Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# AWS ML-Modell für prädiktive Wartung im industriellen IoT
Veröffentlichungsdatum: 8. ** Juli 2020 ([Historie des Diagramms](#pdm-diagram-history)) **
Mit dieser Architektur können Sie mithilfe [AWS IoT SiteWise](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/) von und ein Modell für maschinelles Lernen (ML) für vorausschauende Wartung (PdM) erstellen. [AWS IoT Analytics](https://docs.aws.amazon.com/whitepapers/latest/aws-overview/internet-of-things-services.html#aws-iot-analytics) AWS IoT SiteWise sammelt, organisiert und speichert Daten von Werksanlagen. Dadurch stehen Datenwissenschaftlern saubere, kontextbezogene und strukturierte Datensätze zur Verfügung, um ML-Modelle zu trainieren.
## Architekturdiagramm des ML-Modells für vorausschauende Wartung
Die folgenden Schritte beschreiben die Architektur:
1. Konfigurieren Sie den AWS IoT SiteWise Connector so [AWS IoT Greengrass](https://docs.aws.amazon.com/greengrass/v2/developerguide/), dass er mithilfe von OPC Unified Architecture (OPC-UA) eine Verbindung herstellt und Daten von den Maschinen im Werk erfasst.
1. Wird verwendet AWS IoT SiteWise , um Anlagen zu modellieren, die Geräte, Anlagen und Prozesse vor Ort repräsentieren.
1. Erstellen Sie mit AWS IoT SiteWise Monitor ein benutzerdefiniertes Webportal, um Werksdaten nahezu in Echtzeit zu visualisieren. IAM Identity Center bietet Benutzerauthentifizierung für das Portal.
1. Verwenden Sie die [AWS IoT Core](https://docs.aws.amazon.com/iot/latest/developerguide/) Rules Engine, um Daten an diese AWS IoT Analytics weiterzuleiten.
1. Verwenden Sie für andere Industriedaten den AWS IoT Greengrass Stream Manager, um Daten dort zu veröffentlichen AWS IoT Core.
1. Erstellen Sie ein Docker Image und fügen Sie es zu [ Amazon Elastic Container Registry ](https://docs.aws.amazon.com/AmazonECR/latest/userguide/) (Amazon ECR) hinzu.
1. Erstellen Sie in AWS IoT Analytics einen Container-Datensatz aus dem AWS IoT SiteWise Datenspeicher. Verknüpfen Sie ihn mit dem Docker Container in Amazon ECR.
1. Erstellen Sie ein Jupyter Notizbuch für den Datensatz, um ein PdM ML-Modell zu erstellen. Verwenden Sie [ Amazon SageMaker AI ](https://docs.aws.amazon.com/sagemaker/latest/dg/) für das Training und die Bereitstellung von Modellen.
1. Visualisieren Sie die Analyse mit [ Amazon Quick Sight ](https://docs.aws.amazon.com/quicksight/latest/user/welcome.html) auf der AWS IoT Analytics Datenquelle.
## Weitere Informationen
Weitere Informationen finden Sie in den folgenden Ressourcen:
+ [AWS Architektur-Ikonen ](https://aws.amazon.com/architecture/icons)
+ [AWS Zentrum für Architektur ](https://aws.amazon.com/architecture)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)
+ [Fertigung am AWS](../manufacturing-on-aws/manufacturing-on-aws.html)
## Historie des Diagramms
Abonnieren Sie den RSS-Feed, um über Aktualisierungen dieses Referenzarchitekturdiagramms informiert zu werden.
| Änderung | Beschreibung | Datum |
| --- |--- |--- |
| [Erste Veröffentlichung](#pdm-diagram-history) | Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht. | 8. Juli 2020 |
**RSS-Abonnement**
Um RSS-Aktualisierungen zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.