為了提供更好的閱讀內容,我們使用cookies來改善使用者體驗,關於更多cookies資訊請閱讀我們的隱私權聲明
全部已讀
 
 

妙用機器學習 打通IoT價值實現的最後一哩

2018/12/04 - DIGITIMES企劃

欲探討人工智慧與物聯網如何引領產業創新,AWS基於自身發展歷程,提出6個重要的經驗傳承(Lessons Learned),包括「從客戶需求進行『逆向工作』」、「產品的生命始於安裝」、「科技始終來自人性」、「持續精進企業與顧客的數位關係」、「贏得客戶的信任」,以及「『資料』是優化流程、降低成本及改善顧客體驗的關鍵」。

論及AWS主張的逆向工作法,一切從顧客需求出發,與傳統技能導向方式大不相同,因為此方法係根據自身技術與能力來決定下一步,相形之下,AWS更能緊密地與顧客站在一起。

例如AWS物流中心,便是逆向工作法的實踐範例。為了向顧客提供更佳出貨速度與準確率,其打破高層料架、固定路徑等傳統窠臼,陸續導入機器人、移動倉櫃等新元素,並藉由軟體定義技術,動態決定機器人行走的最短路徑,迄今演進至第八代物流中心,出貨準確率高達99.99%。

從資料湖到ML,AWS提供流暢的智慧轉型路徑

此外AWS對於簡易安裝、與顧客建立長遠互動關係等方面的諸多堅持,皆可謂制勝法寶。總體來說,AWS認為IoT價值實現的三部曲,依序為資料採集、顧客洞察以及價值傳遞;具體做法是,藉由現在與過去的資料比對,從資料脈絡中理出頭緒,針對目前發生的事,整理因果關係,藉此預測未來,再透過機器學習(ML)演算,形成決策依據。

為協助企業順利實踐IoT轉型價值,AWS提供端到端完整的IoT Architecture,裡頭包含了「物」與「雲」,可讓地面的裝置物件,能輕易且安全地與雲端上的應用程式及其他裝置互動。更重要的,AWS始終抱持一個願景,讓看似艱澀的機器學習技術,能夠為用戶信手拈來容易使用。

以製造業為例,AWS所勾勒的機器學習轉型路徑,裡頭含括了資料湖,藉以滿足資料的安全、治理、合規、生命週期管理等機能;再進入「資料理解」機制,有ETL、BI Reporting、Data Statistic等等輔助工具;接著引領用戶懂得如何利用歷史資料去預測未來;最終透過機器學習產生工業4.0、原物料價格預測、需求/產品規劃、工安...等等決策。