Fakultät

Maschinenbau und Versorgungstechnik

Digitalisierung
industrieller Prozesse

Übungseinheit 9: Deployment

Dr. Christian Menden

Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik
Copyright Dr. Christian Menden
- Darf nur im Rahmen der bestimmungsgemäßen Lehrveranstaltungen verwendet und vervielfältigt werden. Seite 1
Rückblick - Roter Faden durch die gesamte Veranstaltung
1 • Artificial Intelligence (AI)
• Machine Learning (ML)
Data Science Grundbegriffe • Deep Learning (DL)
• Data Science
• Analytics

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

Data Science Pipeline

10 - 11
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 2
Rückblick – Übungseinheit 8

Entwickler User

Prognose.R

Server Teil UI Teil

Input Variablen Header

Sidebar
Output Variablen Body

app.R

UI Teil Serverteil

textOutput() renderText()

plotOutput() renderPlot()

tableOutput() renderTable()

Notwendige Funktionen um Output Objekte einzubinden

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

Ich kenne/verstehe heute …

• Was Cloud Computing ist
• Möglichkeiten eine Web App zu deployen
• Wie ich eine shiny App mit shinyapps.io deploye

Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 5
Agenda
Lehreinheit 9: Deployment

• Cloud Computing

• AWS Compute Services

• 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

• Amazon Web Services bietet verschiedene Cloud-basierte Produkte

an. Ziel ist es, Aufgaben, die jeder für die Erzeugung und
Instandhaltung von IT Anwendungen hat, abzunehmen, z.B.
Rechenkapazität, Speicher, Netzwerkmanagement

• Ein Compute Service stellt Rechenkapazität für Entwicklung,

Deployment, Inbetriebnahme und Skalierung von Anwendungen
bereit

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)

• Je nach Anwendung eignen sich unterschiedliche Instanz Typen am besten [4]

• Eine Security Group kontrolliert die Zugriffe auf die Instanz (für eine Web App z.B.
braucht man einen Web Server, der Internetverkehr auf HTTP und HTTPS Ports
zulässt)

• 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“ )

• Das Deployment via shinyapps.io ist in wenigen Schritten möglich:

• Anlegen eines neuen Ordners für die App mit den benötigten Files
• Einrichtung eines Accounts auf shinyapps.io
• Installieren des Pakets rsconnect in R
• Einmalige Authorisierung des Accounts mittels „token and secret“
• Deployment über den deployApp Befehl in der Konsole oder den 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

(2) Free AWS Kontingent: https://aws.amazon.com/de/free/?all-free-tier.sort-by=item.additionalFields.SortRank&all-free-

tier.sort-order=asc

(3) AWS EC2: https://aws.amazon.com/de/ec2/?nc2=h_ql_prod_fs_ec2&ec2-whats-new.sort-

by=item.additionalFields.postDateTime&ec2-whats-new.sort-order=desc

(4) AWS EC2 Instanz Typen: https://aws.amazon.com/de/ec2/instance-types/

(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)
• …

• Labels für diesen Datensatz aus Röntgeninspektion und

zusätzlicher Prüfung

Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 17