View a markdown version of this page

에서 Machine Learning 지원 예측 유지 관리 AWS - 에서 Machine Learning 지원 예측 유지 관리 AWS
ML 예측 유지 관리 아키텍처 다이어그램참조 자료다이어그램 기록

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

에서 Machine Learning 지원 예측 유지 관리 AWS

게시일: 2022년 9월 13일(다이어그램 기록)

이 아키텍처를 사용하면 수커 로드 펌프 시스템에 대한 거의 실시간에 가까운 추론 결과 및 알림을 통해 조건 기반 유지 관리를 구현할 수 있습니다. 이러한 시스템은 오일 및 가스에서 가장 널리 적용되는 인공 리프트 장비입니다. 이 아키텍처는 AWS IoT Core, Amazon Timestream, Amazon Managed Grafana, Amazon Data Firehose 및 Amazon Lookout for Equipment를 사용합니다.

ML 예측 유지 관리 아키텍처 다이어그램

기계 학습을 위한 참조 아키텍처 다이어그램은 sucker 로드 펌프의 예측 유지 관리를 지원합니다 AWS.

다음 단계에서는 아키텍처를 설명합니다.

  1. IoT 디바이스 SDK에서 Message Queuing Telemetry Transport(MQTT) 프로토콜을 사용하여 sucker 로드 펌프 AWS IoT Core 에서 로 데이터를 수집합니다.

  2. Amazon Timestream의 데이터를 시계열 데이터로 저장 AWS IoT Core 하도록에서 IoT 규칙을 구성합니다.

  3. Timestream 데이터베이스에서 Amazon Managed Grafana를 사용하여 센서 데이터를 시각화하고 모니터링합니다.

  4. Amazon Data Firehose를 사용하여 Amazon Amazon S3에 데이터를 캡처, 변환 및 전송 AWS IoT Core 하도록에서 IoT 규칙을 구성합니다.

  5. Amazon Lookout for Equipment는 Amazon S3의 데이터를 분석하고 고유한 ML 모델을 훈련하여 장비 이상을 거의 실시간으로 감지합니다. 추론 결과를 Amazon S3에 저장합니다.

  6. AWS Glue 데이터 카탈로그를 사용하여 데이터를 분류합니다. Amazon Athena는 온디맨드 쿼리를 위해 카탈로그와 통합됩니다.

  7. Amazon Managed Grafana를 사용하여 Athena의 추론 결과를 표시합니다.

참조 자료

자세한 내용은 다음 리소스를 참조하세요.

다이어그램 기록

이 참조 아키텍처 다이어그램의 업데이트에 대한 알림을 받으려면 RSS 피드를 구독하세요.

변경 사항설명날짜

최초 게시

참조 아키텍처 다이어그램이 처음 게시되었습니다.

2022년 9월 13일

RSS 구독

RSS 업데이트를 구독하려면 사용 중인 브라우저에서 RSS 플러그인을 활성화해야 합니다.