¿Qué es AWS IoT Analytics? - AWS IoT Analytics

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

¿Qué es AWS IoT Analytics?

AWS IoT AnalyticsAutomatiza los pasos requeridos para analizar datos desde dispositivos de IoT.AWS IoT AnalyticsAdemás, filtra, transforma y enriquece datos de IoT antes de almacenarlos en un almacén de datos de series temporales para su análisis. Puede configurar el servicio para recopilar solo los datos que necesite de sus dispositivos, aplicar transformaciones matemáticas a los datos para procesarlos y enriquecerlos con metadatos específicos del dispositivo, como el tipo de dispositivo y la ubicación, antes de almacenarlos. A continuación, puede analizar los datos ejecutando consultas mediante el motor de consultas SQL integrado, o realizar inferencia de aprendizaje automático y análisis más complejos.AWS IoT Analyticspermite la exploración de datos avanzada a través de la integración conBlocs de notas de Jupyter.AWS IoT AnalyticsTambién permite la visualización de datos a través de la integración conAmazon QuickSight. Amazon QuickSight está disponible enRegiones.

Las herramientas tradicionales de análisis e inteligencia empresarial están diseñadas para procesar datos estructurados. Los datos de IoT sin procesar suelen proceder de dispositivos que graban datos menos estructurados (tales como temperatura, movimiento o sonido). Como consecuencia, los datos de estos dispositivos pueden tener con frecuencia discontinuidades notables, mensajes dañados y lecturas falsas que se deben limpiar antes de poder llevar a cabo un análisis. Además, los datos de IoT suelen ser significativos solo en el contexto de otros datos de fuentes externas.AWS IoT AnalyticsPuede solucionar estos problemas y recopilar grandes cantidades de datos de dispositivos, procesar mensajes y almacenarlos. A continuación, puede consultar los datos y analizarlos.AWS IoT AnalyticsIncluye modelos predefinidos para casos de uso comunes de IoT, de modo que puede responder a preguntas como qué dispositivos están a punto de dar error o qué clientes corren riesgo de abandonar sus dispositivos «llevables» o «ponibles».

Cómo utilizar las AWS IoT Analytics

En el siguiente gráfico se muestra información general sobre cómo puede utilizarAWS IoT Analytics.


    Descripción general de cómo utilizarAWS IoT Analytics

Características principales

Recopilación
  • Integración con AWS IoT Core —AWS IoT Analyticsse integra completamente con AWS IoT Core Para que pueda procesar mensajes de los dispositivos conectados a medida que se reciben.

  • Utilice una API por lotes para agregar datos desde cualquier origenAWS IoT Analyticspuede recibir datos de cualquier fuente a través de HTTP. Esto significa que cualquier dispositivo o servicio que esté conectado a Internet puede enviar datos aAWS IoT Analytics. Para obtener más información, consulteBatchPutMessageen laAWS IoT AnalyticsReferencia de la API.

  • Recopilación únicamente los datos que desea almacenar y analizar: puede utilizar laAWS IoT Analyticspara configurarAWS IoT Analyticspara recibir mensajes desde dispositivos a través de filtros de temas de MQTT en varios formatos y frecuencias.AWS IoT AnalyticsValida que los datos están dentro de parámetros específicos que defina y crea canales. A continuación, el servicio dirige los canales a las canalizaciones adecuadas para realizar el procesamiento, la transformación y el enriquecimiento de los mensajes.

Proceso
  • Limpiar y filtrar...AWS IoT Analyticsle permite definirAWS Lambdafunciones que se activan cuandoAWS IoT Analyticsdetecta datos que faltan, de modo que puede ejecutar código para estimar y cubrir las discontinuidades. También se pueden definir filtros de máximo y mínimo y umbrales de percentil para quitar casos atípicos en los datos.

  • -AWS IoT AnalyticsPuede transformar mensajes utilizando la lógica matemática o condicional que se defina, de modo que puede realizar cálculos comunes como grados Celsius en conversión Fahrenheit.

  • Enriquecido...AWS IoT AnalyticsPuede enriquecer datos con orígenes de datos externos como, por ejemplo, información de previsión meteorológica y, a continuación, dirigir los datos alAWS IoT Analyticsalmacén de datos.

Almacenar
  • Almacén de datos de series temporales...AWS IoT AnalyticsAlmacena los datos de los dispositivos en un almacén de datos de series temporales optimizado para realizar un análisis y una recuperación más rápidos. También puede administrar permisos de acceso, implementar políticas de retención de datos y exportar los datos a puntos de acceso externos.

  • Almacenar datos procesados y sin procesar...AWS IoT AnalyticsAlmacena los datos procesados y además almacena automáticamente los datos adquiridos sin procesar para poder hacerlo posteriormente.

Análisis
  • Ejecutar consultas SQL ad hoc:AWS IoT Analyticsproporciona un motor de consultas SQL para que pueda ejecutar consultas ad hoc y obtener los resultados rápidamente. El servicio le permite utilizar consultas SQL estándar para extraer datos desde el almacén de datos para responder a preguntas como la distancia promedio que recorre una flota de vehículos conectados o cuántas puertas están bloqueadas después de las 19:00 h en un edificio inteligente. Estas consultas se pueden reutilizar incluso si cambian los dispositivos conectados, el tamaño de la flota y los requisitos de análisis.

  • Análisis de series temporales...AWS IoT AnalyticsAdmite análisis de series temporales para que pueda analizar el desempeño de los dispositivos a lo largo del tiempo y para saber cómo y dónde se están utilizando, monitorizar continuamente los datos de los dispositivos para predecir problemas de mantenimiento y monitorizar sensores para predecir y reaccionar ante condiciones ambientales.

  • Portátiles alojados para análisis sofisticados y aprendizaje automático:AWS IoT AnalyticsIncluye soporte para blocs de notas alojados en Jupyter Notebook para análisis estadístico y aprendizaje automático. El servicio incluye un conjunto de plantillas de bloc de notas que contienenAWSmodelos de aprendizaje automático y visualizaciones. Puede utilizar las plantillas para empezar con casos de uso de IoT relacionados con perfiles de errores de dispositivo, previsión de eventos de bajo uso que podrían indicar que el cliente abandonará el producto o segmentación de dispositivos por niveles de uso de los clientes (por ejemplo usuarios intensivos, usuarios de fin de semana) o estado del dispositivo. Después de crear un bloc de notas, puede incluirlo en contenedores y ejecutarlo según una programación que especifique. Para obtener más información, consulteAutomation.

  • Predicción: puede realizar una clasificación estadística a través de un método denominado regresión logística. Además puede utilizar la Memoria a largo-corto plazo (LSTM), que es una potente técnica de redes neuronales para predecir el resultado o estado de un proceso que varía a lo largo del tiempo. Las plantillas de bloc de notas prediseñadas admiten además el algoritmo de clústering de K-means para segmentación de dispositivos, que agrupa los dispositivos en grupos de dispositivos similares. Estas plantillas se utilizan normalmente para realizar perfiles de estado de dispositivos como, por ejemplo, equipos de sistemas de aire acondicionado en una fábrica de chocolate o el desgaste de las palas de una turbina eólica. De nuevo, estas plantillas de bloc de notas pueden incluirse y ejecutarse según una programación.

Creación y visualización
  • Integración de Amazon QuickSightAWS IoT AnalyticsProporciona un conector para Amazon QuickSight que permite visualizar los conjuntos de datos en un panel de QuickSight.

  • Integración de consola: además, puede visualizar los resultados o su análisis ad-hoc en el Jupyter Notebook integrado en laAWS IoT Analytics'

AWS IoT AnalyticsComponentes y conceptos

Canal

Un canal recopila datos desde un tema MQTT y archiva los mensajes sin procesar antes de publicar los datos en una canalización. También puede enviar mensajes a un canal directamente a través de laBatchPutMessage API. Los mensajes sin procesar se almacenan en un bucket de Amazon Simple Storage Service (Amazon S3) queAWS IoT AnalyticsAdministre.

Canalización

Una canalización consume mensajes de un canal y permite procesar los mensajes antes de guardarlos en un almacén de datos. Los pasos de procesamiento, llamadosActividades de(Actividades de canalización), realice transformaciones en los mensajes, tales como eliminar, cambiar el nombre o añadir atributos al mensaje, filtrar mensajes en función de los valores de los atributos, ejecutar funciones de Lambda con los mensajes para el procesamiento avanzado o realizar transformaciones matemáticas para normalizar los datos de los dispositivos.

Almacén de datos

Las canalizaciones almacenan sus mensajes procesados en un almacén de datos. Un almacén de datos no es una base de datos, sino un repositorio de mensajes que se puede escalar y consultar. Puede tener varios almacenes de datos para mensajes procedentes de distintos dispositivos o ubicaciones, o para mensajes filtrados mediante diferentes atributos, en función de la configuración de la canalización y de los requisitos. Como ocurre con los mensajes de canal sin procesar, los mensajes procesados de un almacén de datos se almacenan enAmazon S3cubo que usted oAWS IoT AnalyticsAdministre.

Conjunto de datos

Los datos de un almacén de datos se recuperan creando un conjunto de datos.AWS IoT Analyticsle permite crear un conjunto de datos SQL o un conjunto de datos de contenedores.

Cuando disponga de un conjunto de datos, puede explorar y obtener información sobre los datos a través de la integración utilizandoAmazon QuickSight. También puede realizar funciones analíticas más avanzadas a través de la integración conBlocs de notas de Jupyter. Jupyter Notebook proporciona potentes herramientas de ciencia de datos que pueden llevar a cabo aprendizaje automático y una amplia gama de análisis estadísticos. Para obtener más información, consultePlantillas.

Puede enviar el contenido del conjunto de datos aAmazon S3bucket, lo que permite la integración con los lagos de datos existentes o el acceso desde aplicaciones internas y herramientas de visualización. También puede enviar el contenido del conjunto de datos como una entrada aAWS IoT Events, un servicio que le permite monitorizar dispositivos o procesos para ver si se producen errores o cambios en la operación, y para activar acciones adicionales cuando se produzcan estos eventos.

Conjunto de datos SQL

Un conjunto de datos SQL es algo parecido a una vista materializada de una base de datos SQL. Puede crear un conjunto de datos SQL aplicando una acción SQL. Los conjuntos de datos SQL se pueden generar automáticamente de forma periódica especificando un desencadenador.

Conjunto de datos de contenedores

Un conjunto de datos de contenedores le permite ejecutar automáticamente herramientas de análisis y generar resultados. Para obtener más información, consulteAutomation. Aúna un conjunto de datos SQL como entrada, un contenedor de Docker con las herramientas de análisis y los archivos de biblioteca necesarios, variables de entrada y salida y un desencadenador de programación opcional. Las variables de entrada y salida indican a la imagen ejecutable dónde obtener los datos y almacenar los resultados. El desencadenador puede ejecutar el análisis cuando un conjunto de datos SQL termina de crear su contenido o de acuerdo con una expresión de programación de tiempo. Un conjunto de datos de contenedores se ejecutará automáticamente, y generará y, a continuación, guardará los resultados de las herramientas de análisis.

Desencadenador

Puede crear automáticamente un conjunto de datos especificando un desencadenador. El desencadenador puede ser un intervalo de tiempo (por ejemplo, crear este conjunto de datos cada dos horas) o el momento en que se crea el contenido de otro conjunto de datos (por ejemplo, crear este conjunto de datos cuandomyOtherDatasettermina de crear su contenido). O bien, puede generar contenido del conjunto de datos manualmente utilizandoCreateDatasetContent API.

Contenedor de Docker

Puede crear su propio contenedor de Docker para empaquetar las herramientas de análisis o utilizar las opciones que proporciona SageMaker. Para obtener más información, consulteContenedor de Docker. Puede crear su propio contenedor de Docker para empaquetar las herramientas de análisis o utilizar las opciones que proporcionaSageMaker. Puede almacenar un contenedor en un registro de Amazon ECR que especifique de forma que esté disponible para su instalación en la plataforma deseada. Los contenedores de Docker son capaces de ejecutar su código de análisis personalizado preparado con Matlab, Octave, Wise.io, SPSS, R, Fortran, Python, Scala, Java, C++, etc. Para obtener más información, consulteInclusión de un bloc de notas.

Ventanas diferenciales

Las ventanas diferenciales son una serie de intervalos de tiempo definidos por el usuario, no solapados y contiguos. Las ventanas diferenciales le permiten crear el contenido del conjunto de datos y realizar análisis a partir de los datos nuevos que han llegado al almacén de datos desde el último análisis. Para crear una ventana delta, establezca la propiedaddeltaTimeen lafiltersde unqueryActionde un conjunto de datos. Para obtener más información, consulte la API CreateDataset. Normalmente, querrá crear el contenido del conjunto de datos automáticamente mediante la configuración de un desencadenador de intervalo de tiempo (triggers:schedule:expression). Esto le permite filtrar mensajes que han llegado durante una ventana de tiempo específica, de modo que los datos contenidos en mensajes de ventanas de tiempo anteriores no se cuenten dos veces. Para obtener más información, consulteEjemplo 6. Creación de un conjunto de datos SQL con una ventana diferencial (CLI).

Acceder a AWS IoT Analytics

Como parte deAWS IoT,AWS IoT AnalyticsProporciona las siguientes interfaces para permitir a los dispositivos generar datos y a las aplicaciones interactuar con los datos que generan:

AWS Command Line Interface (AWS CLI)

Ejecuta comandos paraAWS IoT Analyticsen Windows, OS X y Linux. Estos comandos le permiten crear y administrar objetos, certificados, reglas y políticas. Para empezar, consulte laAWS Command Line InterfaceGuía del usuario. Para obtener más información acerca de los comandos paraAWS IoT, consulteioten laAWS Command Line InterfaceReferencia de de.

importante

Usaraws iotanalyticspara interactuar conAWS IoT Analytics. Usaraws iotpara interactuar con otras partes del sistema de IoT.

API de AWS IoT

Cree sus aplicaciones IoT mediante solicitudes HTTP o HTTPS. Estas acciones de la API le permiten crear y administrar objetos, certificados, reglas y políticas. Para obtener más información, consulte Acciones de en la Referencia de la API de AWS IoT.

AWS SDK

Cree suAWS IoT AnalyticsAplicaciones que utilizan API específicas de un lenguaje. Estos SDK encapsulan las API de HTTP y HTTPS y le permiten programar en cualquiera de los lenguajes admitidos. Para obtener más información, consulteAWSSDK y herramientas de.

SDK de dispositivos de AWS IoT

Cree aplicaciones que se ejecutan en sus dispositivos paraAWS IoT Analytics. Para obtener más información, consulte AWS IoT SDK.

Consola de AWS IoT Analytics

Puede crear los componentes para visualizar los resultados en elAWS IoT Analyticsconsole.

Casos de uso

Mantenimiento predictivo

AWS IoT Analyticsproporciona plantillas para crear modelos de mantenimiento predictivo y aplicarlos a sus dispositivos. Por ejemplo, puede utilizarAWS IoT AnalyticsPara predecir cuándo es probable que se produzcan averías en los sistemas de calefacción y ventilación de vehículos de carga conectados, de modo que los vehículos puedan ser redirigidos para evitar daños en la carga. O bien, un fabricante de automóviles puede detectar qué clientes tienen gastadas las pastillas de freno y avisarles para que sus vehículos se sometan a revisión.

Reposición proactiva de suministros

AWS IoT Analyticsle permite crear aplicaciones IoT que pueden monitorizar inventarios en tiempo real. Por ejemplo, una compañía de alimentación y bebidas puede analizar los datos de las máquinas expendedoras de forma proactiva y realizar un pedido de mercancía cuando baje el nivel de existencias.

Resultado de la eficacia

conAWS IoT AnalyticsPuede crear aplicaciones de IoT que monitoricen constantemente la eficiencia de distintos procesos y tomen medidas para mejorar el proceso. Por ejemplo, una empresa minera puede mejorar la eficiencia de sus camiones de mineral maximizando la carga en cada viaje. conAWS IoT AnalyticsCon el tiempo, la empresa puede identificar la carga más eficiente para una ubicación o camión a lo largo del tiempo y comparar las diferencias respecto a la carga objetivo en tiempo real y planificar mejor las directrices para mejorar la eficiencia.

Agricultura inteligente

AWS IoT Analyticspuede enriquecer los datos de dispositivos de IoT con metadatos contextuales usandoAWS IoTLos datos de registro u orígenes de datos públicos, de modo que los análisis puedan tener en cuenta factores como la hora, la ubicación, la temperatura, la altitud y otras condiciones medioambientales. Con dicho análisis, es posible escribir modelos que generen acciones recomendadas que deben tomar los dispositivos en el campo. Por ejemplo, para determinar cuándo hay que regar, los sistemas de riego podrían enriquecer los datos del sensor de humedad con datos sobre precipitaciones, lo que permite un uso más eficiente del agua.