re:invent2024では、たくさんのセッションがあり、それぞれに学びがありました。今回は、その中からEnergy & Utilities 業界のセッションで参加したものから得た学びについて記載します。

ENU312 | Convergence of OT/IT data in the cloud: An energy industry use case

公式サイトの紹介文

このチョークトークでは、OPC 統合アーキテクチャサーバー、監視制御およびデータ取得システム、プログラマブルロジックコントローラーを介して、太陽光発電所や油井サイトなどのさまざまな遠隔資産をクラウドに接続し、AWS 上に安全なグローバル運用技術および情報技術 (OT/IT) ネットワークを構築する方法を学びます。
このアーキテクチャは、100% プライベートな OT/IT ネットワークを促進し、転送中および保存中の OT/IT トラフィックを分離し、AWS に Purdue モデルを実装します。

スピーカー
- Shea Kubischta : Principal Solution Architect, Amazon
- Avneet Singh : Principal Industry Specialist Architect – OT & Renewables, Amazon Web Services

OT(Operational Technology)をどうやってクラウドに持って来れるかの議論。
閉域網ベースのサービスをクラウドでAWSを使うどのように実現できて、何が違いになるか。
AWS IoT Coreはエンドポイント間で暗号化している。
VPN接続はクローズとな仕組みと考えてよい。
クラウドの信頼性を心配する声もある。しかし100%のものはない。9がいくつかに興味がありますか？
LTE網を使ったClosedの構成もある。
将来的なアーキテクチャとして、IoTデバイスとクラウドをIoT Satelliteを用いて閉域接続する方法がある。内部の通信は、AES-256で暗号化される。
OT（運用技術）とクラウドの統合における課題は、まずOTの価値観、認識、解釈について合意する必要がある。詳細は重要だが、全体的な哲学が最初に合意される必要がある。

IOT305 | Transforming smart metering for sustainable resource use with AWS IoT

エネルギー業界は、次世代のスマートメーターへと移行しています。これは、漏水による水損失と天然ガスの漏出という 2 つの重要な課題に対処する機会をもたらします。どちらも地球規模の気候変動の大きな原因です。このセッションでは、AWS IoT サービスを使用して、LoRaWAN 接続を使用してスマートメーターからデータを公開および取り込むソリューションを構築する方法を学びます。収集されたテレメトリデータを活用することで、漏水検出などの貴重な洞察を得ることができます。さらに、Amazon SageMaker で ML モデルをトレーニングし、Amazon Bedrock でサポートされている基盤モデルを使用して、特定された漏水に対する現場対応を自動化する方法を学びます。

スピーカー
- Simon Higgins : Innovation Director, Callisto (data business) part of the Morrison Group Company
- Dave Kranzler : GM AWS Solutions, IoT Foundational Services, AWS
- John Oshodi : Senior Solutions Architect, Amazon Web Services

まとめ

AWSのIoT部署では、地球環境の変化による水不足を憂慮し、水道管の老朽化による漏水をテクノロジーで解決したいと思っている。
MGroup(UK)の事例では、30億リットル/日が漏水しており、2050年にはイギリス全土で水不足になる課題を認識している。
各家庭にはスマートメーターが付いており、漏水を機械学習と生成AIで発見している。
アーキテクチャ
- スマートメーターとAWSの間は、LoRaWANプロトコルを使っている。省電力で、スマートメーターの電池は10年間持つ。
- スマートメーター -> IoT Core -> IoT rule -> Amazon Timestream -> Glue -> S3 or DynamoDB
- セキュリティに、AWS IoT Defenderを使っている。
  - スマートメーターが盗難などで移動した際に、緯度経度の変化を検知し、IoT ruleでnotificationを通知している。
- 機械学習にsagemaker、生成AIにBedrockを使っている。

学び

Shizen Connectで取り組んでいる100%再エネへの挑戦にも似た部分があり、また、MGroupのアーキテクチャも非常に似通っている。Shizen Connectの将来系としては、Sagemakeの機械学習、Bedrockの生成AIの導入があると予感された。
エッジデバイスには、共通のセキュリティ課題があり、対策を実施しており参考になる。エッジデバイスの盗難対策として、AWS IoT Defenderの機能を用いて緯度経度の変化を検知しているが、当該機能の活用も参考になる。

セッション内容

ディストピア的な未来
温暖化し、乾季が長く、雨季が短くなっている。
水道管が老朽化して、漏水が発生している。

* この問題をテクノロジーで解決できないか。

漏れや水量を計測できる。
平常時と異常時を比較できる。
AWSはsolution、insight、ingestion、Edgeのリソースを持っている。
データセンターは多くの水を使う。AWSは5分間隔でデータを取得して簡易している。

* AWSは24データセンターでリサイクル水を使うなど、コミットメントがある。

MGroup(UK)の事例

気象環境の変化は、ビジネスへの影響も甚大。
輸送、電話、エネルギー、水の部署がある。
水の部署では、スマートメーターで情報収集している。
AWSを使って3年になる。

30億リットル/日が漏水している。2050年には水不足になる。

Iot infrastructure

スマートメーターがAWSにつながっている。

- 漏水を機械学習と生成AIで発見している。

LoRaWAN
- 省電力プロトコル
- 1-2miles届く
- 電池は10年持つ

* ブローカにIoT Coreを採用

* アーキテクチャ - セキュリティに、AWS ioT Defenderを使っている。 - スマートメーターが盗難などで移動した際に、緯度経度の変化を検知し、IoT ruleでnotificationを通知している。 - 機械学習にsagemaker、生成AIにBedrockを使っている。

ENU311 | Architecting advanced distribution grid planning for Duke Energy

Duke Energy が配電計画プロセスを変革し、グリッド上の分散型エネルギーリソースを最適化した方法を学びます。Duke のソリューションでは、イベント駆動型パターンと AWS クラウドでサポートされている最新のデータプラットフォームを使用して、プランナーの効率を向上させます。このソリューションを通じて、Duke はますます動的かつ複雑化する電力グリッドに必要な資本投資計画を合理化しました。この戦略により、Duke はビジネスユーザー向けの分析データ製品と統合されたガバナンスモデルを作成できました。同じデータを使用して異なるユースケースに共通のアーキテクチャを確立することで、Duke は数百万の高度な配電計画シナリオにスケーリングする複数の異なる分析を可能にしました。

スピーカー
- Scott Peters : Technical Lead, New Math Data, on behalf of Duke Energy
- Chaos Golubitsky : Senior Systems Development Engineer, Amazon Web Services

* Duke社は、ノースカロライナ州シャーロットに本社を置くフォーチュン 150 企業で、米国最大のエネルギー持株会社の 1 つ。

2030年までに再生エネルギーを50%にする計画。
太陽光と風、気温などでGridの発電計画を作っている。

Amazonは、2048年までにカーボンゼロを達成する計画

どのように分析しているか。
- AWS Glue Tableを使っている
- Data sourceからの取り込みは、Apache kafkaを使っている。
- weather dataはサードパーティーデータを使用している。lambdaでapi連携してデータレイクに取り込む。
- オペレーションデータは、API-GW経由でデータレイクに連携される。
- Smart materは各家に付いている
- Data sorucesはOracle
- DATA LAKEでEMRで分析している。
  - 1時間とか15分とかのバッチ処理
- 分析結果はopensearchで見ている。
- single region / muti-az構成。
- バッチのオーケストレーションには、apache airflowを使っている。
- UIはシステムオペレーター向けと利用者向けがある。
- データ鮮度は、5分間隔。

ENU301-R1 | Migrating an energy trading application to AWS

このチョークトークでは、国際的なエネルギー会社がビジネスに不可欠なエネルギー取引およびリスク管理システムである Openlink Endur を AWS に移行した方法をお聞きください。この講演では、この移行の技術的および戦略的側面について詳しく説明し、組織が AWS サービスを使用してパフォーマンス、スケーラビリティ、および回復力を強化した方法を紹介します。直面した課題、実装された革新的なソリューション、および実現された具体的なビジネス上の利点 (機能提供の高速化、専用環境の迅速なプロビジョニングを可能にすることによる開発者エクスペリエンスの向上、グローバルな可用性の向上など) について学びます。AWS への移行によって、この会社がダイナミックなエネルギー市場で長期的な成功を収める立場に立った方法をご覧ください。

スピーカー
- Remia Mathew : Principal Solutions Architect, AWS
- Andy Lambert : Cloud Architect, RWEST

まとめ

電力取引のシステムで、トレーダーをサポートするChatインタフェースのツールをLLMを用いて構築した例。
数あるデータをトレーダーは見切れないがそれをチャットがサポートする。
トレーダーからの問い合わせを受けて、Bedrock(LLM)に渡す。Aurola(SQL)からの返答をトレーダーに返すのに、Lanbchainを使う。
LLMは、トレーダーからの要求からSQLを生成するところをやらせる。
Athenaで複数のデータソースへのアクセスを束ねている。

セッション内容

数あるデータをトレーダーは見切れないがそれをチャットがサポートする。

トレーダーからの問い合わせを受けて、Bedrock(LLM)に渡す。Aurola(SQL)からの返答をトレーダーに返すのに、Langchainを使う。
LLMは、トレーダーからの要求からSQLを生成するところをやらせる。
LLMが生成したSQLがエラーになる場合は、オーケストレーションがLLMにリトライさせる。
Athenaで複数のデータソースへのアクセスを束ねている。

以上