Các nhà quản lý và kỹ thuật viên về độ tin cậy trong môi trường công nghiệp như dây chuyền sản xuất, nhà kho và nhà máy công nghiệp đều mong muốn cải thiện tình trạng thiết bị và thời gian hoạt động để tối đa hóa sản lượng và chất lượng sản phẩm. Lỗi máy móc và quy trình thường được giải quyết bằng hoạt động phản ứng sau khi xảy ra sự cố hoặc bằng bảo trì phòng ngừa tốn kém, trong đó bạn có nguy cơ bảo trì thiết bị quá mức hoặc bỏ sót các sự cố có thể xảy ra giữa các chu kỳ bảo trì định kỳ. Bảo trì dựa trên điều kiện dự đoán là một chiến lược chủ động tốt hơn các chiến lược phản ứng hoặc phòng ngừa. Thật vậy, phương pháp này kết hợp giám sát liên tục, phân tích dự đoán và hành động đúng lúc. Điều này cho phép các nhóm bảo trì và độ tin cậy chỉ bảo dưỡng thiết bị khi cần thiết, dựa trên tình trạng thiết bị thực tế.
Đã có những thách thức chung với giám sát dựa trên điều kiện để tạo ra những hiểu biết có thể hành động cho các nhóm tài sản công nghiệp lớn. Những thách thức này bao gồm nhưng không giới hạn ở: xây dựng và duy trì cơ sở hạ tầng phức tạp gồm các cảm biến thu thập dữ liệu từ hiện trường, có được bản tóm tắt cấp cao đáng tin cậy về các nhóm tài sản công nghiệp, quản lý hiệu quả các cảnh báo lỗi, xác định nguyên nhân gốc rễ có thể gây ra sự bất thường và trực quan hóa hiệu quả tình trạng của tài sản công nghiệp ở quy mô.
Amazon Monitron là một giải pháp theo dõi tình trạng từ đầu đến cuối cho phép bạn bắt đầu theo dõi tình trạng của thiết bị với sự hỗ trợ của máy học (ML) trong vài phút, nhờ đó bạn có thể triển khai bảo trì dự đoán và giảm thời gian ngừng hoạt động ngoài kế hoạch. Dịch vụ này bao gồm các thiết bị cảm biến để thu thập dữ liệu về độ rung và nhiệt độ, một thiết bị cổng để truyền dữ liệu một cách an toàn sang Đám mây AWS, dịch vụ Amazon Monitron phân tích dữ liệu để tìm các điểm bất thường bằng ML và một ứng dụng di động đồng hành để theo dõi các lỗi tiềm ẩn trong máy móc của bạn. Các kỹ sư và nhà điều hành hiện trường của bạn có thể trực tiếp sử dụng ứng dụng để chẩn đoán và lập kế hoạch bảo trì cho các tài sản công nghiệp.
Từ quan điểm của nhóm công nghệ vận hành (OT), việc sử dụng dữ liệu Amazon Monitron cũng mở ra những cách mới để cải thiện cách họ vận hành các nhóm tài sản công nghiệp lớn nhờ AI. Các nhóm OT có thể củng cố thực hành bảo trì dự đoán từ tổ chức của họ bằng cách xây dựng chế độ xem hợp nhất trên nhiều hệ thống phân cấp (tài sản, địa điểm và nhà máy). Họ có thể kết hợp các kết quả suy luận ML và phép đo thực tế với cảnh báo chưa được xác nhận, cảm biến hoặc trạng thái kết nối nơi nghỉ ngơi hoặc chuyển đổi trạng thái tài sản để tạo bản tóm tắt cấp cao cho phạm vi (tài sản, địa điểm, dự án) mà họ tập trung vào.
Với sự ra mắt gần đây Tính năng xuất dữ liệu Amazon Monitron Kinesis v2, nhóm OT của bạn có thể truyền dữ liệu đo lường đến và kết quả suy luận từ Amazon Monitron qua Amazon Kinesis tới AWS Dịch vụ lưu trữ đơn giản (Amazon S3) để xây dựng kho dữ liệu Internet of Things (IoT). Bằng cách tận dụng lược đồ xuất dữ liệu mới nhất, bạn có thể nhận trạng thái kết nối cảm biến, trạng thái kết nối cổng, kết quả phân loại phép đo, mã lý do đóng và chi tiết về các sự kiện chuyển đổi trạng thái tài sản.
Tổng quan về trường hợp sử dụng
Luồng dữ liệu phong phú Amazon Monitron hiện cho phép bạn triển khai một số trường hợp sử dụng chính, chẳng hạn như tạo lệnh sản xuất tự động, làm phong phú thêm một ngăn kính vận hành hoặc tự động hóa báo cáo lỗi. Hãy đi sâu vào các trường hợp sử dụng này.
Bạn có thể sử dụng xuất dữ liệu Amazon Monitron Kinesis v2 để tạo lệnh sản xuất trong các hệ thống Quản lý tài sản doanh nghiệp (EAM) chẳng hạn như Infor EAM, SAP Asset Management hoặc IBM Maximo. Ví dụ, trong video tránh các sự cố máy móc với bảo trì dự đoán & Amazon Monitron, bạn có thể khám phá cách Trung tâm thực hiện đơn hàng Amazon của chúng tôi tránh được các sự cố máy móc trên băng chuyền nhờ cảm biến Amazon Monitron được tích hợp với phần mềm của bên thứ ba, chẳng hạn như EAM được sử dụng tại Amazon cũng như với các kỹ thuật viên phòng trò chuyện được sử dụng. Điều này cho thấy cách bạn có thể tích hợp thông tin chi tiết về Amazon Monitron một cách tự nhiên vào quy trình làm việc hiện có của mình. Hãy theo dõi trong những tháng tới để đọc phần tiếp theo của loạt bài này với việc triển khai thực tế hoạt động tích hợp này.
Bạn cũng có thể sử dụng luồng dữ liệu để nhập thông tin chuyên sâu về Amazon Monitron trở lại hệ thống phân xưởng như Kiểm soát giám sát và Thu thập dữ liệu (SCADA) hoặc Lịch sử. Người vận hành khu vực sản xuất hiệu quả hơn khi tất cả thông tin chi tiết về tài sản và quy trình của họ được cung cấp trong một ô kính duy nhất. Trong khái niệm này, Amazon Monitron không trở thành một công cụ khác mà các kỹ thuật viên phải giám sát, mà là một nguồn dữ liệu khác với thông tin chuyên sâu được cung cấp trong một chế độ xem mà họ đã quen sử dụng. Cuối năm nay, chúng tôi cũng sẽ mô tả một kiến trúc mà bạn có thể sử dụng để thực hiện nhiệm vụ này và gửi phản hồi của Amazon Monitron tới các nhà sử học và hệ thống SCADA lớn của bên thứ ba.
Cuối cùng nhưng không kém phần quan trọng, luồng dữ liệu mới từ Amazon Monitron bao gồm quá trình chuyển đổi trạng thái nội dung và mã đóng do người dùng cung cấp khi xác nhận cảnh báo (kích hoạt quá trình chuyển đổi sang trạng thái mới). Nhờ dữ liệu này, bạn có thể tự động xây dựng các hình ảnh trực quan cung cấp báo cáo theo thời gian thực về các lỗi và hành động được thực hiện khi vận hành tài sản của họ.
Sau đó, nhóm của bạn có thể xây dựng bảng điều khiển phân tích dữ liệu rộng hơn để hỗ trợ hoạt động quản lý nhóm công nghiệp của bạn bằng cách kết hợp dữ liệu trạng thái tài sản này với dữ liệu đo lường Amazon Monitron và dữ liệu IoT khác trên các nhóm tài sản công nghiệp lớn bằng cách sử dụng các dịch vụ AWS chính mà chúng tôi mô tả trong bài đăng này. Chúng tôi giải thích cách xây dựng kho dữ liệu IoT, quy trình sản xuất và sử dụng dữ liệu, cũng như bảng điều khiển tóm tắt để trực quan hóa dữ liệu cảm biến Amazon Monitron và kết quả suy luận. Chúng tôi sử dụng bộ dữ liệu Amazon Monitron lấy từ khoảng 780 cảm biến được lắp đặt trong một nhà kho công nghiệp đã hoạt động được hơn 1 năm. Để biết hướng dẫn cài đặt Amazon Monitron chi tiết, hãy tham khảo Bắt đầu với Amazon Monitron.
Tổng quan về giải pháp
Amazon Monitron cung cấp suy luận ML về tình trạng sức khỏe của tài sản sau 21 ngày của thời gian đào tạo mô hình ML cho từng tài sản. Trong giải pháp này, dữ liệu đo lường và suy luận ML từ các cảm biến này được xuất sang Amazon S3 thông qua Luồng dữ liệu Amazon Kinesis bằng cách sử dụng tính năng xuất dữ liệu Amazon Monitron mới nhất. Ngay khi dữ liệu Amazon Monitron IoT có sẵn trong Amazon S3, cơ sở dữ liệu và bảng sẽ được tạo trong amazon Athena bằng cách sử dụng một Trình thu thập AWS Glue. Bạn có thể truy vấn dữ liệu Amazon Monitron qua bảng AWS Glue với Athena và trực quan hóa dữ liệu đo lường và suy luận ML với Grafana do Amazon quản lý. Với Grafana do Amazon quản lý, bạn có thể tạo, khám phá và chia sẻ bảng điều khiển khả năng quan sát với nhóm của mình, đồng thời tốn ít thời gian hơn để quản lý cơ sở hạ tầng Grafana của mình. Trong bài đăng này, bạn kết nối Amazon Managed Grafana với Athena và tìm hiểu cách xây dựng bảng điều khiển phân tích dữ liệu với dữ liệu Amazon Monitron để giúp bạn lập kế hoạch vận hành tài sản công nghiệp trên quy mô lớn.
Ảnh chụp màn hình sau đây là một ví dụ về những gì bạn có thể đạt được ở cuối bài đăng này. Bảng điều khiển này được chia thành ba phần:
- Chế độ xem thực vật – Thông tin phân tích từ tất cả các cảm biến trên khắp các nhà máy; ví dụ: tổng số lượng các trạng thái khác nhau của cảm biến (Khỏe mạnh, Cảnh báo hoặc Báo động), số lượng cảnh báo chưa được xác nhận và được xác nhận, kết nối cổng và thời gian trung bình để bảo trì
- Chế độ xem trang web – Thống kê cấp trang web, chẳng hạn như thống kê trạng thái nội dung tại mỗi trang web, tổng số ngày mà cảnh báo vẫn chưa được xác nhận, nội dung hoạt động tốt nhất/dưới cùng tại mỗi trang web, v.v.
- Chế độ xem nội dung – Thông tin tóm tắt cho dự án Amazon Monitron ở cấp tài sản, chẳng hạn như loại cảnh báo cho cảnh báo chưa được xác nhận (ISO hoặc ML), lịch trình cho cảnh báo, v.v.
Những bảng này là những ví dụ có thể giúp lập kế hoạch hoạt động chiến lược, nhưng chúng không độc quyền. Bạn có thể sử dụng quy trình làm việc tương tự để tùy chỉnh bảng điều khiển theo KPI được nhắm mục tiêu của mình.
Tổng quan kiến trúc
Giải pháp mà bạn sẽ xây dựng trong bài đăng này kết hợp Amazon Monitron, Kinesis Data Streams, Amazon Kinesis Dữ liệu Firehose, Amazon S3, AWS Glue, Athena và Grafana do Amazon quản lý.
Sơ đồ sau đây minh họa kiến trúc giải pháp. Cảm biến Amazon Monitron đo lường và phát hiện các điểm bất thường từ thiết bị. Cả dữ liệu đo lường và đầu ra suy luận ML đều được xuất với tần suất một lần mỗi giờ sang luồng dữ liệu Kinesis và chúng được gửi tới Amazon S3 qua Kinesis Data Firehose với bộ đệm 1 phút. Dữ liệu Amazon Monitron đã xuất ở định dạng JSON. Trình thu thập dữ liệu AWS Glue phân tích dữ liệu Amazon Monitron trong Amazon S3 với tần suất đã chọn là một lần mỗi giờ, xây dựng giản đồ siêu dữ liệu và tạo bảng trong Athena. Cuối cùng, Amazon Managed Grafana sử dụng Athena để truy vấn dữ liệu Amazon S3, cho phép xây dựng bảng thông tin để trực quan hóa cả dữ liệu đo lường và tình trạng sức khỏe của thiết bị.
Để xây dựng giải pháp này, bạn hoàn thành các bước cấp cao sau:
- Kích hoạt tính năng xuất Luồng dữ liệu Kinesis từ Amazon Monitron và tạo luồng dữ liệu.
- Định cấu hình Kinesis Data Firehose để phân phối dữ liệu từ luồng dữ liệu đến bộ chứa S3.
- Xây dựng trình thu thập dữ liệu AWS Glue để tạo bảng dữ liệu Amazon S3 trong Athena.
- Tạo bảng điều khiển các thiết bị Amazon Monitron bằng Grafana được quản lý bởi Amazon.
Điều kiện tiên quyết
Đối với hướng dẫn này, bạn nên có các điều kiện tiên quyết sau:
Ngoài ra, hãy đảm bảo rằng tất cả tài nguyên bạn triển khai đều ở trong cùng một Khu vực.
Cho phép xuất luồng dữ liệu Kinesis từ Amazon Monitron và tạo luồng dữ liệu
Để định cấu hình xuất luồng dữ liệu của bạn, hãy hoàn thành các bước sau:
- Trên bảng điều khiển Amazon Monitron, từ trang chính của dự án, hãy chọn Bắt đầu xuất dữ liệu trực tiếp.
- Theo Chọn luồng dữ liệu Amazon Kinesis, chọn Tạo một luồng dữ liệu mới.
- Theo Cấu hình luồng dữ liệu, hãy nhập tên luồng dữ liệu của bạn.
- Trong Dung lượng luồng dữ liệu, chọn Theo yêu cầu.
- Chọn Tạo luồng dữ liệu.
Lưu ý rằng mọi hoạt động xuất dữ liệu trực tiếp được bật sau ngày 4 tháng 2023 năm 2 sẽ truyền dữ liệu theo giản đồ Kinesis Data Streams v1. Nếu bạn đã bật tính năng xuất dữ liệu hiện có trước ngày này, thì lược đồ sẽ tuân theo định dạng vXNUMX.
Giờ đây, bạn có thể xem thông tin xuất dữ liệu trực tiếp trên bảng điều khiển Amazon Monitron với luồng dữ liệu Kinesis được chỉ định của bạn.
Định cấu hình Kinesis Data Firehose để phân phối dữ liệu tới bộ chứa S3
Để định cấu hình luồng phân phối Firehose của bạn, hãy hoàn thành các bước sau:
- Trên bảng điều khiển Kinesis, chọn Luồng phân phối trong khung điều hướng.
- Chọn Tạo luồng phân phối.
- Trong nguồn, lựa chọn Luồng dữ liệu Amazon Kinesis.
- Trong Nơi đến, lựa chọn Amazon S3.
- Theo Cài đặt nguồn, Cho Luồng dữ liệu Kinesis, hãy nhập ARN của luồng dữ liệu Kinesis của bạn.
- Theo Tên luồng phân phối, hãy nhập tên luồng dữ liệu Kinesis của bạn.
- Theo Cài đặt đích, chọn nhóm S3 hoặc nhập URI nhóm. Bạn có thể sử dụng bộ chứa S3 hiện có để lưu trữ dữ liệu Amazon Monitron hoặc bạn có thể tạo bộ chứa S3 mới.
- Kích hoạt phân vùng động bằng cách sử dụng phân tích cú pháp nội tuyến cho JSON:
- Chọn Kích hoạt cho phân vùng động.
- Chọn Kích hoạt cho Phân tích nội tuyến cho JSON.
- Theo Các phím phân vùng động, thêm các khóa phân vùng sau:
Tên khóa | Biểu hiện JQ |
dự án | .projectName| "project=(.)" |
website | .eventPayload.siteName| "site=(.)" |
tài sản | .eventPayload.assetName| "asset=(.)" |
vị trí | .eventPayload.positionName| "position=(.)" |
thời gian | .timestamp| sub(" [0-9]{2}:[0-9]{2}:[0-9]{2}.[0-9]{3}$"; "")| "time=(.)" |
- Chọn Áp dụng các khóa phân vùng động và xác nhận tiền tố bộ chứa S3 đã tạo là:
- Nhập tiền tố cho Tiền tố đầu ra lỗi thùng S3. Bất kỳ tải trọng JSON nào không chứa các khóa được mô tả trước đó sẽ được gửi trong tiền tố này. Ví dụ, các
gatewayConnected
vàgatewayDisconnected
các sự kiện không được liên kết với một tài sản hoặc vị trí nhất định. Do đó, chúng sẽ không chứaassetName
vàpositionName
lĩnh vực. Chỉ định tiền tố tùy chọn này ở đây cho phép bạn giám sát vị trí này và xử lý các sự kiện này tương ứng. - Chọn Tạo luồng phân phối.
Bạn có thể kiểm tra dữ liệu Amazon Monitron trong bộ chứa S3. Lưu ý rằng dữ liệu Amazon Monitron sẽ xuất dữ liệu trực tiếp với tần suất một lần mỗi giờ, vì vậy hãy đợi 1 giờ để kiểm tra dữ liệu.
Thiết lập Kinesis Data Firehose này cho phép phân vùng động và các đối tượng S3 được phân phối sẽ sử dụng định dạng khóa sau:
Xây dựng trình thu thập thông tin AWS Glue để tạo bảng dữ liệu Amazon S3 trong Athena
Sau khi dữ liệu trực tiếp đã được xuất sang Amazon S3, chúng tôi sử dụng trình thu thập dữ liệu AWS Glue để tạo các bảng siêu dữ liệu. Trong bài đăng này, chúng tôi sử dụng trình thu thập dữ liệu AWS Glue để tự động suy luận lược đồ bảng và cơ sở dữ liệu từ dữ liệu Amazon Monitron được xuất trong Amazon S3 và lưu trữ siêu dữ liệu liên quan trong Danh mục dữ liệu AWS Glue. Sau đó, Athena sử dụng siêu dữ liệu bảng từ Danh mục dữ liệu để tìm, đọc và xử lý dữ liệu trong Amazon S3. Hoàn thành các bước sau để tạo lược đồ bảng và cơ sở dữ liệu của bạn:
- Trên bảng điều khiển AWS Glue, hãy chọn Trình thu thập thông tin trong khung điều hướng.
- Chọn Tạo trình thu thập thông tin.
- Nhập tên cho trình thu thập thông tin (ví dụ:
XXX_xxxx_monitron
). - Chọn Sau.
- Trong Dữ liệu của bạn đã được ánh xạ tới bảng Keo chưa, chọn Chưa được.
- Trong Nguồn dữ liệu, chọn S3.
- Trong Vị trí của dữ liệu S3, chọn Trong tài khoản nàyvà nhập đường dẫn của thư mục bộ chứa S3 mà bạn đã thiết lập ở phần trước (
s3://YourBucketName
). - Trong Thu thập thông tin lặp lại các kho dữ liệu S3, lựa chọn Thu thập tất cả các thư mục con.
- Cuối cùng, chọn Sau.
- Chọn Tạo vai trò IAM mới và nhập tên cho vai trò.
- Chọn Sau.
- Chọn Thêm cơ sở dữ liệu, và nhập tên cho cơ sở dữ liệu. Thao tác này sẽ tạo cơ sở dữ liệu Athena nơi đặt các bảng siêu dữ liệu của bạn sau khi trình thu thập thông tin hoàn tất.
- Trong lịch trình trình thu thập thông tin, chọn một bộ lập lịch dựa trên thời gian ưa thích (ví dụ: hàng giờ) để làm mới dữ liệu Amazon Monitron trong cơ sở dữ liệu và chọn Sau.
- Xem lại chi tiết trình thu thập thông tin và chọn Tạo.
- trên Trình thu thập thông tin trang của bảng điều khiển AWS Glue, chọn trình thu thập thông tin bạn đã tạo và chọn Chạy trình thu thập thông tin.
Bạn có thể cần đợi một vài phút, tùy thuộc vào kích thước của dữ liệu. Khi hoàn tất, trạng thái của trình thu thập thông tin hiển thị là Sẵn sàng. Để xem các bảng siêu dữ liệu, hãy điều hướng đến cơ sở dữ liệu của bạn trên Cơ sở dữ liệu trang và chọn Bàn trong khung điều hướng.
Bạn cũng có thể xem dữ liệu bằng cách chọn Bảng dữ liệu trên bảng điều khiển.
Bạn được chuyển hướng đến bảng điều khiển Athena để xem 10 bản ghi hàng đầu của dữ liệu Amazon Monitron trong Amazon S3.
Tạo bảng điều khiển các thiết bị Amazon Monitron với Amazon Managed Grafana
Trong phần này, chúng tôi xây dựng một bảng điều khiển tùy chỉnh với Amazon Managed Grafana để trực quan hóa dữ liệu Amazon Monitron trong Amazon S3, để nhóm OT có thể có quyền truy cập hợp lý vào các tài sản trong tình trạng báo động trên toàn bộ nhóm cảm biến Amazon Monitron của họ. Điều này sẽ cho phép nhóm OT lập kế hoạch cho các hành động bước tiếp theo dựa trên nguyên nhân gốc rễ có thể có của sự bất thường.
Đến tạo không gian làm việc Grafana, hoàn thành các bước sau:
- Đảm bảo rằng vai trò người dùng của bạn là quản trị viên hoặc biên tập viên.
- Trên bảng điều khiển Grafana được quản lý của Amazon, hãy chọn Tạo không gian làm việc.
- Trong Tên không gian làm việc, hãy nhập tên cho không gian làm việc.
- Chọn Sau.
- Trong Quyền truy cập xác thực, lựa chọn Trung tâm nhận dạng AWS IAM (người kế nhiệm AWS Single Sign-On). Bạn có thể sử dụng cùng một Người dùng Trung tâm nhận dạng AWS IAM mà bạn đã sử dụng để thiết lập dự án Amazon Monitron của mình.
- Chọn Sau.
- Đối với không gian làm việc đầu tiên này, hãy xác nhận rằng Dịch vụ được quản lý được chọn cho Loại quyền. Lựa chọn này cho phép Amazon Managed Grafana tự động cung cấp các quyền bạn cần cho các nguồn dữ liệu AWS mà bạn sử dụng cho không gian làm việc này.
- Chọn Tài khoản hiện tại.
- Chọn Sau.
- Xác nhận chi tiết không gian làm việc và chọn Tạo không gian làm việc. Trang chi tiết không gian làm việc xuất hiện. Ban đầu, trạng thái là SÁNG TẠO.
- Chờ cho đến khi trạng thái ACTIVE để tiến hành bước tiếp theo.
Để định cấu hình nguồn dữ liệu Athena của bạn, hãy hoàn tất các bước sau:
- Trên bảng điều khiển Grafana do Amazon quản lý, hãy chọn không gian làm việc mà bạn muốn làm việc.
- trên Nguồn dữ liệu tab, chọn amazon Athena, và lựa chọn Hành động, Bật chính sách do dịch vụ quản lý.
- Chọn Định cấu hình trong Grafana trong amazon Athena hàng.
- Đăng nhập vào bảng điều khiển không gian làm việc Grafana bằng Trung tâm nhận dạng IAM nếu cần. Người dùng phải có chính sách truy cập Athena được đính kèm với người dùng hoặc vai trò để có quyền truy cập vào nguồn dữ liệu Athena. Nhìn thấy Chính sách được quản lý của AWS: AmazonGrafanaAthenaAccess để biết thêm chi tiết.
- Trên bảng điều khiển không gian làm việc Grafana, trong ngăn điều hướng, hãy chọn biểu tượng AWS bên dưới (có hai) rồi chọn Athena trên Nguồn dữ liệu đơn.
- Chọn Khu vực mặc định mà bạn muốn nguồn dữ liệu Athena truy vấn từ đó, chọn các tài khoản mà bạn muốn, sau đó chọn Thêm nguồn dữ liệu.
- Làm theo các bước để cấu hình chi tiết Athena.
Nếu nhóm làm việc của bạn trong Athena chưa định cấu hình vị trí đầu ra, thì bạn cần chỉ định bộ chứa S3 và thư mục để sử dụng cho kết quả truy vấn. Sau khi thiết lập nguồn dữ liệu, bạn có thể xem hoặc chỉnh sửa nó trong Cấu hình cửa sổ.
Trong các phần phụ sau đây, chúng tôi minh họa một số bảng trong bảng điều khiển Amazon Monitron được tích hợp trong Grafana do Amazon quản lý để hiểu rõ hơn về hoạt động. Nguồn dữ liệu Athena cung cấp một trình soạn thảo truy vấn SQL tiêu chuẩn mà chúng tôi sẽ sử dụng để phân tích dữ liệu Amazon Monitron nhằm tạo ra các phân tích mong muốn.
Đầu tiên, nếu có nhiều cảm biến trong dự án Amazon Monitron và chúng ở các trạng thái khác nhau (khỏe mạnh, cảnh báo, báo động và cần bảo trì), nhóm OT muốn xem trực quan số lượng vị trí mà cảm biến ở các trạng thái khác nhau. Bạn có thể lấy thông tin đó dưới dạng tiện ích biểu đồ hình tròn trong Grafana thông qua truy vấn Athena sau:
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;
Ảnh chụp màn hình sau đây hiển thị một bảng có phân phối trạng thái cảm biến Amazon Monitron mới nhất.
Để định dạng truy vấn SQL của bạn cho dữ liệu Amazon Monitron, hãy tham khảo Hiểu lược đồ xuất dữ liệu.
Tiếp theo, nhóm Công nghệ Hoạt động của bạn có thể muốn lập kế hoạch bảo trì dự đoán dựa trên tài sản đang ở trạng thái cảnh báo và do đó, họ muốn biết nhanh tổng số cảnh báo được xác nhận so với số cảnh báo chưa được xác nhận. Bạn có thể hiển thị thông tin tóm tắt về trạng thái báo động dưới dạng bảng thống kê đơn giản trong 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';
Bảng sau đây hiển thị các cảnh báo đã được xác nhận và chưa được xác nhận.
Nhóm OT cũng có thể truy vấn lượng thời gian các cảm biến duy trì ở trạng thái báo động để họ có thể quyết định mức độ ưu tiên bảo trì của mình:
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;
Đầu ra của phân tích này có thể được hiển thị bằng biểu đồ thanh trong Grafana và cảnh báo ở trạng thái báo động có thể dễ dàng được hiển thị như trong ảnh chụp màn hình sau.
Để phân tích hiệu suất của tài sản trên cùng/dưới cùng dựa trên tổng thời gian tài sản ở trạng thái báo động hoặc cần bảo trì, hãy sử dụng truy vấn sau:
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;
Thước đo thanh sau đây được sử dụng để trực quan hóa đầu ra của truy vấn trước đó, với các nội dung hoạt động tốt nhất hiển thị 0 ngày ở trạng thái báo động và các nội dung hoạt động kém nhất hiển thị các trạng thái báo động tích lũy trong năm qua.
Để giúp nhóm OT hiểu nguyên nhân gốc rễ có thể có của sự bất thường, các loại cảnh báo có thể được hiển thị cho những nội dung này vẫn ở trạng thái cảnh báo với truy vấn sau:
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');
Bạn có thể hình dung phân tích này dưới dạng bảng trong Grafana. Trong dự án Amazon Monitron này, hai cảnh báo đã được kích hoạt bởi các mô hình ML để đo độ rung.
Bảng điều khiển Grafana do Amazon quản lý được hiển thị ở đây nhằm mục đích minh họa. Bạn có thể điều chỉnh thiết kế bảng điều khiển theo nhu cầu kinh doanh của riêng mình.
Báo cáo lỗi
Khi người dùng xác nhận cảnh báo trong ứng dụng Amazon Monitron, các tài sản được liên kết sẽ chuyển sang trạng thái mới. Người dùng cũng có cơ hội cung cấp một số chi tiết về báo động này:
- Nguyên nhân thất bại – Đây có thể là một trong những vấn đề sau: QUẢN TRỊ, THIẾT KẾ, CHẾ TẠO, BẢO TRÌ, VẬN HÀNH, KHÁC, CHẤT LƯỢNG, ĐỘ Mòn hoặc KHÔNG XÁC ĐỊNH
- Chế độ thất bại – Đây có thể là một trong những vấn đề sau: NO_ISSUE, BLOCKAGE, CAVITATION, CORROSION, Deposit, IMBALANCE, LUBRICATION, MISALIGNMENT, OTHER, RESONANCE, ROTATING_LOOSENESS, STRUCTURAL_LOOSENESS, TRANSMITTED_FAULT hoặc UNDETERMINED
- Hành động – Điều này có thể là ĐIỀU CHỈNH, LÀM SẠCH, BÔI TRƠN, SỬA ĐỔI, ĐẠI CƯƠNG, THAY THẾ, KHÔNG HÀNH ĐỘNG hoặc KHÁC
Tải trọng sự kiện liên quan đến chuyển đổi trạng thái nội dung chứa tất cả thông tin này, trạng thái trước đó của nội dung và trạng thái mới của nội dung. Hãy theo dõi bản cập nhật của bài đăng này với nhiều chi tiết hơn về cách bạn có thể sử dụng thông tin này trong bảng Grafana bổ sung để xây dựng biểu đồ Pareto về các lỗi và hành động phổ biến nhất được thực hiện trên tài sản của bạn.
Kết luận
Các khách hàng doanh nghiệp của Amazon Monitron đang tìm kiếm một giải pháp để xây dựng hồ dữ liệu IoT với dữ liệu trực tiếp của Amazon Monitron, để họ có thể quản lý nhiều dự án và tài sản của Amazon Monitron, đồng thời tạo báo cáo phân tích trên nhiều dự án Amazon Monitron. Bài đăng này cung cấp hướng dẫn chi tiết về giải pháp xây dựng hồ dữ liệu IoT này với phiên bản mới nhất Tính năng xuất dữ liệu Amazon Monitron Kinesis v2. Giải pháp này cũng cho thấy cách sử dụng các dịch vụ AWS khác, chẳng hạn như AWS Glue và Athena để truy vấn dữ liệu, tạo đầu ra phân tích và trực quan hóa các đầu ra đó bằng Amazon Managed Grafana với tính năng làm mới thường xuyên.
Bước tiếp theo, bạn có thể mở rộng giải pháp này bằng cách gửi kết quả suy luận ML đến các hệ thống EAM khác mà bạn có thể sử dụng để quản lý lệnh sản xuất. Điều này sẽ cho phép nhóm vận hành của bạn tích hợp Amazon Monitron với các ứng dụng doanh nghiệp khác và cải thiện hiệu quả hoạt động của chúng. Bạn cũng có thể bắt đầu xây dựng thông tin chi tiết chuyên sâu hơn về các chế độ lỗi và hành động được thực hiện bằng cách xử lý quá trình chuyển đổi trạng thái tài sản và mã đóng hiện là một phần của tải trọng luồng dữ liệu Kinesis.
Giới thiệu về tác giả
Julia Hồ là Kiến trúc sư giải pháp AI/ML cao cấp tại Amazon Web Services. Cô có nhiều kinh nghiệm về kiến trúc IoT và Khoa học dữ liệu ứng dụng, đồng thời là thành viên của cả Cộng đồng lĩnh vực kỹ thuật máy học và IoT. Cô làm việc với các khách hàng, từ công ty mới thành lập đến doanh nghiệp, để phát triển các giải pháp máy học (ML) AWSome IoT, ở Biên và trong Đám mây. Cô ấy thích tận dụng công nghệ dữ liệu lớn và IoT mới nhất để mở rộng quy mô giải pháp ML của mình, giảm độ trễ và đẩy nhanh quá trình áp dụng trong ngành.
Bishr Tabbaa là kiến trúc sư giải pháp tại Amazon Web Services. Bishr chuyên trợ giúp khách hàng về các ứng dụng máy học, bảo mật và khả năng quan sát. Ngoài công việc, anh ấy thích chơi quần vợt, nấu ăn và dành thời gian cho gia đình.
Shalika Pargal là Giám đốc sản phẩm tại Amazon Web Services. Shalika tập trung vào việc xây dựng các sản phẩm và dịch vụ AI cho khách hàng Công nghiệp. Cô ấy mang lại kinh nghiệm quan trọng tại giao điểm của Phát triển Sản phẩm, Công nghiệp và Kinh doanh. Cô vừa chia sẻ Câu chuyện thành công của Monitron tại Phát minh lại 2022.
Garry Galinsky là Kiến trúc sư giải pháp chính hỗ trợ Amazon trên AWS. Anh ấy đã gắn bó với Monitron kể từ khi nó ra mắt và đã giúp tích hợp và triển khai giải pháp vào mạng lưới thực hiện đơn hàng trên toàn thế giới của Amazon. Gần đây anh ấy đã chia sẻ của Amazon Câu chuyện thành công của Monitron tại re:Invent 2022.
Michael Hoarau là Kiến trúc sư giải pháp chuyên gia AI/ML tại AWS, người luân phiên giữa nhà khoa học dữ liệu và kiến trúc sư máy học, tùy thuộc vào thời điểm. Anh ấy đam mê mang sức mạnh AI/ML đến các tầng cửa hàng của các khách hàng công nghiệp của mình và đã làm việc trên nhiều trường hợp sử dụng ML, từ phát hiện điểm bất thường đến dự đoán chất lượng sản phẩm hoặc tối ưu hóa sản xuất. Anh ấy đã xuất bản một cuốn sách về phân tích chuỗi thời gian vào năm 2022 và thường xuyên viết về chủ đề này trên LinkedIn và Trung bình. Khi không giúp khách hàng phát triển trải nghiệm học máy tốt nhất tiếp theo, anh ấy thích quan sát các vì sao, đi du lịch hoặc chơi piano.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến thức. Truy cập Tại đây.
- Đúc kết tương lai với Adryenn Ashley. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/generate-actionable-insights-for-predictive-maintenance-management-with-amazon-monitron-and-amazon-kinesis/
- : có
- :là
- :không phải
- $ LÊN
- 1
- 10
- 100
- 200
- 2022
- 2023
- 7
- 8
- 9
- a
- Giới thiệu
- đẩy nhanh tiến độ
- truy cập
- Theo
- cho phù hợp
- Trợ Lý Giám Đốc
- Tích lũy
- Đạt được
- mua lại
- ngang qua
- Hoạt động
- hành động
- hoạt động
- thích ứng
- thêm vào
- quản trị viên
- quản lý
- Nhận con nuôi
- Sau
- AI
- AI / ML
- Hỗ trợ
- báo động
- Cảnh báo
- Tất cả
- Cho phép
- cho phép
- Đã
- Ngoài ra
- đàn bà gan dạ
- Amazon Kinesis
- Grafana do Amazon quản lý
- Amazon Web Services
- số lượng
- an
- phân tích
- Phân tích
- phân tích
- phân tích
- phân tích
- và
- phát hiện bất thường
- Một
- bất kì
- ứng dụng
- các ứng dụng
- áp dụng
- phương pháp tiếp cận
- Tháng Tư
- kiến trúc
- LÀ
- AS
- tài sản
- quản lý tài sản
- Tài sản
- liên kết
- At
- Tự động
- tự động
- tự động hóa
- có sẵn
- Trung bình cộng
- tránh
- AWS
- Keo AWS
- trở lại
- thanh
- dựa
- BE
- trở nên
- được
- trước
- BEST
- Hơn
- giữa
- lớn
- Dữ Liệu Lớn.
- cuốn sách
- cả hai
- đáy
- Đưa
- Mang lại
- rộng hơn
- đệm
- xây dựng
- Xây dựng
- xây dựng
- xây dựng
- kinh doanh
- phát triển kinh doanh
- nhưng
- by
- CAN
- Có thể có được
- nắm bắt
- trường hợp
- trường hợp
- Danh mục hàng
- Nguyên nhân
- nguyên nhân
- Trung tâm
- Trung tâm
- thách thức
- Biểu đồ
- Bảng xếp hạng
- các phòng chat
- Chọn
- lựa chọn
- lựa chọn
- phân loại
- đóng cửa
- đám mây
- mã
- Thu
- kết hợp
- kết hợp
- kết hợp
- đến
- Chung
- cộng đồng
- hoàn thành
- phức tạp
- khái niệm
- điều kiện
- Xác nhận
- Kết nối
- Kết nối
- An ủi
- ăn
- chứa
- chứa
- liên tục
- điều khiển
- có thể
- thu thập thông tin
- tạo
- tạo ra
- tạo ra
- tạo
- khách hàng
- tùy chỉnh
- tùy chỉnh
- chu kỳ
- bảng điều khiển
- dữ liệu
- Phân tích dữ liệu
- Hồ dữ liệu
- khoa học dữ liệu
- nhà khoa học dữ liệu
- Cơ sở dữ liệu
- Ngày
- Ngày
- ra mắt
- quyết định
- Mặc định
- cung cấp
- giao
- giao hàng
- chứng minh
- Tùy
- triển khai
- nạp tiền
- mô tả
- mô tả
- Thiết kế
- mong muốn
- chi tiết
- chi tiết
- Phát hiện
- phát triển
- Phát triển
- thiết bị
- Thiết bị (Devices)
- khác nhau
- trực tiếp
- khám phá
- phân phối
- Chia
- Không
- thời gian chết
- năng động
- mỗi
- Sớm hơn
- dễ dàng
- Cạnh
- biên tập viên
- hiệu quả
- hiệu quả
- hiệu quả
- hiệu quả
- hay
- cho phép
- kích hoạt
- cho phép
- Cuối cùng đến cuối
- Kỹ sư
- Làm giàu
- làm giàu
- đăng ký hạng mục thi
- Doanh nghiệp
- doanh nghiệp
- môi trường
- Trang thiết bị
- lôi
- Sự kiện
- sự kiện
- ví dụ
- ví dụ
- Dành riêng
- hiện tại
- Mở rộng
- kinh nghiệm
- Kinh nghiệm
- Giải thích
- khám phá
- xuất khẩu
- mở rộng
- Trải nghiệm sâu sắc
- Không
- gia đình
- thông tin phản hồi
- vài
- lĩnh vực
- Lĩnh vực
- Cuối cùng
- Tìm kiếm
- Tên
- VÒI
- Sàn nhà
- tập trung
- tập trung
- theo
- tiếp theo
- Trong
- định dạng
- tần số
- thường xuyên
- từ
- Thu được
- cửa ngõ
- tạo ra
- tạo ra
- được
- được
- ly
- Nhóm
- hướng dẫn
- xảy ra
- Có
- he
- cho sức khoẻ
- khỏe mạnh
- giúp đỡ
- đã giúp
- giúp đỡ
- tại đây
- cấp độ cao
- Độ đáng tin của
- Hướng dẫn
- HTML
- HTTPS
- IBM
- ICON
- xác định
- Bản sắc
- mất cân bằng
- thực hiện
- thực hiện
- nâng cao
- in
- sâu
- bao gồm
- bao gồm
- Incoming
- công nghiệp
- ngành công nghiệp
- Thông tin
- thông tin
- Cơ sở hạ tầng
- ban đầu
- những hiểu biết
- cài đặt
- phần
- ví dụ
- tích hợp
- tích hợp
- hội nhập
- Internet
- Internet của sự vật
- ngã tư
- trong
- tham gia
- iốt
- ISO
- các vấn đề
- IT
- ITS
- tham gia
- jpg
- json
- Keen
- Key
- phím
- Vòi cứu hỏa dữ liệu Kinesis
- Luồng dữ liệu Kinesis
- Biết
- hồ
- lớn
- Độ trễ
- mới nhất
- phát động
- LEARN
- học tập
- Cấp
- tận dụng
- LIMIT
- Hạn chế
- dòng
- liên kết
- sống
- Dữ liệu trực tiếp
- nằm
- địa điểm thư viện nào
- tìm kiếm
- máy
- học máy
- máy móc thiết bị
- Chủ yếu
- duy trì
- bảo trì
- chính
- làm cho
- quản lý
- quản lý
- quản lý
- giám đốc
- Quản lý
- quản lý
- sản xuất
- nhiều
- Tối đa hóa
- Có thể..
- đo
- cơ khí
- trung bình
- Menu
- Siêu dữ liệu
- Might
- Phút
- mất tích
- ML
- di động
- ứng dụng di động
- kiểu mẫu
- mô hình
- chế độ
- sửa đổi
- thời điểm
- Màn Hình
- giám sát
- tháng
- chi tiết
- hiệu quả hơn
- hầu hết
- nhiều
- tên
- Điều hướng
- THÔNG TIN
- cần thiết
- Cần
- nhu cầu
- mạng
- Mới
- tiếp theo
- tại
- con số
- đối tượng
- được
- of
- on
- ONE
- có thể
- mở ra
- hoạt động
- hoạt động
- hoạt động
- hoạt động
- Hoạt động
- khai thác
- Cơ hội
- tối ưu hóa
- or
- gọi món
- đơn đặt hàng
- cơ quan
- Nền tảng khác
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- đầu ra
- bên ngoài
- kết thúc
- tổng thể
- Đại tu
- riêng
- trang
- cửa sổ
- bảng điều khiển
- tấm
- một phần
- đam mê
- qua
- con đường
- Thực hiện
- hiệu suất
- biểu diễn
- định kỳ
- cho phép
- quyền
- kế hoạch
- lập kế hoạch
- Cây cối
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- chơi
- điều luật
- vị trí
- vị trí
- có thể
- Bài đăng
- tiềm năng
- quyền lực
- thực hành
- Đoán trước Analytics
- ưa thích
- điều kiện tiên quyết
- trước
- Hiệu trưởng
- ưu tiên
- Chủ động
- quá trình
- Quy trình
- xử lý
- sản xuất
- Sản phẩm
- giám đốc sản xuất
- Chất lượng sản phẩm
- Sản lượng
- Sản phẩm
- dự án
- dự án
- cho
- cung cấp
- cung cấp
- cung cấp
- công bố
- mục đích
- chất lượng
- Mau
- phạm vi
- khác nhau,
- RE
- Đọc
- thời gian thực
- lý do
- gần đây
- hồ sơ
- giảm
- khu
- thường xuyên
- củng cố
- độ tin cậy
- đáng tin cậy
- vẫn
- vẫn còn
- thay thế
- Báo cáo
- Báo cáo
- cộng hưởng
- Thông tin
- Kết quả
- Nguy cơ
- Vai trò
- phòng
- nguồn gốc
- HÀNG
- chạy
- chạy
- s
- tương tự
- sap
- Quy mô
- Khoa học
- Nhà khoa học
- phạm vi
- Phần
- phần
- an toàn
- an ninh
- chọn
- lựa chọn
- gửi
- cảm biến
- Loạt Sách
- dịch vụ
- DỊCH VỤ
- định
- thiết lập
- thiết lập
- một số
- Chia sẻ
- chia sẻ
- Cửa hàng
- nên
- hiển thị
- thể hiện
- Chương trình
- có ý nghĩa
- tương tự
- Đơn giản
- kể từ khi
- duy nhất
- website
- Các trang web
- Kích thước máy
- So
- Phần mềm
- giải pháp
- Giải pháp
- một số
- nguồn
- nguồn
- chuyên gia
- chuyên
- quy định
- tiêu
- Chi
- Tiêu chuẩn
- Sao
- Bắt đầu
- bắt đầu-up
- bắt đầu
- Tiểu bang
- Bang
- số liệu thống kê
- số liệu thống kê
- Trạng thái
- ở lại
- Bước
- Các bước
- Vẫn còn
- là gắn
- hàng
- Chiến lược
- Chiến lược
- dòng
- sắp xếp hợp lý
- dòng
- thành công
- như vậy
- TÓM TẮT
- hỗ trợ
- Hỗ trợ
- hệ thống
- hệ thống
- bàn
- nhắm mục tiêu
- Nhiệm vụ
- nhóm
- đội
- Kỹ thuật
- Công nghệ
- hơn
- Cảm ơn
- việc này
- Sản phẩm
- Nhà nước
- cung cấp their dịch
- Đó
- vì thế
- Kia là
- họ
- điều
- của bên thứ ba
- điều này
- năm nay
- số ba
- thời gian
- Chuỗi thời gian
- timeline
- dấu thời gian
- đến
- công cụ
- hàng đầu
- Top 10
- chủ đề
- Tổng số:
- theo dõi
- Hội thảo
- chuyển
- quá trình chuyển đổi
- chuyển tiếp
- Đi du lịch
- kích hoạt
- được kích hoạt
- loại
- hiểu
- Cập nhật
- thời gian hoạt động
- sử dụng
- đã sử dụng
- người sử dang
- Người sử dụng
- sử dụng
- v1
- khác nhau
- thông qua
- Video
- Xem
- vs
- chờ đợi
- hương
- cảnh báo
- là
- cách
- we
- web
- các dịch vụ web
- TỐT
- là
- Điều gì
- cái nào
- trong khi
- CHÚNG TÔI LÀ
- toàn bộ
- rộng
- Phạm vi rộng
- sẽ
- với
- Công việc
- làm việc
- Luồng công việc
- Nhóm làm việc
- công trinh
- khắp thế giới
- năm
- Bạn
- trên màn hình
- youtube
- zephyrnet