【レポート】AWS IoT Analytics #reinvent #IOT211
はじめに
本記事はreInvent 2017で行われたセッション "IOT211 - NEW LAUNCH! AWS IoT Analytics from Consumer IoT to Industrial IoT"のレポートです。
概要
このセッションは、IoT Analyticsの概要とユーザ事例を紹介します。このセッションは、コンシューマIoTから産業的IoTのIoT解析を網羅します。そしてAWS IoT Analyticsは、IoT分野における解析を行うために必要とされる、さまざまな課題の解決に役立ちます。
登壇者
内容
- セッションの内容
- AWS IoT Analyticsの概要
- 急増するIoT空間
- IoT解析の課題と、AWS IoT Analyticsがどのように役立つか
- IoT解析のコンシューマIoTから産業用IoTへ
- AWS IoT Analytics事例: iRobot
- AWS IoT Analytics事例: Trek10
- AWS IoT Analytics はIoTデバイスのデータをスケールする形で
- 集めて(collect)、
- 事前処理(pre-processes)して、
- 膨らませて(enriches)、
- 格納して(stores)、
- 解析し(alalyzes)、
- 視覚化する(visualizes)、
- フルマネージドサービスです。
- AWS IoT Analyticsの概要
- IoTデバイスをAWS IoTプラットフォームへ接続
- MQTTトピックフィルタを作成：channelとして見える←IoT Analyticsの最初のコンポーネント
- pipelineは、クリーニング、異常値の除去、エンリッチメントなどの前処理を行い解析しやすくする
- データストアへ格納
- SQLでデータセットとして取り出し、機械学習などのさらなる解析や視覚化へ
- Jupyter notebookによるテンプレート
- IoT空間の拡大
- IoTマーケット
- Smart City
- Smart Industory
- m2m communication
- Connectedヘルスケア
- IoTマーケット
- 課題
- 接続されたデバイスは膨大なデータを生成する
- 多くのデータの源がある
- ノイジー、標準フォーマットが無い
- 解釈するためのコンテキスト情報の不足
- データ解析
- AWS IoT Analyticsがどのように役立つか
- IoTデータを処理
- フィルタ
- 変換(例えば摂氏と華氏)
- コンテキスト情報の付与
- IoTデータを解析
- SQL的クエリ
- 視覚化: QuickSights
- データサイエンス
- Jupyter notebookによる機械学習のテンプレート
- IoTデータを処理
- Consumer IoT: ユースケースとソリューション
- デバイス製造者が製品を追跡：履歴から故障の予測
- 製品がどのように利用されるかという情報：顧客のセグメント化→改善
- ファームウェアアップデートの失敗を減らしてユーザ体験を改善
- Industorial IoT:ユースケースとソリューション
- 製紙における紙の強度
- 食品製造における温度管理、デバイス不良の検出
- 鉱業における機械故障の予測
AWS IoT Analytics事例: iRobot
- Cloud Robotics
- Connecting Robots to the Internet to help them do more and better things
- Roomba 2015ではインターネットに接続して組織的ナビゲーションを実現
- 25年のiRobotの歴史において
- 防衛ビジネスにおけるネットワーク化されたロボット
- テレプレゼンスロボット
- Roombaからサーバレスを採用することを決断
- IoT + Serverless: 最適な解
- イベントドリブン
- スケーラブル
- ハードウェアメーカに向く
- 集中
- 長い話を端的に：成功！
- 完全サーバレスな製品クラウド
- 2018年には200万のロボットが接続
- ほぼサーバレスな解析プラットフォーム
- 「データ」パワーのプラットフォーム
- 三つのエリア
- デバイスの見えないデータ
- OTAファームウェアアップデート
- 分析
- カスタマーサービス
- 現状
- 良好に稼働している
- しかし、少し仕組みが複雑
- 稼働する部分を減らすこと、所有する部分を減らすこと、が成功のもと
- デバイスの見えないデータ
- OTAファームウェアアップデート
- 段階的なデプロイ
- 目的に応じたグループ選択
- タイムウィンドウ
- Elasticsearchを使って対象を選び出している
- 分析
- Amazon S3
- Amazon EMR
- AWS Data Pipeline
- Amazon Redshift
- カスタマーサービス
- 最近の、そして古い履歴の両方が必要
- 最近の意味は相対的
- 最新の10イベントは長期間をカバーする可能性
- 結論
- よりシンプルに
- 堅牢に
- よりサーバレスに
- 未来はエキサイティング
AWS IoT Analytics事例: Trek10
- Rethinking Industorial Business
- Rust Beltビルを多用途のテックセンターに再生
- IoTテクノロジーが世界中でこのような再生を可能に
- Rethinking Industorial Business
- 高価な機械、離れて散らばった箇所に設置されている
- ダウンタイムは致命的で高価につく
- 予測的メンテナンスが望まれる
- テレメトリで取得：振動、温度、電気伝導度
- クラウドに置いて運用状況を分析
- メンテナンスサイクルの最適化
- IoT Platform on AWS
- Test & fail quickly
- Ready for scale on day one
- Store all the data before finding the value
- どのようにして動くか
- MQTTメッセージブローカがデータの入り口
- トピックルールでデータを振り分け
- Lambdaファンクションで判定、SNSでメンテナンス通知
- DynamoDBに格納
- リアルタイムの視覚化のために最適。LambdaとAPI gatewayで取り出しユーザに提供
- Kinesis Firehoseを経由してS3に格納
- またはKinesis Firehoseの代わりにIoT Analyticsを使う
- 前処理、SQLによるビュー、視覚化
- IoT Analytics
- データを集める
- データをAWS IoT Analyticsに入れる
- 視覚化、データのエクスポート、機械学習アルゴリズム
- メンテナンス予測アルゴリズム
まとめ
- AWS IoT Analyticsが提供すること
- IoTデータクレンジング,コンテキスト情報付与,マネージドストレージ
- 視覚化,分析
- 機械学習テンプレート
- AWS IoT Analyticsプレビュー
- https://aws.amazon.com/iot-analytics
- (スライドのURLに間違いがあるようです。上記でアクセスできます。スライドではパスがiotanalyticsとハイフン無しでした)
感想
AWS IoT Analyticsの概要とユースケースを説明するセッションでした。ユースケースの具体性が少し乏しいように感じられましたが、IoTで生まれるデータを活用するマネージドなプラットフォームを作ろうとする意気込みは感じられました。プレビューということで実際に使ってみることはできていませんが、データストア、そして機械学習テンプレートがどのように結び付けられ提供されることになるのか興味があるところです。
参考
セッション動画
![[レポート] JJUG CCC 2024 Fallに行ってきました](https://devio2024-media.developers.io/image/upload/v1730277254/user-gen-eyecatch/awivhjatkofztrkayhdv.png)
