View a markdown version of this page

でのMachine Learning対応予測メンテナンス AWS - でのMachine Learning対応予測メンテナンス AWS
ML 予測メンテナンスアーキテクチャ図詳細情報図の履歴

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

でのMachine Learning対応予測メンテナンス AWS

公開日: 2022 年 9 月 13 日 (図の履歴)

このアーキテクチャでは、条件ベースのメンテナンスを実装し、ほぼリアルタイムの推論結果とサッカー棒ポンプシステムの通知を提供できます。これらのシステムは、石油とガスの中で最も広く適用されている人工リフト機器です。このアーキテクチャではAWS IoT Core、、Amazon Timestream、Amazon Managed Grafana、Amazon Data Firehose、Amazon Lookout for Equipment を使用します。

ML 予測メンテナンスアーキテクチャ図

サッカー棒ポンプの機械学習対応予測メンテナンスのリファレンスアーキテクチャ図 AWS。

次の手順では、アーキテクチャについて説明します。

  1. IoT デバイス SDK で Message Queuing Telemetry Transport (MQTT) プロトコルを使用して、サッカー棒ポンプ AWS IoT Core から にデータを取り込みます。

  2. で IoT ルールを設定 AWS IoT Core して、Amazon Timestream に時系列データとしてデータを保存します。

  3. Timestream データベースから Amazon Managed Grafana を使用してセンサーデータを視覚化およびモニタリングします。

  4. Amazon Data Firehose でデータをキャプチャ、変換、Amazon Amazon S3に配信 AWS IoT Core するように で IoT ルールを設定します。

  5. Amazon Lookout for Equipment はAmazon S3のデータを分析し、一意の ML モデルをトレーニングして、ほぼリアルタイムで機器の異常を検出します。推論結果を Amazon S3 に保存します。

  6. AWS Glue Data Catalog を使用してデータを分類します。Amazon Athena は、オンデマンドクエリ用に カタログと統合されます。

  7. Amazon Managed Grafana を使用して Athena からの推論結果を表示します。

詳細情報

詳細については、次のリソースを参照してください。

図の履歴

このリファレンスアーキテクチャ図の更新について通知を受け取るには、RSS フィードをサブスクライブします。

変更説明日付

初版発行

リファレンスアーキテクチャ図が最初に公開されました。

2022 年 9 月 13 日

RSS サブスクリプション

RSS の更新をサブスクライブするには、使用しているブラウザで RSS プラグインを有効にする必要があります。