京東數科新媒體編譯自enterpriseai.news.com，轉載請註明來源。
藉助五款專注於工業應用的 AI 工具，亞馬遜雲計算服務（以下簡稱為 AWS）正在努力擴大工業 AI 的使用範圍。這些工具可以 7x24 小時不間斷地守護製造工廠，在檢測生產線和其他系統問題的同時，還可以預測所需的維護任務。
據 AWS 介紹，新的 AI 工具是能夠幫助工業和製造業客戶將機器智能帶入他們生產流程的機器學習服務，可提高運營效率、質量控制、安保和工作場所安全。利用機器學習、傳感器分析和計算視覺功能，這些工具要通過雲到邊緣（指的是雲計算和邊緣計算）的工業機器學習服務，幫助製造業和工業運營解決常見的技術挑戰。
負責提供全新 AI 服務的是以下五項工具：
Amazon Monitron，這是一個由傳感器、網關和機器學習服務組成的工業監測系統，可以檢測設備的異常狀況；
Amazon Lookout for Equipment，允許客戶對現有設備傳感器進行調整，以使用 AWS 機器學習模型來檢測設備問題並提供預測性維護服務；
AWS Panorama Appliance則可以讓那些已經在其設施中安裝了視頻攝像系統的製造業客戶使用計算視覺來改善質量控制和工作場所安全；
AWS Panorama軟體開發工具包（SDK），允許工業視頻攝像機製造商在其最新的產品中嵌入計算視覺功能；
Amazon Lookout for Vision，在圖像和視頻流上應用 AWS 訓練的計算視覺模型，以發現產品或流程中的異常和缺陷。
Franconia Research 首席分析師 James Kobielus 指出，AWS 全新 AI 工具的意義在於，它們為中小型製造商分階段採用這些技術提供了入口。
「計算視覺是商業人工智慧領域的半壁江山，而工業物聯網是這項技術的主要試驗場，」Kobielus 說道。「許多製造企業已經在廠內部署了智能傳感器，用於數位化過程監控、異常檢測和質量控制。計算視覺是物聯網智能傳感器革命中一個巨大且不斷增長的領域，它還有很大的潛在市場處於未開發狀態。」
Amazon Monitron
Amazon Monitron 專為沒有現成傳感器網絡的工業用戶設計，包括傳感器、網關和機器學習服務，用於監視工業和製造設施。Monitron 可以檢測異常情況，並預測工業設備何時需要維護，方便工廠專注於其他核心製造、供應鏈和運營功能。據 AWS 介紹，Monitron 會利用傳感器和其他系統工具，根據振動或溫度的異常波動判斷機器何時無法正常運行。
一旦發現異常，系統會通知客戶檢查有問題的機器，以確定是否需要進行預防性維護。藉助 Monitron，維護技術人員可以在幾小時內開始跟蹤機器的健康狀況，不需要任何開發工作或專業培訓。Monitron 可用在廣泛的旋轉設備上，包括工業和製造環境中的軸承、電機、泵和傳送帶。此外，它還能監控關鍵的機器，如數據中心的冷卻風扇或水泵，或在生產和輸送系統的製造設施中進行大規模安裝。
工廠技術人員可以使用移動 App 實時監控 Monitron，並收到有關設備問題的警報，同時還可以檢查機器的健康狀況並安排所需的維護。技術人員可以在移動 App 中輸入關於警報準確性的反饋，Monitron 會從反饋中學習，並逐步改進 App。
Amazon Lookout for Equipment
Lookout for Equipment 專為那些擁有現成傳感器但不想搭建機器學習模型的客戶而設計，它允許用戶將自家傳感器數據發送到 AWS，為他們建立模型，並反饋預測結果，以檢測異常的設備行為。
AWS 介紹稱，客戶可將自己的傳感器數據上傳到亞馬遜簡單存儲服務（S3），並將 S3 位置提供給 Amazon Lookout for Equipment 就可以開始了。當然，也可以從 AWS IoT SiteWise 中提取數據。它還可以與 OSIsoft 等其他流行的機器作業系統協同工作。Amazon Lookout for Equipment 會分析數據，評估正常或健康的模式，然後藉助從數據中學習到的知識並在此基礎上進行訓練，建立一個為客戶環境定製的模型。
隨後，它會用機器學習模型來分析傳入的傳感器數據，並識別機器故障的早期預警信號，以進行預測性維護評估。Amazon Lookout for Equipment 讓客戶能從現有傳感器中獲得更多價值，並幫助客戶及時做出決策，改善工業流程。
Amazon Panorama Appliance
新 Panorama Appliance 的誕生就是為了方便客戶將計算視覺添加到現有的攝像頭，它能連接到客戶網絡並自動識別攝像頭視頻流，並開始與現有工業攝像頭進行交互。Panorama Appliance 與 AWS 機器學習服務和物聯網服務相集成，可用於構建自定義機器學習模型或抓取視頻以進行更精細的分析。Panorama Appliance 還將 AWS 機器學習擴展到邊緣，以幫助客戶在沒有網際網路的廠房進行本地預測。每個 Panorama Appliance 都可以在多個攝像頭視頻流上並行運行計算視覺模型，使質量控制、部件識別和工作場所安全等應用成為可能。此外，它還能與 AWS 和第三方預訓練的計算視覺模型一起工作，用於零售、製造、建築和其他行業。客戶在 Amazon SageMaker 中開發的計算機視覺模型也可以部署在 Panorama Appliance 上。
Panorama SDK
據 AWS 介紹，有了這個 SDK 硬體廠商就能打造新的攝像頭，用於監測快速移動傳送帶上的損壞部件，或者發現機器在指定工作區之外的情況。這些攝像頭可以使用英偉達和 Ambarella 公司專為計算視覺設計的晶片。使用 Panorama SDK 開發的攝像頭可以用上計算視覺模型處理更高質量的視頻，且具有更好的解析度，方便客戶發現問題，以及用於在低成本設備上建立更複雜的模型。此外，這些設備可以通過乙太網供電並放置在場地周圍。客戶也可以在 Amazon SageMaker 中訓練自己的模型，並將其部署在用 AWS Panorama SDK 構建的攝像頭上，且只需點擊一下即可開動。
Amazon Lookout for Vision
Amazon Lookout for Vision 是一款高精度、低成本的異常檢測產品，藉助機器學習，它每小時能處理數千張圖像以發現缺陷和異常。圖像也可批量或實時發送到 Amazon Lookout for Vision，以識別異常情況，例如機器部件中的裂縫、面板上的凹痕、不規則形狀或產品上的錯誤顏色。隨後，Lookout for Vision 會報告與基線不同的圖像，以便採取適當的應對措施。更重要的是，它已經足夠完善，可以處理工作環境變化引起的相機角度、姿態和光線的差異。AWS 表示，客戶只需提供基線為「良好」狀態的 30 張圖像，就能準確、一致地評估機器部件或製成品。此外，它還可以在Amazon Panorama 設備上運行。
推進工業物聯網繼續前行
「更為吸引人的是，AWS 在工業物聯網領域的投資非常廣泛，他們為客戶提供了多麼周密的一攬子產品，可以為工業自動化提供複雜的計算視覺支持，」Franconia Research 的 Kobielus 說道。「在工業供應鏈（尤其是亞馬遜的供應鏈）已經被壓到了崩潰邊緣的 2020 年，人們更加依賴這些工業自動化來保護工廠工人，這些產品應該會吸引全世界的許多製造企業。在我們進入疫情最黑暗、最致命的幾個月時，這種自動化水平對於保護工業工人的健康是必要的。」
更有趣的是，最新的 AWS AI 產品很好地涵蓋了亞馬遜更廣泛商業模式中的兩個單元，從零售巨頭背後日益自動化的 AI 供應鏈，到雲與邊緣全覆蓋的 AI 管道（其中計算視覺和其他智能傳感器正在成為核心開發平臺），Kobielus 解釋道。「這些新產品是 Jeff Bezos 和團隊在亞馬遜兩個半球之間不斷建立協同效應的成果。」
#AI#
本文為京東數科新媒體原創，轉載請註明來源。