Een fabrikant heeft bijna-realtime voorspellingen nodig van modellen die tot 200 sensorwaarden per machine analyseren, maar sommige fabrieken hebben onbetrouwbaar internet. Welke implementatiearchitectuur ondersteunt het beste bijna-realtime inferentie in elke fabriek?

De beste oplossing is om het model te implementeren naar AWS IoT Greengrass in elke fabriek en inferenties lokaal uit te voeren op de sensorgegevens. Dit is de enige optie die bijna-realtime inferentie garandeert, zelfs met onbetrouwbaar internet, omdat de inferentie direct op de edge plaatsvindt. Het hosten van het model in Amazon SageMaker en het versturen van alle sensorgegevens naar het SageMaker-eindpunt is afhankelijk van een stabiele internetverbinding, wat niet gegarandeerd is. Dagelijkse SageMaker batch transform-taken voldoen niet aan de eis van bijna-realtime voorspellingen. Het hosten van het model in SageMaker, het schrijven van sensorgegevens naar DynamoDB en het aanroepen van het eindpunt via Lambda introduceert ook latentie en afhankelijkheid van een continue internetverbinding.