Amazon Lookout for Equipment使工業客戶能充分利用其現有裝置感測器，透過機器學習在其所有工業站點中成規模地開展裝置預測性維護
目前使用Lookout for Equipment的客戶和合作夥伴包括西門子能源、西班牙石油、RoviSys、TensorIoT等
日前，亞馬遜雲科技宣佈Amazon Lookout for Equipment正式可用，該服務使用亞馬遜雲科技開發的機器學習模型幫助客戶對其設施中的裝置進行預測性維護。Amazon Lookout for Equipment從客戶工業裝置中獲取感測器資料(如壓力、流量、轉速、溫度和功率)，訓練一個專有的機器學習模型，進而基於客戶裝置的實時資料流來準確預測機器故障或效能欠佳的早期預警訊號。有了Amazon Lookout for Equipment，客戶可以快速、精準地檢測裝置異常，快速診斷問題，減少錯誤警報，並在機器發生故障之前採取行動而避免昂貴的停機損失。Amazon Lookout for Equipment沒有預付費用或最低承諾費用，使用者只需根據所攝入的資料量、訓練定製模型所需的計算時間和推理時間付費。要開始使用Amazon Lookout for Equipment，請訪問：https://aws.amazon.com/cn/lookout-for-equipment/。欲深入瞭解亞馬遜雲科技在AI/ML方面的創新舉措以及眾多客戶利用AI/ML在業務創新和企業轉型方面的最佳實踐，敬請關注將於4月22日舉辦的“2021亞馬遜雲科技 AI線上大會”。
工業企業一直在努力提高運營效率，避免因裝置故障而導致的意外停機。這些企業在物理感測器、資料連線、資料儲存和儀表板上持續投入，以監控裝置的執行狀況和效能。為了分析裝置上的資料，大多數企業通常會使用簡單的規則或建模方法，根據過去的表現來識別問題。然而，這些方法往往導致客戶在發現問題時已來不及採取措施，或者收到錯誤警報而進行不必要的檢查。其實，客戶想要檢測常規的操作條件或故障型別(如由於摩擦導致的高溫)以及複雜的裝置故障(如透過高振動和轉速但低流量顯示出的泵故障)，這些只能透過建模感測器之間的獨特關係得出。得益於機器學習技術的進步，現在人們能夠快速識別異常情況，並瞭解每個裝置歷史資料之間的獨特關係。然而，大多數企業缺乏在不同工業裝置上構建和擴充套件定製機器學習模型的專業知識，導致他們往往不能充分利用他們在感測器和資料基礎設施上的投資，在很多時候錯失了能更好地管理關鍵裝置的正常執行和效能的洞察。
透過Amazon Lookout for Equipment，工業和製造業客戶現在可以快速、輕鬆地為整個或不同地點的設施構建預測性維護解決方案。首先，客戶將他們的感測器資料(如壓力、流量、轉速、溫度和功率)上傳到Amazon Simple Storage Service (Amazon S3)，並向Amazon Lookout for Equipment提供相關的Amazon S3桶位置。該服務將自動分析資料，評估正常或健康的模式，並根據客戶的資料量身打造一個機器學習模型。然後，Amazon Lookout for Equipment將使用這個定製的機器學習模型來分析傳入的感測器資料，識別機器故障或故障的早期預警訊號。對於每個警報，該服務可指出是哪些感測器顯示警報問題，並測量其對檢測到的事件的影響程度。例如，如果Amazon Lookout for Equipment檢測到有50個感測器的泵存在問題，該服務可以顯示哪5個感測器表示特定電機存在問題，並將該問題與電機的強電流和溫度聯絡起來。這意味著客戶可以識別問題、診斷問題、確定所需操作的優先順序，並在問題發生之前進行精確維護，這避免了停機，節省了客戶費用損失並提高了生產效率。Amazon Lookout for Equipment可以讓客戶從現有的感測器中獲得更多的價值，並幫助他們及時做出決策，從而大大提高運營效率。客戶可以直接透過亞馬遜雲科技控制檯或亞馬遜雲科技合作伙伴網路中的支援合作伙伴獲得Amazon Lookout for Equipment。該服務現已在美國西部（俄勒岡）、歐洲（愛爾蘭）和亞太地區（首爾）區域正式推出，其他區域也將很快推出。
除了Amazon Lookout for Equipment，亞馬遜雲科技還為工業和製造業客戶提供最廣泛的雲到邊緣(cloud-to-edge)工業機器學習服務，包括Amazon Monitron（用於預測性維護，由感測器、閘道器和機器學習服務組成的端到端解決方案）、Amazon Lookout for Vision（使用雲中的計算機視覺模型進行視覺異常檢測），以及Amazon Panorama（用於視覺檢查，透過硬體裝置和軟體開發工具包將計算機視覺模型能力賦予本地攝像頭）。
“許多工業和製造企業都在物理感測器和其它技術上投入了大量資金，目的是提高裝置的維護水平。但即使有了這些裝置，由於缺乏資源和資料科學家，企業也無法在大量資料之上部署機器學習模型。結果，他們錯過了能夠幫助他們更好地管理運營的關鍵洞察和可操作發現。”亞馬遜雲科技全球機器學習副總裁Swami Sivasubramanian表示，“我們很高興推出Amazon Lookout for Equipment，這項新服務根據客戶特定環境構建的定製化機器學習模型將讓客戶收益，幫助客戶快速而輕鬆地識別機器異常行為，提前採取行動，避免了裝置停機造成的影響和損失。”
西門子能源在整個能源價值鏈上提供產品、解決方案和服務，以支援其客戶走向可持續的未來。“西門子能源與我們的客戶合作，透過數字化服務解決方案賦能現有業務線，提高效能、可靠性和安全性。數字化是可持續能源未來的關鍵驅動力。”西門子能源數字解決方案高階副總裁Amogh Bhonde表示，“透過Amazon Lookout for Equipment，將亞馬遜雲科技機器學習與西門子能源行業知識相結合，幫助客戶在整個運營過程中提高對系統和裝置的可視性。Amazon Lookout for Equipment的自動化機器學習工作流程，讓客戶即使在沒有資料科學知識的情況下，也能輕鬆構建和部署各種資產型別的模型。亞馬遜雲科技是我們值得信賴的合作伙伴，加速了我們對Omnivise數字解決方案套件的持續開發。”
西班牙石油（Cepsa）是一家全球能源和化工公司，在石油天然氣價值鏈的各個環節開展端到端的運營。Cepsa還以植物為原料生產產品，並推動新的戰略，成為能源轉型的示範。“在Cepsa，數字化轉型的重點是人。在這方面，我們的專業人士是我們背後的引擎。 透過Amazon Lookout for Equipment，我們將機器學習的見解帶給那些最瞭解裝置的專家——可靠性和維護工程師，使他們能夠做出更明智的決定，提高正常執行時間，降低運營成本。” Cepsa高階分析主管Alberto Gascón表示，“裝置的預測性維護等解決方案傳統上涉及人工和複雜的資料科學，比如選擇正確的演算法和引數，但Amazon Lookout for Equipment將這些過程自動化，這樣工程師就可以專注於解決影響他們業務的關鍵挑戰。”
RoviSys是一家全球運營技術系統整合商，也是全面流程自動化解決方案和服務領域的領先獨立供應商。“機器學習是對工業客戶最有前途的技術之一，有潛力透過降低維護和運營成本提供更高的價值。”RoviSys的工業人工智慧總監Bryan DeBois表示，“RoviSys正與亞馬遜雲科技合作，利用亞馬遜雲科技物聯網服務將Amazon Lookout for Equipment與現場裝置和基礎設施的資料整合在一起，以實現大規模的先進機器學習維護解決方案。這項技術可以讓我們的客戶充分利用現有的基礎設施，同時又能快速輕鬆地從這些資料中解鎖更多價值。”
TensorIoT是亞馬遜雲科技的高階諮詢合作伙伴，在物聯網、資料工程、機器學習和人工智慧領域提供完整的端到端產品和解決方案。“TensorIoT利用亞馬遜雲科技服務構建解決方案，以加速機器學習在工業運營產品和流程中的整合。”TensorIoT諮詢副總裁Charles Burden表示，“ Amazon Lookout for Equipment可以減輕機器學習的繁重工作量，支援自動化機器學習開發、管理和異常檢測模型的持續改進。這大大減少了所需的人力工作，使得工程師可專注於將洞見轉化為操作改進。簡而言之，Lookout for Equipment可以讓企業更快地創新。”