Beruflich Dokumente
Kultur Dokumente
Digitalisierung
industrieller Prozesse
Übungseinheit 9: Deployment
6
Datensatz
1 Supervised
Datenimport Visualisierung Daten- Deskriptive Unsupervised Learning Optimierung GUI Deployment
bereinigung Analyse Learning
Regression
Datensatz
2
Klassifikation
…
Datensatz
n
2 3-4 5 7 8 9
Entwickler User
Prognose.R
app.R
UI Teil Serverteil
textOutput() renderText()
plotOutput() renderPlot()
tableOutput() renderTable()
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 3
Besprechung der Hausaufgabe
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 4
Lernziele
Lehreinheit 9: Deployment
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 5
Agenda
Lehreinheit 9: Deployment
• Cloud Computing
• Shinyapps.io
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 6
Cloud Computing
• Unter Cloud Computing versteht man die Bereitstellung von IT-Services durch eine
Plattform im Internet, deren Nutzung ohne vorherige Vertragsabsprache möglich ist (on
demand) und nur genutzte Leistungen in Rechnung gestellt werden (pay-as-you-go)
• Das Cloud Computing bietet eine Möglichkeit zum Deployment einer Applikation und wird oft
als Gegenteil von lokalem (on-premises) Deployment genannt. Hybride Lösungen sind
gängig.
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 7
AWS Compute Services
Datenstrom
• Compute Services von AWS sind Amazon Elastic Compute Cloud
(EC2) und Amazon Lightsail
Compute Service
(z.B. EC2)
• Ein Compute Service nimmt Datenströme der Entwickler und
User entgegen und kann auf Objekte aus einem Objektspeicher
und Daten aus einer Datenbank zugreifen Objektspeicher Datenspeicher
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 8
AWS Compute Services
• Zum Deployment einer Web App eignet sich z.B. eine AWS EC2 Instanz
• Eine EC2 Instanz ist ein reservierter virtueller Server mit flexibel einstellbarer
Kapazität, der je nach Nutzung bezahlt wird [3]
• Die Hardware und die zugehörige Kapazität einer EC2 Instanz können über das
Amazon Machine Image (AMI) konfiguriert und nachträglich angepasst werden:
• Betriebssystem und installierte Anwendungen
• Instanztyp (Rechen-, Arbeits- und Datenspeicher- und Netzwerkeigenschaften)
• Nach dem Launch und Status Checks kann die Web App über die öffentliche IP-
Adresse abgerufen werden
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 9
Shinyapps.io
• Shinyapps.io ist ein Anbieter für Cloud Services speziell für das Deployment
von shiny Apps
• Eine Schnittstelle zu shinyapps.io ist bereits in R Studio integriert („easy button“ )
• Eine genaue Anleitung befindet sich im Dashboard des Accounts oder auch hier [6]
• Die App ist dann über die zugewiesene HTTPS Adresse öffentlich zugänglich (der
Account- und Ordnername erscheinen in der Adresse)
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 10
Shinyapps.io
Die Verwaltung und das Monitoring der App erfolgt im shinyapps.io Account
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 11
Hausaufgabe Deployment der Web App zur Qualitätsprüfung
• Legen Sie sich einen Account auf shinyapps.io an (nur E-Mail Adresse und Accountname
erforderlich) [5]
• Wählen Sie als Account Namen:
https:// DIGIP-T-Nachname .shinyapps.io
• Folgen Sie der Anleitung auf Folie 10 um Ihre shiny Web App mit shinyapps.io zu deployen.
• Hilfe: https://shiny.rstudio.com/articles/shinyapps.html
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 12
Vielen Dank für
die Aufmerksamkeit
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 13
Literatur
(1) Free AWS Coursera Kurs: https://www.coursera.org/learn/aws-fundamentals-going-cloud-native?isNewUser=true
(5) https://www.shinyapps.io/admin/#/login
(6) https://statsandr.com/blog/how-to-publish-shiny-app-example-with-shinyapps-io/
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 14
Beispiel einer Data Science Anwendung
Anwendungsbeispiel - Qualitätsprüfung von Leiterplatten
Datensatz
1
Machine
Learning
Datensatz
2
…
Datensatz
n
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 15
Beispiel einer Data Science Anwendung
Anwendungsbeispiel - Qualitätsprüfung von Leiterplatten
• Lötpasteninspektion (SPI: Solder Paste Inspection) während der Fertigung, optionale Röntgenprüfung danach
• Ziel: Reduzierung der Röntgenendprüfung durch gute Vorhersagen aus SPI-Daten mittels ML
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 16
Beispiel einer Data Science Anwendung
Anwendungsbeispiel - Qualitätsprüfung von Leiterplatten
Dateneigenschaften
• Ein Datenpunkt = Ein Board
• Lötpasteninspektion Messungen:
• ID = Laufende Nummer
• QI = Qualitätsprüfung (1=nIO, 0 =iO)
• Machine = Maschinen-ID
• PreCheck = Erstes Prüfergebnis vor Löten (1 = nIO, 0 = iO)
• NumberPins = Anzahl der Pins pro Board
• BoardID = Board Nummer
• Price = Endpreis in Euro
• BoardCategory = Board Klassifikation (nicht näher bekannt…)
• MaterialOrigin = Herkunft der Lötspaste (S = Singapur, C = China, Q = Qatar)
• …
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 17