智慧應用 影音
台灣亞馬遜網路服務有限公司
20210804_D Webinar 2021 疫起拚轉型論壇:缺電時代中的生存指南

智慧感測器普及率提高 成堆資料如何分析?

亞馬遜設備守望服務根據溫度、震動等感測器資料實現設備預測式維護。AWS

亞馬遜(Amazon)AWS推出亞馬遜設備守望(Amazon Lookout for Equipment)服務,運用雲端機器學習模型與演算法分析設備資料,協助砸大錢投資智慧感測器等工業物聯網(IIoT)技術的工業與製造廠商,找出可執行的深刻見解以預測設備故障、進行預測式維護。

根據Automation World報導,預測式維護經常被視為最能立即且有效展現機器學習能力的應用之一,但實務上進展卻相當緩慢。雖然智慧感測器價格持續下降,讓製造廠能廣泛運用於收集與傳送溫度、震動等各種資料,支援開發預測式維護演算法,但若無領域專家與駐廠資料分析師的參與,則想從資料中推導出可執行的深刻見解將遠比預期困難。

因此工廠營運者與管理者若不能適當發揮機器學習的價值,則在智慧感測器等IIoT方面的投資將無法獲得理想回收。AWS為協助製造業者最近推出亞馬遜設備守望服務,將用戶方的工業設備資料傳送到AWS的雲端機器學習模型,進行分析以產生可執行的關鍵深刻見解,協助用戶預測設備故障、改善設備維護作業與管理。

通常單一製造廠缺乏足夠資料量、駐廠資料分析師與專業、相關資源,以自行建立與運行功能強大的機器學習應用。亞馬遜設備守望服務的價值主張非常直接,由於集結許多製造廠用戶提供的大量資料來訓練雲端的機器學習模型,又有充足的運算資源支援執行演算法,因此AWS能解決製造廠運用IIoT的痛點。

而用戶提供源源不絕的設備資料也正是AWS持續開發更先進機器學習功能所不可缺,因此亞馬遜設備守望服務不會預收任何費用,而會根據訓練客戶機器學習模型所處理的資料量與使用的運算資源時數來收費,可望有助於中小型企業以更負擔得起的成本,開始部署基於機器學習模型的預測式維護應用。

此外相較於已廣為運用、單純基於規則的預測式維護建模程序過去的效能表現,由於亞馬遜設備守望服務的機器學習模型,能透過辨識個別感測器與對應設備之間的獨特關聯,因此能更有效與精確的處理設備發生異常與故障的點而發揮更大效益。亞馬遜設備守望服務可應用於單一設施或跨多地點。

目前美國、歐盟、亞太區域的AWS客戶已能使用亞馬遜設備守望服務,已採用的客戶包括Cepsa、Embassy of Things、RoviSys、Seeq、Siemens Energy、TensorIoT等,未來數月會宣布其他提供服務的地區。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: AWS 機器學習 亞馬遜 感測器