نفاذ
- کو بہتر بنانے کے
- in
- میں گہرائی
- شامل
- شامل ہیں
- موصولہ
- صنعتی
- صنعت
- معلومات
- معلومات
- انفراسٹرکچر
- ابتدائی طور پر
- بصیرت
- نصب
- قسط
- مثال کے طور پر
- ضم
- ضم
- انضمام
- انٹرنیٹ
- چیزوں کے انٹرنیٹ
- چوراہا
- میں
- ملوث
- IOT
- ISO
- مسائل
- IT
- میں
- میں شامل
- فوٹو
- JSON
- Keen
- کلیدی
- چابیاں
- Kinesis ڈیٹا فائر ہوز
- Kinesis ڈیٹا اسٹریمز
- جان
- جھیل
- بڑے
- تاخیر
- تازہ ترین
- شروع
- جانیں
- سیکھنے
- سطح
- لیورنگنگ
- LIMIT
- لمیٹڈ
- لائنوں
- منسلک
- لنکڈ
- رہتے ہیں
- لائیو ڈیٹا
- واقع ہے
- محل وقوع
- تلاش
- مشین
- مشین لرننگ
- مشینری
- مین
- برقرار رکھنے کے
- دیکھ بھال
- اہم
- بنا
- انتظام
- میں کامیاب
- انتظام
- مینیجر
- مینیجر
- مینیجنگ
- مینوفیکچرنگ
- بہت سے
- زیادہ سے زیادہ
- مئی..
- پیمائش
- میکانی
- درمیانہ
- مینو
- میٹا ڈیٹا
- شاید
- منٹ
- لاپتہ
- ML
- موبائل
- موبائل اپلی کیشن
- ماڈل
- ماڈل
- طریقوں
- نظر ثانی کرنے
- لمحہ
- کی نگرانی
- نگرانی
- ماہ
- زیادہ
- زیادہ موثر
- سب سے زیادہ
- ایک سے زیادہ
- نام
- تشریف لے جائیں
- سمت شناسی
- ضروری
- ضرورت ہے
- ضروریات
- نیٹ ورک
- نئی
- اگلے
- اب
- تعداد
- اشیاء
- حاصل
- of
- on
- ایک
- صرف
- کھولتا ہے
- کام
- کام
- آپریشن
- آپریشنل
- آپریشنز
- آپریٹرز
- مواقع
- اصلاح کے
- or
- حکم
- احکامات
- تنظیم
- دیگر
- ہمارے
- پیداوار
- باہر
- پر
- مجموعی طور پر
- اضافی
- خود
- صفحہ
- پین
- پینل
- پینل
- حصہ
- جذباتی
- گزشتہ
- راستہ
- انجام دیں
- کارکردگی
- کارکردگی کا مظاہرہ
- متواتر
- اجازت
- اجازتیں
- منصوبہ
- منصوبہ بندی
- پودے
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- پالیسی
- پوزیشن
- پوزیشنوں
- ممکن
- پوسٹ
- ممکنہ
- طاقت
- پریکٹس
- پیش گوئی کے تجزیات
- کو ترجیح دی
- ضروریات
- پچھلا
- پرنسپل
- ترجیح
- چالو
- عمل
- عمل
- پروسیسنگ
- پیدا
- مصنوعات
- پروڈکٹ مینیجر
- مصنوعات کا معیار
- پیداوار
- حاصل
- منصوبے
- منصوبوں
- فراہم
- فراہم
- فراہم کرتا ہے
- پراجیکٹ
- شائع
- مقاصد
- معیار
- جلدی سے
- رینج
- لے کر
- RE
- پڑھیں
- اصل وقت
- وجہ
- حال ہی میں
- ریکارڈ
- کو کم
- خطے
- باقاعدگی سے
- مضبوط
- وشوسنییتا
- قابل اعتماد
- رہے
- باقی
- کی جگہ
- رپورٹ
- رپورٹیں
- گونج
- وسائل
- نتائج کی نمائش
- رسک
- کردار
- کمروں
- جڑ
- ROW
- رن
- چل رہا ہے
- s
- اسی
- SAP
- پیمانے
- سائنس
- سائنسدان
- گنجائش
- سیکشن
- سیکشنز
- محفوظ طریقے سے
- سیکورٹی
- منتخب
- انتخاب
- بھیجنا
- سینسر
- سیریز
- سروس
- سروسز
- مقرر
- قائم کرنے
- سیٹ اپ
- کئی
- سیکنڈ اور
- مشترکہ
- دکان
- ہونا چاہئے
- دکھائیں
- دکھایا گیا
- شوز
- اہم
- اسی طرح
- سادہ
- بعد
- ایک
- سائٹ
- سائٹس
- سائز
- So
- سافٹ ویئر کی
- حل
- حل
- کچھ
- ماخذ
- ذرائع
- ماہر
- مہارت دیتا ہے
- مخصوص
- خرچ
- خرچ کرنا۔
- معیار
- ستارے
- شروع کریں
- شروع اپ
- شروع
- حالت
- امریکہ
- کے اعداد و شمار
- اعدادوشمار
- درجہ
- رہنا
- مرحلہ
- مراحل
- ابھی تک
- ذخیرہ
- ذخیرہ
- حکمت عملی
- حکمت عملی
- سٹریم
- سویوستیت
- اسٹریمز
- کامیابی
- اس طرح
- خلاصہ
- حمایت
- امدادی
- کے نظام
- سسٹمز
- ٹیبل
- ھدف بنائے گئے
- ٹاسک
- ٹیم
- ٹیموں
- ٹیکنیکل
- ٹیکنالوجی
- سے
- شکریہ
- کہ
- ۔
- ریاست
- ان
- وہاں.
- لہذا
- یہ
- وہ
- چیزیں
- تیسری پارٹی
- اس
- اس سال
- تین
- وقت
- وقت کا سلسلہ
- ٹائم لائن
- ٹائمسٹیمپ
- کرنے کے لئے
- کے آلے
- سب سے اوپر
- اوپر 10
- موضوع
- کل
- ٹریک
- ٹریننگ
- منتقل
- منتقلی
- منتقلی
- سفر
- ٹرگر
- متحرک
- اقسام
- سمجھ
- اپ ڈیٹ کریں
- اپ ٹائم
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- کا استعمال کرتے ہوئے
- v1
- مختلف
- کی طرف سے
- ویڈیو
- لنک
- vs
- انتظار
- واک تھرو
- انتباہ
- تھا
- طریقوں
- we
- ویب
- ویب خدمات
- اچھا ہے
- تھے
- کیا
- جس
- جبکہ
- ڈبلیو
- پوری
- وسیع
- وسیع رینج
- گے
- ساتھ
- کام
- کام کیا
- کام کے بہاؤ
- ورک گروپ
- کام کرتا ہے
- دنیا بھر
- سال
- تم
- اور
- یو ٹیوب پر
- زیفیرنیٹ