西雅圖--今天在 AWS re:Invent 大會上，Amazon.com 公司（納斯達克股票代碼：AMZN）的 Amazon Web Services, Inc. (AWS) 宣布了Amazon Monnitron 、 Amazon Lookout for Equipment 、 AWS Panorama Appliance 、 AWS Panorama SDK和Amazon Lookout for Vision 。這五項新的機器學習服務共同幫助工業和制造業客戶將智能嵌入到他們的生產過程中，以提高運營效率、質量控制、安全性和工作場所的安全性。這些服務結合了復雜的機器學習、傳感器分析和計算機視覺功能，以解決工業客戶面臨的常見技術挑戰，并代表了最全面的云到邊緣工業機器學習服務套件。這就是為什么超過 10 萬客戶使用 AWS 進行機器學習，以及為什么各種規模和所有行業的客戶都在使用 AWS 服務將機器學習作為其業務戰略的核心。要了解有關 AWS 新的工業機器學習服務的更多信息，請訪問。

AWS 宣布推出五種工業機器學習服務

越來越多的公司希望將機器學習功能添加到工業環境中，例如制造設施、履行中心和食品加工廠。對于這些客戶而言，數據已成為將其復雜工業系統連接在一起的結締組織。工業系統通常有許多相互依賴的過程，這些過程對錯誤的容忍度很小，即使是小問題也可能產生重大影響。能夠分析有關其設施中運行的設備的數據有助于客戶應對這一挑戰，許多客戶已經采用 AWS IoT SiteWise 等服務作為一種從其工業設備收集數據和生成實時性能指標的方式。隨著客戶開始使用云來收集和分析工業數據，他們還要求采用新的方法來結合機器學習來幫助理解數據并進一步提高運營效率。在某些情況下，客戶希望使用機器學習來幫助他們實現預測性維護的承諾，從而降低成本并提高運營效率。在其他情況下，在斷開連接或對延遲敏感的環境中運行的客戶希望在邊緣使用計算機視覺來發現產品缺陷并提高工作場所的安全性。隨著這些不斷變化的需求和機遇，工業公司要求 AWS 幫助他們一起利用云、工業邊緣和機器學習，以便從其設備生成的大量數據中獲得更多價值。

Amazon Monnitron 和 Amazon Lookout for Equipment 支持機器學習支持的預測性維護

當今工業和制造公司面臨的一個主要挑戰是設備的持續維護。從歷史上看，大多數設備維護要么是被動的（在機器損壞后），要么是預防性的（定期執行以確保機器不會損壞）。反應性維護可能會導致大量成本和停機時間，而預防性維護可能成本高昂，導致過度維護，或者如果執行得不夠頻繁，則無法防止故障。預測性維護（預測設備何時可能需要維護的能力）是一種更有前途的解決方案。然而，為了使其發揮作用，公司歷來需要熟練的技術人員和數據科學家從頭開始拼湊一個復雜的解決方案。這包括為用例識別和采購正確類型的傳感器，并將它們與物聯網網關（一種聚合和傳輸數據的設備）連接在一起。然后，公司必須測試監控系統并將數據傳輸到本地基礎設施或云端進行處理。只有這樣，員工中的數據科學家才能構建機器學習模型來分析數據的模式和異常情況，或者在檢測到異常值時創建警報系統。一些公司在其設備上安裝傳感器以及數據連接、存儲、分析和警報所需的基礎設施方面投入了大量資金。但即使是這些公司也通常使用基本的數據分析和簡單的建模方法，與先進的機器學習模型相比，這些方法成本高昂，而且在檢測異常情況方面通常無效。大多數公司缺乏構建和改進機器學習模型的專業知識和人員，這些模型可以實現高度準確的預測性維護。因此，很少有公司能夠成功實施預測性維護，而那些已經做到這一點的公司正在尋找進一步利用其投資的方法，同時也減輕了維護其本土解決方案的負擔。以下是新的 AWS 機器學習服務如何提供幫助：

• 對于沒有現有傳感器網絡的客戶， Amazon Monitron提供由傳感器、網關和機器學習服務組成的端到端機器監控系統，用于檢測異常并預測工業設備何時需要維護。 Amazon Monnitron 使客戶能夠從頭開始構建復雜的、機器學習驅動的預測性維護系統，從而消除成本和復雜性，并且還使他們能夠專注于其核心制造、供應鏈和運營職能。 Amazon Monnitron 根據振動或溫度的異常波動檢測機器何時無法正常運行，并通知客戶何時檢查機器以確定是否需要預防性維護。端到端系統包括用于捕獲振動和溫度數據的物聯網傳感器、用于聚合數據并將數據傳輸到 AWS 的網關，以及可以檢測異常設備模式并在幾分鐘內提供結果的機器學習云服務，無需機器學習或云需要經驗。借助 Amazon Monnitron，維護技術人員可以在幾個小時內開始跟蹤機器運行狀況，而無需任何開發工作或專門培訓。 Amazon Monnitron 可用于各種旋轉設備，例如工業和制造環境中的軸承、電機、泵和傳送帶。用例范圍從監控一些關鍵機器，如數據中心使用的冷卻風扇或水泵，到生產和運輸系統的制造設施中的大規模安裝。 Amazon Monnitron 還包括一個移動應用程序，供客戶的現場維護技術人員實時監控設備行為。借助移動應用程序，技術人員可以接收不同機器上任何異常設備狀況的警報，檢查機器的運行狀況，并決定是否需要安排維護。為了提高系統的準確性，技術人員可以在移動應用程序中輸入有關警報準確性的反饋，Amazon Monitron 從該反饋中學習，以隨著時間的推移不斷改進。 Amazon Monnitron 現已全面上市。要了解有關 Amazon Monnitron 的更多信息，請訪問。
• 對于擁有現有傳感器但不想構建機器學習模型的客戶， Amazon Lookout for Equipment提供了一種將傳感器數據發送到 AWS 為他們構建模型并返回預測以檢測異常設備行為的方法。首先，客戶將他們的傳感器數據上傳到 Amazon Simple Storage Service (S3)，并將 S3 位置提供給 Amazon Lookout for Equipment。 Amazon Lookout for Equipment 還可以從 AWS IoT SiteWise 提取數據，并與 OSIsoft 等其他流行的機器操作系統無縫協作。 Amazon Lookout for Equipment 分析數據，評估正常或健康的模式，然后使用從所有訓練數據中獲得的知識來構建針對客戶環境定制的模型。然后，Amazon Lookout for Equipment 可以使用機器學習模型來分析傳入的傳感器數據并識別機器故障的早期預警信號。這使客戶能夠進行預測性維護，通過防止工業系統生產線崩潰來節省資金并提高生產力。 Amazon Lookout for Equipment 讓客戶能夠從他們現有的傳感器中獲得更多價值，并幫助客戶做出及時的決策，從而顯著改善整個工業流程。要了解有關 Amazon Lookout for Equipment 的更多信息，請訪問。

AWS Panorama 使用計算機視覺來改善工業運營和工作場所安全

許多工業和制造業客戶希望能夠在其設施和設備的實時視頻源上使用計算機視覺，以自動化監控或視覺檢查任務并實時做出決策。例如，客戶通常需要檢查高速流程以確定是否需要調整（例如精細銑削或激光加工），監控現場和庭院活動以確保運營合規（例如確保行人和叉車留在指定的工作區域），或評估其設施內的工人安全（例如，適當的社交距離或個人防護裝備的使用）。然而，當今使用的典型監控方法是手動的、容易出錯且難以擴展。客戶可以在云中構建計算機視覺模型來監控和分析他們的實時視頻源，但工業流程通常需要物理上位于偏遠和孤立的地方，那里的連接可能很慢、很昂貴，或者完全不存在。對于涉及人工審查（例如對制造零件或安全饋送的質量檢查）的工業流程來說，這個問題更加困難。例如，如果在高產量生產線上出現質量問題，客戶希望立即知道，因為讓問題持續存在的成本很高。這種類型的視頻源可以使用計算機視覺在云中自動處理，但視頻源帶寬很高，上傳速度可能很慢。因此，客戶需要實時監控視頻源，這很難做到、容易出錯且成本高昂。雖然希望使用具有足夠處理能力的智能相機來運行這些模型，但從這些相機中獲得低延遲性能和良好的準確性可能具有挑戰性。大多數客戶最終會運行簡單的模型，這些模型無法通過編程來運行集成到工業機器中的自定義代碼。 AWS 現在可以提供以下幫助：

• AWS Panorama Appliance提供了一種新的硬件設備，允許組織將計算機視覺添加到客戶可能已經部署的現有本地攝像頭中。客戶首先將 AWS Panorama 設備連接到他們的網絡，該設備會自動識別攝像頭流并開始與現有的工業攝像頭交互。 AWS Panorama 設備與 AWS 機器學習服務和 IoT 服務集成，可用于構建自定義機器學習模型或攝取視頻以進行更精細的分析。 AWS Panorama 設備將 AWS 機器學習擴展到邊緣，以幫助客戶在沒有連接的情況下在本地進行預測。每個 AWS 全景設備都可以在多個攝像頭流上并行運行計算機視覺模型，從而實現質量控制、部件識別和工作場所安全等用例。 AWS Panorama 設備與 AWS 和第三方預訓練的計算機視覺模型配合使用，適用于零售、制造、建筑和其他行業。此外，在 Amazon SageMaker 中開發的客戶開發的計算機視覺模型可以部署在 AWS Panorama 設備上。
• AWS Panorama 軟件開發工具包 (SDK)使硬件供應商能夠構建可以在邊緣運行有意義的計算機視覺模型的新相機。使用 AWS Panorama SDK 構建的相機運行計算機視覺模型，用于檢測快速移動的傳送帶上的損壞部件或發現機器位于指定工作區之外的用例。這些相機可以使用 NVIDIA 和 Ambarella 為計算機視覺設計的芯片。通過使用 AWS Panorama SDK，制造商可以構建具有計算機視覺模型的攝像頭，這些模型可以處理更高質量的視頻，并具有更好的分辨率以發現問題。他們還可以在可以通過以太網供電并放置在站點周圍的低成本設備上構建更復雜的模型。客戶可以在 Amazon SageMaker 中訓練自己的模型，只需單擊一下即可將它們部署到使用 AWS Panorama 開發工具包構建的攝像頭上。客戶還可以將 Lambda 函數添加到使用 AWS Panorama SDK 構建的攝像頭，以便通過文本或電子郵件向潛在問題發出警報。 AWS 還為 PPE 檢測和社交距離等任務提供了預構建模型，并且可以在幾分鐘內部署這些模型，而無需進行任何機器學習工作或特殊優化。

要了解有關 AWS Panorama 以及支持供應商和合作伙伴的更多信息，請訪問。

Amazon Lookout for Vision 以低成本自動快速準確地檢測圖像和視頻的視覺異常

AWS 客戶樂于使用他們的相機部署計算機視覺的一個用例是質量控制。工業公司必須保持持續的勤奮以保持質量控制。僅在制造業中，由于疏忽錯誤導致的生產線停工每年都會導致數百萬美元的成本超支和收入損失。工業過程的目視檢查通常需要人工檢查，這可能是乏味且不一致的。計算機視覺帶來了一致識別缺陷所需的速度和準確性，但實施可能很復雜，需要數據科學家團隊來構建、部署和管理機器學習模型。由于這些障礙，機器學習驅動的視覺異常系統對于絕大多數公司來說仍然遙不可及。以下是 AWS 現在可以如何幫助這些公司：

• Amazon Lookout for Vision為客戶提供高精度、低成本的異常檢測解決方案，該解決方案使用機器學習每小時處理數千張圖像以發現缺陷和異常。客戶將相機圖像批量或實時發送到 Amazon Lookout for Vision，以識別異常情況，例如機器部件的裂縫、面板的凹痕、不規則的形狀或產品上的不正確顏色。然后，Amazon Lookout for Vision 會報告與基線不同的圖像，以便采取適當的措施。 Amazon Lookout for Vision 足夠復雜，可以處理因工作環境變化而引起的攝像機角度、姿勢和照明變化。因此，客戶可以通過提供少至 30 張基準“良好”狀態的圖像來準確、一致地評估機器零件或制成品。 Amazon Lookout for Vision 也在 Amazon Panorama 設備上運行。從今天開始，客戶可以在 AWS 中運行 Amazon Lookout for Vision，從明年開始，客戶將能夠在 AWS Panorama 設備和其他 AWS Panorama 設備上運行 Amazon Lookout for Vision，這樣客戶就可以在以下地點使用 Amazon Lookout for Vision互聯網連接有限或不存在。要了解有關 Amazon Lookout for Vision 的更多信息，請訪問。

“工業和制造業客戶不斷面臨來自股東、客戶、政府和競爭對手的壓力，要求他們降低成本、提高質量并保持合規性。這些組織希望使用云和機器學習來幫助他們自動化流程并增強其運營中的人員能力，但構建這些系統可能容易出錯、復雜、耗時且昂貴，”亞馬遜副總裁 Swami Sivasubramanian 說AWS 機器學習。 “我們很高興為客戶帶來五種專為工業用途而構建的新機器學習服務，這些服務易于安裝、部署、快速啟動和運行，并將云連接到邊緣以幫助交付未來的智能工廠為我們的工業客戶服務。”

Fender Musical Instruments Corporation 是一個標志性品牌，也是世界上最重要的吉他、貝司、放大器和相關設備制造商。 “在過去的一年里，我們與 AWS 合作，幫助開發成功運營制造業務的關鍵但有時被忽視的部分，了解您的設備狀況。對于全球制造商而言，保持設備正常運行時間是在全球市場上保持競爭力的唯一途徑。 Fender 全球設施總監 Bill Holmes 表示，由于故障的滅火性質，計劃外停機會導致生產和勞動力損失的代價高昂。 “Amazon Monitron 可以讓大型行業制造商和小型‘夫妻店’能夠預測設備故障，讓我們有機會提前安排設備維修。”

RS Components 是工業組件和預測性維護領域的領先企業。 “我們不斷嘗試創新如何滿足客戶的維護需求。隨著物聯網的出現，我們看到我們的客戶希望將實時狀態監控功能帶入工廠環境，以減少被動維護并提高資產可靠性， ” RS Components 技術總監 Richard Jeffers 說。 “我們很高興與 AWS 合作，將 Amazon Monitron 帶給我們的客戶，因為它使他們能夠部署經濟高效、易于使用、不斷改進的狀態監控解決方案，并在其資產庫中的更廣泛的設備集上實現預測性維護。雖然我們從 2,500 家不同的供應商那里庫存了超過 500,000 種產品，但這是我們產品組合中的第一個端到端無線振動和溫度狀態監測解決方案。我們計劃通過我們的電子商務平臺向我們的客戶提供 Amazon Monnitron，并利用它通過我們的數據主導的可靠性服務業務 RS Monition 提供基于狀態的監控和可靠性服務。與 AWS 合作將使我們能夠支持我們的客戶努力采用物聯網和機器學習作為新興技術，并加速他們的工業 4.0 戰略。 "

GS EPS 是一家韓國工業集團。 GS EPS 執行副總裁 Kang Bum Lee 說：“十多年來，我們一直在為我們的資產生成數據，但只使用基于物理和規則的方法來深入了解我們的數據。” “Amazon Lookout for Equipment 使我們的工廠運營團隊能夠在我們的設備上構建模型，而無需 ML 專業知識。借助 AWS 和 Amazon Lookout for Equipment，我們正在引領我們的組織轉變為數據驅動的工作文化。”

OSIsoft 是用于實時數據管理的應用軟件制造商，稱為 PI System。 “今天，OSIsoft PI Systems 內部有超過 20 億個基于傳感器的數據流，每天有成千上萬的客戶依賴 PI System 來運行他們的運營。這些客戶一直在尋找方法來輕松提供洞察力以提高他們的競爭力. OSIsoft 產品可以與 AWS 服務集成，幫助客戶從數據中釋放額外價值。Amazon Lookout for Equipment 通過提供專為設備監控而構建的自動化機器學習，擴大了客戶可用的服務范圍和洞察力，”總監 Michael Graves 說OSIsoft 的戰略聯盟。

“每個月，數以百萬計的卡車進入亞馬遜設施，因此開發自動裝載、卸載和停車的技術非常重要，”Amazon.com 的中間一英里生產技術副總裁史蒂夫·阿馬托說。“亞馬遜的中間一英里產品和技術 (MMPT) ) 已經開始使用 AWS Panorama 來識別這些車輛上的車牌，并自動加快司機的進出。這可以安全、快速地訪問亞馬遜網站，確保更快地為我們的客戶交付包裹。”

BP 是一家全球能源公司，為客戶提供運輸燃料、熱能和光能、保持發動機運轉的潤滑劑，以及用于制造油漆、衣服和包裝等各種日常用品的石化產品。該組織在全球擁有 18,000 個服務站和 74,000 多名員工。 “我們在 bpx 的工程團隊正在與 AWS 密切合作，以構建一個物聯網和云平臺，這將使我們能夠不斷提高我們的運營效率，”BP America 首席技術官 Grant Matthews 說。 “作為這項工作的一部分，我們探索的一個領域是使用計算機視覺來幫助我們進一步提高安全性和工人安全。我們希望利用計算機視覺來自動化卡車進出我們的設施，并驗證它們是否履行了正確的訂單。此外，我們看到計算機視覺可以通過多種方式保護我們的工人安全，從監控社交距離到設置動態禁區和檢測漏油。 AWS Panorama 提供了一種創新方法，可在具有直觀用戶體驗的單一硬件平臺上交付所有這些解決方案。我們的團隊很高興能與 AWS 合作開發這項新技術，并希望它能幫助我們解決許多新的用例。”

Siemens Mobility 為城市、城際和貨運提供智能高效的移動解決方案。 “160 多年來，Siemens Mobility 一直是無縫、可持續和安全運輸解決方案的領導者。西門子 ITS 數字實驗室是一個創新團隊，負責為交通行業帶來最新的數字化進步，并在為公共機構提供數據分析和人工智能解決方案方面處于獨特的地位，”西門子移動 ITS 數字實驗室創新經理 Laura Sanchez 說。 “隨著城市面臨新的挑戰，市政當局已經求助于我們來代表他們進行創新。城市想了解如何有效管理其資產并改善擁堵和直接交通。我們希望使用 AWS Panorama 將計算機視覺引入現有的安全攝像頭，以監控交通并智能分配路邊空間，幫助城市優化停車和交通，并提高其選民的生活質量。”

凌華科技提供硬件/軟件平臺，使客戶能夠實施邊緣人工智能解決方案，在制造、運輸、醫療保健、能源和通信等工業市場實時交付可操作的數據。凌華美國首席執行官伊麗莎白坎貝爾說：“AWS Panorama 與凌華工業視覺系統的集成使得真正的邊緣計算機視覺即插即用。2021 年，我們將制造獲得 AWS Panorama 認證的凌華霓虹相機由 NVIDIA Jetson AGX Xavier 提供給客戶，以更快的速度推動高質量的計算機視覺結果。這使得凌華科技能夠在物流、制造、能源和公用事業使用方面更快地為我們的客戶提供 ML 數字實驗和價值實現時間案件。”

INDUS.AI 是世界上最先進的建筑智能解決方案，使房地產投資者、業主、開發商和總承包商能夠對其建筑工地的所有活動、生產力和風險具有實時可見性和可操作的洞察力。 INDUS.AI 力求使建筑工地和項目更安全、更高效和完全透明。 “施工區是動態環境。在任何給定時間，您都有數百個交付和分包商與重型設備共享該站點，并且每天都在變化。 INDUS.AI 專注于為總承包商提供建筑智能，”INDUS.AI 首席執行官 Matt Man 說。 “計算機視覺是一個特別有價值的工具，因為它能夠同時處理多項任務。我們期待在類似 SaaS 的體驗中為 AWS Panorama 客戶提供有關工作現場管理和安全的實時見解。”

Dafgards 在瑞典是家喻戶曉的名字，生產種類繁多的食品。他們最成功的品牌之一是Billys Pan Pizza，這是一種以每秒2個比薩餅的速度烘烤和包裝的微波爐比薩餅。 “為了維護我們的品牌并提供最新鮮、最美味的客戶體驗，我們希望確保我們所有的比薩餅都充分覆蓋了奶酪和正確的配料。之前，我們安裝了一個機器視覺系統來檢測比薩餅中奶酪的正確覆蓋率Dafgards 卓越運營和工業物聯網主管 Fredrik Dafg?rd 表示，雖然該系統非常適合我們最初的檢測要求，但它無法檢測包括多種配料的新產品類型的缺陷。 "

GE Healthcare 是全球領先的醫療技術和數字解決方案創新者，開發、制造和分銷診斷成像劑、放射性藥物、醫療診斷設備（包括 CT 和 MRI 機器）以及由其 Edison 智能平臺支持的智能設備。 “今天，我們使用人工檢查來驗證我們醫療設備的質量。為了維護我們的品牌并提供醫療保健專業人士信賴的一流產品，我們很高興能夠使用 Amazon Lookout for Vision 以編程方式提高我們在日本和日本工廠檢測產品缺陷的速度、一致性和準確性。 GE Healthcare Japan 工廠經理、制造部門總經理、運營官 Kozaburo Fujimoto 說。

Nukon 是 SAGE 集團旗下的一家公司，是一家數字化轉型咨詢和交付公司，提供定制設計的解決方案，將戰略、分析和技術相結合，以提供對關鍵業務流程的可見性，以便對其進行優化。 “我們很高興 Amazon Lookout for Vision 將如何幫助我們在我們的姊妹公司 SAGE Automation 的制造設施內根據其嚴格的質量控制計劃實時檢測產品缺陷。 Nukon 首席技術官 Rafael Amaral 表示，我們很高興現在將這項技術應用于其他制造商并將其整合到他們的質量體系中。

關于亞馬遜網絡服務

14 年來，Amazon Web Services 一直是世界上最全面、應用最廣泛的云平臺。 AWS 為計算、存儲、數據庫、網絡、分析、機器人、機器學習和人工智能 (AI)、物聯網 (IoT)、移動、安全、混合、虛擬和增強現實（VR 和 AR）提供超過 175 項功能齊全的服務)、媒體和應用程序開發、部署和管理，來自 24 個地理區域內的 77 個可用區 (AZ)，并已宣布計劃在印度、印度尼西亞、日本、西班牙和瑞士再增加 15 個可用區和 5 個 AWS 區域。數以百萬計的客戶（包括發展最快的初創公司、最大的企業和領先的政府機構）信任 AWS 來支持他們的基礎設施、變得更加敏捷并降低成本。

關于亞馬遜

亞馬遜遵循四項原則：以客戶為中心而非以競爭對手為中心、對發明的熱情、對卓越運營的承諾以及長期思考。客戶評論、一鍵購物、個性化推薦、Prime、亞馬遜物流、AWS、Kindle Direct Publishing、Kindle、Fire 平板電腦、Fire TV、亞馬遜 Echo 和 Alexa 是亞馬遜率先推出的一些產品和服務。

點擊咨詢現在有哪些新興平臺值得關注 >>>

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。