Производителю требуются прогнозы в режиме, близком к реальному времени, на основе моделей, которые анализируют до 200 показаний датчиков с каждой машины, но на некоторых заводах ненадежный интернет. Какая архитектура развертывания лучше всего поддерживает инференс в режиме, близком к реальному времени, на каждом заводе?

Правильный ответ — развернуть модель в AWS IoT Greengrass на каждом заводе и выполнять инференс локально на данных датчиков. Это решение позволяет выполнять инференс в режиме, близком к реальному времени, непосредственно на заводе, что критически важно при ненадежном интернет-соединении. Greengrass обеспечивает локальную обработку данных, снижая зависимость от облака и задержки. Размещение модели в Amazon SageMaker и отправка всех данных датчиков в конечную точку SageMaker не подходит из-за ненадежного интернета, который приведет к задержкам и потере данных. Ежедневные задания SageMaker batch transform не обеспечивают инференс в режиме, близком к реальному времени. Размещение модели в SageMaker с использованием DynamoDB и Lambda также будет зависеть от стабильного интернет-соединения для отправки данных в облако и вызова конечной точки.