とは AWS IoT Analytics

PDFRSS

AWS IoT Analytics は、IoT デバイスからのデータの分析に必要なステップを自動化します。 は、分析のために時系列データストアに保存する前に、IoT データを AWS IoT Analytics フィルタリング、変換、強化します。デバイスから必要なデータのみを収集して、数学的変換を適用してデータを処理し、処理されたデータを保存する前にデバイスの種類や場所などのデバイス固有のメタデータでデータを強化するサービスを設定できます。次に、組み込みの SQL クエリエンジンを使用してクエリを実行することでデータを分析したり、より複雑な分析や機械学習の推論を実行したりできます。 AWS IoT Analytics は、Jupyter Notebook との統合を通じて高度なデータ探索を可能にします。 AWS IoT Analytics また、 はAmazon QuickSight との統合を通じてデータの可視化を可能にします。Amazon QuickSight は次のリージョンで利用可能です。

従来の分析およびビジネスインテリジェンスツールは、構造化されたデータを処理するように設計されています。生の IoT データは、多くの場合、あまり構造化されていないデータ 温度、モーション、サウンドなどが記録されるデバイスから送信されます。この結果、これらのデバイスのデータには、大きな誤差やメッセージの破損、誤認識が含まれる場合があるため、分析を行う前にクリーンアップする必要があります。また、IoT データは、多くの場合、外部ソースからの他のデータのコンテキストでのみ意味を持ちます。 AWS IoT Analytics は、これらの問題に対処し、大量のデバイスデータを収集し、メッセージを処理して保存します。その後、データをクエリして分析できます。 には、一般的な IoT ユースケース向けの構築済みモデル AWS IoT Analytics が含まれているため、どのデバイスが失敗するか、どの顧客が自分のウェアブルデバイスを放棄するリスクがあるかなどの質問に答えることができます。

の使用方法 AWS IoT Analytics

次の図は AWS IoT Analyticsの使用方法の概要を示しています。

主な特徴

収集

• と統合 AWS IoT Core—AWS IoT Analytics は と完全に統合 AWS IoT Core されているため、接続されたデバイスからストリーミング中にメッセージを受信できます。

• バッチ API を使用して任意のソースからデータを追加し、HTTP を介して任意のソースからデータを受信AWS IoT Analytics できます。つまり、インターネットに接続された任意のデバイスやサービスから AWS IoT Analyticsにデータを送信できます 詳細については、AWS IoT Analytics API リファレンスの BatchPutMessage を参照してください。

• 保存および分析するデータのみを収集する - コンソールを使用して AWS IoT Analytics 、さまざまな形式と頻度で MQTT トピックフィルターを介してデバイスからメッセージを受信する AWS IoT Analytics ように を設定できます。 は、データが定義した特定のパラメータ内にあることを AWS IoT Analytics 検証し、チャネルを作成します。次に、これらのチャネルを適切なパイプラインにルーティングして、メッセージの処理、変換、強化を行います。

処理

• クリーンアップとフィルタリング —AWS IoT Analytics が欠落データ AWS IoT Analytics を検出したときにトリガーされる AWS Lambda 関数を定義できるため、コードを実行してギャップを推定して埋めることができます。また、最大フィルター、最小フィルター、パーセンタイルのしきい値を定義して、データ上の異常値を削除することもできます。

• 変換 - 定義した数学的または条件付きロジックを使用してメッセージをAWS IoT Analytics 変換できるため、摂氏などの一般的な計算を華氏に変換できます。

• エンリッチ — は、天気予報などの外部データソースでデータを強化し、データを AWS IoT Analytics データストアにルーティングAWS IoT Analytics できます。

保存

• 時系列データストア - デバイスデータを最適化された時系列データストアに保存し、取得と分析を高速化AWS IoT Analytics します。アクセス許可の管理、データ保持ポリシーの実装、外部アクセスポイントへのデータのエクスポートを行うこともできます。

• 処理済みデータと未加工データの保存 - は処理済みデータAWS IoT Analytics を保存し、取り込まれた未加工データを自動的に保存して、後で処理できるようにします。

分析

• アドホック SQL クエリの実行 - は SQL クエリエンジンAWS IoT Analytics を提供するため、アドホッククエリを実行して結果をすばやく取得できます。また、このサービスでは、標準の SQL クエリを使用してデータストアからデータを抽出し、コネクテッド車両群の平均走行距離や、午後 7 時以降に閉鎖されるスマートビルディングの部屋数などの質問に回答することができます。これらのクエリは、接続されたデバイスやフリートのサイズ、分析要件が変更されても再利用することができます。

• 時系列分析 - は時系列分析AWS IoT Analytics をサポートしているため、時間の経過とともにデバイスのパフォーマンスを分析し、デバイスがどのように、どこで使用されているかを把握し、デバイスデータを継続的にモニタリングしてメンテナンスの問題を予測するとともに、センサーをモニタリングして環境条件を予測して対応できます。

• 高度な分析と機械学習向けにホストされたノートブック –AWS IoT Analytics では、統計的分析と Machine Learning 向けにホストされたノートブックが Jupyter Notebook でサポートされます。このサービスには、 AWS作成された機械学習モデルと視覚化を含むノートブックテンプレートのセットが含まれています。これらのテンプレートを使用すれば、デバイス故障プロファイリング、顧客が製品を廃棄する目安となる使用量の低下などの予測イベント、顧客の使用レベル 例: 使用頻度の高いユーザー、週末のみ使用するユーザーやデバイスのヘルス状態に基づくデバイスのセグメント化に関する IoT ユースケースを開始できます。ノートブックを作成すると、指定したスケジュールに基づいてこのノートブックをコンテナ化して実行できます。詳細については、「ワークフローの自動化」を参照してください。

• 予測 — ロジスティック回帰と呼ばれる方法で、統計的な分類を行うことができます。また、長短期記憶 LSTMを使用することもできます。LSTM は、時間の経過とともに変化するプロセスの出力や状態を予測する強力なニューラルネットワーク技術です。あらかじめ作成されているノートブックテンプレートは、デバイスをセグメント化する k 平均法アルゴリズムをサポートしています。これにより、デバイスは、デバイスのグループにクラスタ化されます。これらのテンプレートは通常、チョコレート工場の HVAC ユニットや風力タービンの羽根の摩耗や破損といったデバイスの健全性や状態のプロファイリングに使用されます。ここでも、これらのノートブックテンプレートをコンテナ化し、スケジュールに従って実行できます。

構築および可視化

• Amazon QuickSight 統合 — は Amazon QuickSight にコネクタAWS IoT Analytics を提供し、QuickSight ダッシュボードでデータセットを視覚化できるようにします。

• コンソール統合 - コンソールの埋め込み Jupyter Notebook で結果またはアドホック分析を視覚化することもできます AWS IoT Analytics。

AWS IoT Analytics のコンポーネントと概念

Channel

チャネルは、MQTT トピックからデータを収集し、未処理の raw メッセージをアーカイブしてから、データをパイプラインに発行します。BatchPutMessage API を使用して、チャンネルにメッセージを直接送信することもできます。未処理のメッセージは、ユーザーまたはユーザーが AWS IoT Analytics 管理する Amazon Simple Storage Service (Amazon S3) バケットに保存されます。

パイプライン

パイプラインではチャネルからのメッセージが消費されます。パイプラインを使用すれば、メッセージをデータストアに保存する前にメッセージを処理することができます。このステップはアクティビティと呼ばれ パイプラインアクティビティ)、メッセージで変換を実行します。これには、メッセージ属性の削除/名前変更/追加、属性値に基づくメッセージのフィルタ処理、高度な処理のためのメッセージでの Lambda 関数の呼び出し、数値変換の実行によるデバイスデータの正規化などが含まれます。

データストア

パイプラインは、処理されたメッセージをデータストアに保存します。データストアはデータベースではなく、メッセージのスケーラブルでクエリ可能なリポジトリです。異なるデバイスや場所から送信されたメッセージに対して複数のデータストアを使用したり、パイプラインの設定と要件によってメッセージ属性でフィルタしたりできます。未処理のチャネルメッセージと同様に、データストアの処理済みメッセージは、ユーザーまたはユーザーが AWS IoT Analytics 管理する Amazon S3 バケットに保存されます。

データセット

データストアからデータを取得するには、データセットを作成します。 AWS IoT Analytics を使用すると、SQL データセットまたはコンテナデータセットを作成できます。

データセットを作成したら、Amazon QuickSight と連携してデータを探索し、インサイトを得ることができます。また、Jupyter Notebook と連携してより高度な分析機能を実行することもできます。Jupyter Notebook は、機械学習と様々な統計的分析を実行できる強力なデータサイエンスツールを備えています。詳細については、「ノートブックテンプレート」を参照してください。

データセットのコンテンツを Amazon S3 バケットに送信して、既存のデータレイクとの統合、または社内アプリケーションと可視化ツールからのアクセスができます。デバイスやプロセスのオペレーション時の障害や変化をモニタリングし、このようなイベントが発生した時に追加のアクションをトリガーするサービスである AWS IoT Events への入力としてデータセットコンテンツを送信できます。

SQL データセット

SQL データセットは、SQL データベースの具体化されたビューに似ています。SQL アクションを適用して SQL データセットを作成することができます。SQL データセットは、トリガーを指定して、定期的なスケジュールで自動的に生成できます。

コンテナデータセット

コンテナデータセットでは、自動で分析ツールを実行して結果を生成できます。詳細については、「ワークフローの自動化」を参照してください。コンテナデータセットでは、入力としての SQL データ、分析ツールと必要なライブラリファイルが含まれた Docker コンテナ、入力と出力の変数、およびオプションのスケジュールトリガーが 1 つにまとめられます。入力と出力の変数では、データを取得して結果を保存する先を実行可能イメージに指示します。トリガーによる分析は、SQL データセットでコンテンツの作成が終了した時点で実行されるか、時間のスケジュール式に従って実行されます。コンテナデータセットは、分析ツールの実行、結果の生成と保存を自動的に行います。

Trigger トリガー)

トリガーを指定して、データセットを自動的に作成できます。トリガーは、時間間隔 たとえば、このデータセットを 2 時間ごとに作成するなど)、あるいは別のデータセットのコンテンツの作成時 たとえば、myOtherDataset がコンテンツの作成を終了したときにこのデータセットを作成する、などに指定できます。あるいは、CreateDatasetContent API を使用してデータセットコンテンツを手動で生成することもできます。

Docker コンテナ

独自の Docker コンテナを作成して、分析ツールをパッケージ化したり、SageMaker AI が提供するオプションを使用したりできます。詳細については「Docker コンテナ」を参照してください。独自の Docker コンテナを作成して、分析ツールをパッケージ化したり、SageMaker AI が提供するオプションを使用したりできます。指定する Amazon ECR レジストリにコンテナを保存できるため、使用するプラットフォームでインストールできます。Docker コンテナでは、Matlab、オクターブ、Wise.io、SPSS、R、Fortran、Python、Scala、Java、C++ などで使用できるように準備されたカスタムの分析コードを実行できます。詳細については「ノートブックのコンテナ化」を参照してください。

デルタウィンドウ

デルタウィンドウは、重複することなく連続する時間間隔であり、ユーザーが定義します。デルタウィンドウを使用すると、前回の分析以降にデータストアに到着した新しいデータを使用してデータセットコンテンツを作成し、これらのデータに対して分析を実行できます。デルタウィンドウを作成するには、データセットの queryAction の filters 部分に deltaTime を設定します。詳細については、CreateDataset API を参照してください。通常は、時間間隔トリガー triggers:schedule:expressionも設定して、データセットコンテンツを自動的に作成します。この操作で特定の時間ウィンドウに到着したメッセージをフィルタリングし、以前の時間ウィンドウのメッセージに含まれたデータが重複してカウントされないようにします。詳細については「例 6 -- デルタウィンドウを使用して SQL データセットを作成する CLI)」を参照してください。

アクセス AWS IoT Analytics

の一部として AWS IoT、 は、デバイスがデータを生成し、アプリケーションが生成したデータを操作できるように、次のインターフェイス AWS IoT Analytics を提供します。

AWS Command Line Interface (AWS CLI)

Windows、OS X、Linux AWS IoT Analytics で のコマンドを実行します。これらのコマンドで、モノ、証明書、ルール、およびポリシーを作成し、管理することができます。使用を開始する方法については『AWS Command Line Interface ユーザーガイド』を参照してください。のコマンドの詳細については AWS IoT、「 AWS Command Line Interface リファレンス」の「iot」を参照してください。

重要

aws iotanalytics コマンドを使用して を操作します AWS IoT Analytics。IoT システムの他の部分を操作するには、aws iot コマンドを使用します。

AWS IoT API

HTTP または HTTPS リクエストを使用して IoT アプリケーションを構築します。これらの API アクションで、モノ、証明書、ルール、およびポリシーを作成し、管理することができます。詳細については、AWS IoT API リファレンスガイドの「 アクション」を参照してください。

AWS SDKs

言語固有の APIs を使用して AWS IoT Analytics アプリケーションを構築します。これらの SDK により HTTP と HTTPS API がラップされ、サポートされている言語でプログラミングを実行できます。詳細については、AWS の SDK およびツールを参照してください。

AWS IoT デバイス SDKs

メッセージを送信するデバイスで実行されるアプリケーションを構築します AWS IoT Analytics。詳細については、AWS IoT SDK を参照してください。

AWS IoT Analytics コンソール

コンポーネントを構築すれば AWS IoT Analytics コンソールで結果を可視化できます。

ユースケース

予知保全

AWS IoT Analytics には、予測メンテナンスモデルを構築し、デバイスに適用するためのテンプレートが用意されています。例えば、 AWS IoT Analytics を使用して、コネクテッド車両でヒーティングシステムと冷却システムが故障する可能性が高いタイミングを予測し、車両を再ルーティングして出荷の損傷を防ぐことができます。自動車メーカーでは、お客様の摩耗したブレーキパッドを検知し、車両のメンテナンスを勧めるアラートを提供できます。

サプライ品の事前補充

AWS IoT Analytics では、インベントリをリアルタイムでモニタリングできる IoT アプリケーションを構築できます。たとえば、食品飲料会社は、フード自動販売機のデータを分析し、サプライ品が不足すると事前に商品を再注文することができます。

プロセス効率のスコアリング

を使用すると AWS IoT Analytics、さまざまなプロセスの効率を常にモニタリングし、プロセスを改善するアクションを実行する IoT アプリケーションを構築できます。たとえば、鉱業会社では、1 回で輸送できる量を最大化して、鉱石トラックの効率を高めることができます。では AWS IoT Analytics、時間の経過とともに場所やトラックの最も効率的な負荷を特定し、目標負荷からの偏差をリアルタイムで比較し、効率を向上させるためのガイドラインをより適切に計画できます。

スマートアグリカルチャー

AWS IoT Analytics は、 AWS IoT レジストリデータまたはパブリックデータソースを使用して IoT デバイスデータをコンテキストメタデータで強化できるため、分析が時間、場所、温度、高度、その他の環境条件を考慮できます。この分析を使用して、お使いのデバイス用に推奨されるアクションを出力してフィールドに取り込むモデルを作成できます。たとえば、かんがいシステムでは、湿度センサーのデータを降雨データで強化することで注水時期を決定し、水を効率的に使用できます。