Um fabricante precisa de previsões quase em tempo real de modelos que analisam até 200 leituras de sensores por máquina, mas algumas fábricas têm internet não confiável. Qual arquitetura de implantação melhor oferece suporte à inferência quase em tempo real em cada fábrica?

A opção correta é implantar o modelo no AWS IoT Greengrass em cada fábrica e executar inferências localmente nos dados do sensor. Isso permite inferência quase em tempo real, mesmo com internet não confiável, pois o processamento ocorre na borda. Hospedar o modelo no Amazon SageMaker e enviar todos os dados do sensor para o endpoint do SageMaker para previsões não é ideal devido à internet não confiável, o que pode causar latência e falhas. Executar trabalhos diários de transformação em lote do SageMaker para produzir relatórios de inferência não atende ao requisito de "quase em tempo real". Hospedar o modelo no SageMaker, gravar dados do sensor no DynamoDB por meio de uma regra IoT e usar o Lambda para chamar o endpoint do stream do DynamoDB ainda dependeria da conectividade com a nuvem para cada inferência, o que é problemático com internet não confiável.