張楠

機(jī)器學(xué)習(xí)是制造業(yè)轉(zhuǎn)型的核心。從技術(shù)上看，它是人工智能的一個(gè)分支，是為了創(chuàng)建可以從經(jīng)驗(yàn)中學(xué)習(xí)的計(jì)算機(jī)程序，實(shí)際上，通過結(jié)合不同類型的算法，機(jī)器學(xué)習(xí)將重塑制造業(yè)。

在新基建浪潮引領(lǐng)下，工業(yè)互聯(lián)網(wǎng)蓬勃發(fā)展。工業(yè)互聯(lián)網(wǎng)的本質(zhì)是通過開放的、全球化的工業(yè)級(jí)網(wǎng)絡(luò)平臺(tái)把設(shè)備、生產(chǎn)線、工廠、供應(yīng)商、產(chǎn)品、客戶緊密地連接和融合起來，高效共享工業(yè)經(jīng)濟(jì)中的各種要素資源，從而通過自動(dòng)化、智能化的生產(chǎn)方式降低成本、增加效率，幫助制造業(yè)企業(yè)延長(zhǎng)產(chǎn)業(yè)鏈，推動(dòng)制造業(yè)企業(yè)轉(zhuǎn)型發(fā)展。

在工業(yè)互聯(lián)網(wǎng)的發(fā)展歷程中，一個(gè)無法回避的核心就是人工智能技術(shù)。從技術(shù)體系的角度來看，AI是工業(yè)領(lǐng)域自動(dòng)化、數(shù)字化、智能化的必要支撐，也是大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等諸多技術(shù)的最終訴求。人工智能不僅能夠促進(jìn)產(chǎn)業(yè)領(lǐng)域的效率提升，還能促進(jìn)產(chǎn)業(yè)領(lǐng)域崗位升級(jí)，提高傳統(tǒng)工作的附加值。

當(dāng)下的人工智能不再依靠20世紀(jì)50年代至80年代的符號(hào)知識(shí)表示和程序推理機(jī)制，無論是傳統(tǒng)的基于數(shù)學(xué)的機(jī)器學(xué)習(xí)模型或決策樹，還是深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)架構(gòu)，如今的AI應(yīng)用程序主要是基于機(jī)器學(xué)習(xí)技術(shù)之上的。亞馬遜云服務(wù)（AWS）聚焦于機(jī)器學(xué)習(xí)領(lǐng)域，致力于協(xié)助工業(yè)和制造企業(yè)將機(jī)器學(xué)習(xí)功能添加到如制造設(shè)施、配送中心、食品加工廠等工業(yè)環(huán)境當(dāng)中。

“AWS在2016年一共發(fā)布了3項(xiàng)機(jī)器學(xué)習(xí)功能，而到了2020年，AWS已經(jīng)為用戶提供了250多項(xiàng)機(jī)器學(xué)習(xí)功能?！盇WS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡說，“最初的機(jī)器學(xué)習(xí)功能是簡(jiǎn)單的數(shù)據(jù)收集、分析，協(xié)助客戶預(yù)測(cè)結(jié)果，而如今，我們已經(jīng)建立了一個(gè)易于使用、全集成、全托管的機(jī)器學(xué)習(xí)平臺(tái)—Amazon SageMaker，并持續(xù)不斷進(jìn)行迭代?！?/p>

在AWS舉辦的年度盛會(huì)AWS re：Invent上，AWS圍繞著Amazon SageMaker機(jī)器學(xué)習(xí)平臺(tái)，發(fā)布了五大用于工業(yè)領(lǐng)域的機(jī)器學(xué)習(xí)服務(wù)—Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama Appliance、AWS Panorama SDK和Amazon Lookout for Vision。這五項(xiàng)全新的機(jī)器學(xué)習(xí)服務(wù)旨在幫助工業(yè)和制造業(yè)客戶在其生產(chǎn)過程中嵌入智能能力，以提高運(yùn)營(yíng)效率，改善質(zhì)量控制、信息安全和工作場(chǎng)所安全。

“工業(yè)和制造業(yè)客戶需要持續(xù)應(yīng)對(duì)來自競(jìng)爭(zhēng)對(duì)手的壓力，他們需要降低成本、提高質(zhì)量、保持合規(guī)性。這些企業(yè)希望利用云和機(jī)器學(xué)習(xí)來實(shí)現(xiàn)流程自動(dòng)化并增強(qiáng)整個(gè)運(yùn)營(yíng)流程中的人員能力，但是構(gòu)建這些系統(tǒng)錯(cuò)誤率較高、復(fù)雜、耗時(shí)且昂貴?！盇WS全球機(jī)器學(xué)習(xí)副總裁Swami Sivasubramanian說，“我們?yōu)榭蛻魩砦屙?xiàng)針對(duì)工業(yè)用途的全新機(jī)器學(xué)習(xí)服務(wù)，這些服務(wù)易于安裝、部署、啟動(dòng)、運(yùn)行，將云和邊緣相連，助力工業(yè)客戶打造智慧工廠?！?/p>

未雨綢繆，AWS助力設(shè)備維護(hù)

工業(yè)和制造企業(yè)設(shè)備的持續(xù)維護(hù)過程亟須變革。過去大多數(shù)設(shè)備維護(hù)都是被動(dòng)的、預(yù)防性的。被動(dòng)維護(hù)可能會(huì)損失大量成本，導(dǎo)致長(zhǎng)時(shí)間的停機(jī)，而頻繁的預(yù)防性維護(hù)則成本過高，但不夠頻繁則無法防止故障。預(yù)測(cè)性維護(hù)作為一種更有前景的解決方案，需要雇傭熟練的技術(shù)人員和數(shù)據(jù)科學(xué)家，構(gòu)建復(fù)雜的解決方案，同時(shí)需要針對(duì)用例識(shí)別、購(gòu)買正確類型的傳感器，并將它們與IoT網(wǎng)關(guān)連接在一起。企業(yè)還必須測(cè)試監(jiān)測(cè)系統(tǒng)，并將數(shù)據(jù)傳輸?shù)奖镜鼗蛟粕线M(jìn)行處理。經(jīng)過這些流程，數(shù)據(jù)科學(xué)家才能構(gòu)建機(jī)器學(xué)習(xí)模型，分析數(shù)據(jù)模式和異常情況，在檢測(cè)到異常時(shí)創(chuàng)建警報(bào)系統(tǒng)。

一些企業(yè)已經(jīng)在設(shè)備和必要的基礎(chǔ)設(shè)施上安裝傳感器，在數(shù)據(jù)連接、存儲(chǔ)、分析和警報(bào)方面進(jìn)行了大量投資，然而，這些企業(yè)通常停留在使用初級(jí)數(shù)據(jù)分析和建模方法的階段，與高級(jí)機(jī)器學(xué)習(xí)模型相比，這些方法昂貴且無法有效地檢測(cè)異常情況。大部分企業(yè)依然缺乏專業(yè)知識(shí)和人員來構(gòu)建完善的機(jī)器學(xué)習(xí)模型，無法進(jìn)行高度準(zhǔn)確的預(yù)測(cè)性維護(hù)。這導(dǎo)致很少有企業(yè)能夠成功實(shí)施預(yù)測(cè)性維護(hù)，即使少數(shù)能完成預(yù)測(cè)性維護(hù)的企業(yè)也希望讓這些投資進(jìn)一步發(fā)揮作用，減輕維護(hù)解決方案的負(fù)擔(dān)。

對(duì)于未建立傳感器網(wǎng)絡(luò)的客戶，Amazon Monitron提供由傳感器、網(wǎng)關(guān)和機(jī)器學(xué)習(xí)服務(wù)組成的端到端機(jī)器監(jiān)控系統(tǒng)，以檢測(cè)異常并預(yù)測(cè)何時(shí)需要維護(hù)工業(yè)設(shè)備。Amazon Monitron幫助客戶免去了從頭開始構(gòu)建先進(jìn)的、由機(jī)器學(xué)習(xí)驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)系統(tǒng)的高成本需求和復(fù)雜性，使他們能夠?qū)Ｗ⒂谄浜诵闹圃?、供?yīng)鏈和運(yùn)營(yíng)功能。Amazon Monitron根據(jù)振動(dòng)或溫度的異常波動(dòng)來檢測(cè)機(jī)器是否正常運(yùn)行，并在可能出現(xiàn)故障時(shí)，通知客戶檢查機(jī)器以確定是否需要預(yù)測(cè)性維護(hù)。這一端到端的系統(tǒng)提供了用于捕獲振動(dòng)和溫度數(shù)據(jù)的IoT傳感器、用于將數(shù)據(jù)聚合傳輸?shù)紸WS的網(wǎng)關(guān)，以及用于檢測(cè)異常設(shè)備模式并在數(shù)分鐘內(nèi)提供結(jié)果的機(jī)器學(xué)習(xí)云服務(wù)，而無需客戶具備任何機(jī)器學(xué)習(xí)或云經(jīng)驗(yàn)。借助Amazon Monitron，機(jī)器維護(hù)人員無需任何開發(fā)工作或?qū)I(yè)培訓(xùn)經(jīng)驗(yàn)就可以在數(shù)小時(shí)內(nèi)開始跟蹤機(jī)器的運(yùn)行狀況。Amazon Monitron可在軸承、電機(jī)、泵、傳送帶與各種工業(yè)和制造領(lǐng)域的旋轉(zhuǎn)設(shè)備上使用，其典型應(yīng)用場(chǎng)景包括數(shù)據(jù)中心冷卻風(fēng)扇或水泵等關(guān)鍵機(jī)器的監(jiān)測(cè)和大量安裝在具有生產(chǎn)和運(yùn)輸系統(tǒng)的制造工廠中。此外，Amazon Monitron還提供移動(dòng)應(yīng)用程序，幫助維護(hù)技術(shù)人員實(shí)時(shí)監(jiān)控設(shè)備行為。他們可以通過這個(gè)移動(dòng)應(yīng)用程序收到不同機(jī)器上異常設(shè)備狀況的警報(bào)，確認(rèn)機(jī)器的運(yùn)行狀況，并決定是否需要安排維護(hù)。

對(duì)于已經(jīng)擁有傳感器但不希望自己構(gòu)建機(jī)器學(xué)習(xí)模型的客戶，客戶可以通過Amazon Lookout for Equipment將傳感器數(shù)據(jù)發(fā)送到AWS，由AWS為其構(gòu)建模型并返回預(yù)測(cè)結(jié)果，從而檢測(cè)異常設(shè)備行為?？蛻魧⑵鋫鞲衅鲾?shù)據(jù)上傳至Amazon Simple Storage Service （S3），并將S3位置提供給Amazon Lookout for Equipment。Amazon Lookout for Equipment也可以從AWS IoT SiteWise提取數(shù)據(jù)，并與OSIsoft等其他流行的機(jī)器操作系統(tǒng)無縫協(xié)作。Amazon Lookout for Equipment能夠?qū)@些數(shù)據(jù)進(jìn)行分析，評(píng)估正?；蚪】档哪Ｊ?，再利用從所有訓(xùn)練數(shù)據(jù)中得到的洞察，構(gòu)建為客戶環(huán)境定制的模型。Amazon Lookout for Equipment可以使用機(jī)器學(xué)習(xí)模型來分析傳入的傳感器數(shù)據(jù)并識(shí)別機(jī)器故障的預(yù)警信號(hào)，協(xié)助客戶進(jìn)行預(yù)測(cè)性維護(hù)，通過防止工業(yè)系統(tǒng)生產(chǎn)線崩潰來節(jié)省成本、提高生產(chǎn)率。

運(yùn)籌帷幄，AWS賦能設(shè)備監(jiān)測(cè)

許多工業(yè)和制造業(yè)企業(yè)希望在其設(shè)施和設(shè)備中，使用計(jì)算機(jī)視覺技術(shù)，自動(dòng)執(zhí)行監(jiān)測(cè)或視覺檢查任務(wù)，實(shí)時(shí)做出決策。當(dāng)下工業(yè)和制造業(yè)企業(yè)使用的監(jiān)測(cè)手段普遍是手動(dòng)的，容易出錯(cuò)且難以擴(kuò)展?？蛻艨梢栽谠浦袠?gòu)建計(jì)算機(jī)視覺模型來實(shí)時(shí)監(jiān)視、分析，但工業(yè)設(shè)施和流程通常位于偏遠(yuǎn)和孤立的位置，網(wǎng)路連接較慢且昂貴。尤其對(duì)于涉及零件、安全監(jiān)控等人工審核的工業(yè)流程，在云中構(gòu)建計(jì)算機(jī)視覺模型更加困難。如某個(gè)高吞吐量的生產(chǎn)線上出現(xiàn)質(zhì)量問題，客戶希望能夠?qū)崿F(xiàn)立即預(yù)警，因?yàn)閱栴}存在時(shí)間越長(zhǎng)，解決問題的成本就越高。這種類型的監(jiān)控視頻可以通過計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)在云中自動(dòng)處理，但是這些視頻帶寬高、上傳速度慢。因此，客戶只能實(shí)時(shí)進(jìn)行視頻監(jiān)控，但這一方式操作難度高、易出錯(cuò)并且成本高。有些用戶希望使用具有足夠處理能力的智能相機(jī)來運(yùn)行實(shí)時(shí)監(jiān)控的模型，這些模型往往不具備高準(zhǔn)確性、低延遲的性能。大多數(shù)客戶最終會(huì)運(yùn)行一些簡(jiǎn)單的模型，但這些模型無法編程為可以集成到工業(yè)機(jī)器中的自定義代碼。

AWS Panorama Appliance提供了一種新的硬件設(shè)備，使組織可以將計(jì)算機(jī)視覺添加到客戶可能已經(jīng)部署在本地的攝像機(jī)中?？蛻羰紫葘WS Panorama Appliance連接到他們的網(wǎng)絡(luò)，這一設(shè)備會(huì)自動(dòng)識(shí)別攝像頭數(shù)據(jù)流并開始與現(xiàn)有的工業(yè)攝像頭進(jìn)行交互。AWS Panorama Appliance可集成于那些用于構(gòu)建自定義機(jī)器學(xué)習(xí)模型或獲取視頻，進(jìn)行更精細(xì)分析的AWS機(jī)器學(xué)習(xí)服務(wù)和IoT服務(wù)。AWS Panorama Appliance將AWS機(jī)器學(xué)習(xí)能力擴(kuò)展到邊緣，幫助客戶在沒有網(wǎng)絡(luò)連接的情況下進(jìn)行本地預(yù)測(cè)。每個(gè)AWS Panorama Appliance都可以在多個(gè)攝像頭產(chǎn)生的數(shù)據(jù)流上并行運(yùn)行計(jì)算機(jī)視覺模型，使質(zhì)量控制、零件識(shí)別、工作場(chǎng)所安全的用例成為可能。AWS Panorama Appliance還可以和適用于零售、制造、建筑和其他行業(yè)的計(jì)算機(jī)視覺模型一起使用。此外，客戶使用Amazon SageMaker自主開發(fā)的計(jì)算機(jī)視覺模型也可以部署在AWS Panorama Appliance上。

AWS Panorama軟件開發(fā)套件（SDK）幫助硬件供應(yīng)商開發(fā)可在邊緣有效運(yùn)行計(jì)算機(jī)視覺模型的新型攝像頭。使用AWS Panorama SDK構(gòu)建的攝像頭可在多種用例中運(yùn)行計(jì)算機(jī)視覺模型，例如檢測(cè)快速移動(dòng)的傳送帶上的損壞部件或定位那些脫離指定工作區(qū)域的器械等。通過使用AWS Panorama SDK，制造商可以開發(fā)自帶計(jì)算機(jī)視覺模型的相機(jī)，從而處理更高分辨率的高質(zhì)量視頻，盡早發(fā)現(xiàn)問題。企業(yè)還可以在低成本設(shè)備上構(gòu)建更復(fù)雜的模型，這些設(shè)備可以通過以太網(wǎng)供電并放置在站點(diǎn)周圍。用戶同樣可在Amazon SageMaker中訓(xùn)練模型，并將其迅速部署到使用AWS Panorama SDK構(gòu)建的攝像機(jī)上。用戶還可以將Lambda功能添加到使用AWS Panorama SDK構(gòu)建的攝像頭中，以通過文本或電子郵件提醒潛在問題。此外，AWS還提供用于PPE檢測(cè)、保持人員距離等任務(wù)的預(yù)構(gòu)建模型，工業(yè)和制造業(yè)企業(yè)可以在幾分鐘內(nèi)部署這些模型，無需進(jìn)行任何預(yù)先的機(jī)器學(xué)習(xí)工作。

朝督暮責(zé)，AWS助推產(chǎn)品管控

工業(yè)企業(yè)必須不斷努力保持產(chǎn)品的質(zhì)量。僅在制造業(yè)中，由于忽略細(xì)微錯(cuò)誤而導(dǎo)致的生產(chǎn)線停產(chǎn)每年可能導(dǎo)致數(shù)百萬美元的損失。工業(yè)流程中的外觀檢查通常需要人工操作，這可能導(dǎo)致成本較高、沒有統(tǒng)一標(biāo)準(zhǔn)等問題。制造業(yè)用戶們非常希望將計(jì)算機(jī)視覺部署到攝像頭中，以整體把控產(chǎn)品的質(zhì)量。雖然計(jì)算機(jī)視覺技術(shù)可以保證識(shí)別外觀缺陷的速度和準(zhǔn)確性，但實(shí)施過程非常復(fù)雜，需要數(shù)據(jù)科學(xué)家團(tuán)隊(duì)來構(gòu)建、部署和管理機(jī)器學(xué)習(xí)模型。由于這些局限性，由機(jī)器學(xué)習(xí)支持的視覺異常系統(tǒng)對(duì)絕大多數(shù)企業(yè)而言仍然遙不可及。

Amazon Lookout for Vision提供了一種高精度、低成本的異常檢測(cè)解決方案，客戶可以通過機(jī)器學(xué)習(xí)技術(shù)，每小時(shí)處理數(shù)千張圖像發(fā)現(xiàn)產(chǎn)品的缺陷和異常，如機(jī)器部件的裂紋、面板上的凹痕、不規(guī)則形狀或產(chǎn)品上的顏色錯(cuò)誤等?？蛻魧z像頭圖像批量、實(shí)時(shí)地發(fā)送到Amazon Lookout for Vision后，Amazon Lookout for Vision報(bào)告與基線不同的圖像，以便客戶采取適當(dāng)?shù)拇胧mazon Lookout for Vision可以通過至少30張“良好”狀態(tài)的圖像，建立基線，準(zhǔn)確、一致地評(píng)估機(jī)械零件或制成品，處理因工作環(huán)境變化而引起的相機(jī)角度、方位和照明方面的差異。Amazon Lookout for Vision也可以在Amazon Panorama設(shè)備上運(yùn)行。未來，客戶將可以在AWS Panorama Appliances和其他AWS Panorama設(shè)備上運(yùn)行Amazon Lookout for Vision，在網(wǎng)絡(luò)連接受限或無網(wǎng)絡(luò)連接的環(huán)境中使用Amazon Lookout for Vision。

技術(shù)的快速革新推動(dòng)了制造業(yè)的轉(zhuǎn)型，轉(zhuǎn)型的最終目的是使企業(yè)“產(chǎn)量更高、成本更低、操作更可靠”。機(jī)器學(xué)習(xí)是制造業(yè)轉(zhuǎn)型的核心。從技術(shù)上看，它是人工智能的一個(gè)分支，是為了創(chuàng)建可以從經(jīng)驗(yàn)中學(xué)習(xí)的計(jì)算機(jī)程序，實(shí)際上，通過結(jié)合不同類型的算法，機(jī)器學(xué)習(xí)將重塑制造業(yè)?！拔覀冎铝τ谠跈C(jī)器學(xué)習(xí)領(lǐng)域構(gòu)建框架、提升算力，希望為制造企業(yè)搭建完善的機(jī)器學(xué)習(xí)基礎(chǔ)，為技術(shù)人員尋找捷徑?！盇WS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡說，“為此，我們將會(huì)推出更多的機(jī)器學(xué)習(xí)工具，將制造流程中的各環(huán)節(jié)連接起來，進(jìn)一步推動(dòng)工業(yè)領(lǐng)域的智能化?！?/p>