Amazon Monitron fornisce ai clienti una soluzione di monitoraggio della macchina end-to-end composta da sensori, gateway e servizio di machine learning per rilevare condizioni anomale delle apparecchiature che potrebbero richiedere manutenzione

AmazonLookout for Equipment  offre ai clienti con sensori di apparecchiature esistenti la possibilità di utilizzare modelli di machine learning AWS per rilevare comportamenti anomali delle apparecchiature e consentire la manutenzione predittiva

AWS Panorama Appliance consente ai clienti con telecamere esistenti nelle loro strutture industriali di utilizzare la visione artificiale per migliorare il controllo di qualità e la sicurezza sul posto di lavoro

AWS Panorama Software Development Kit (SDK) consente ai produttori di telecamere industriali di incorporare funzionalità di visione artificiale nelle nuove telecamere

AmazonLookout for Vision  utilizza modelli di visione artificiale formati da AWS su  immagini e flussi video per individuare anomalie e difetti nei prodotti o nei processi

Axis, tecnologia ADLINK, BP, Deloitte, Fender, GE Healthcare, e Siemens Mobility tra clienti e partner che utilizzano i nuovi servizi di machine learning industriale AWS

SEATTLE- (BUSINESS WIRE) – AWS re: Invent,Amazon Web Services, Inc.(AWS), una società Amazon.com (NASDAQ: AMZN), ha annunciatoAmazonMonitron ,AmazonLookout for Equipment , AWS Panorama Appliance , AWS Panorama SDK eAmazon Cerca la visione. Insieme, questi cinque nuovi servizi di machine learning aiutano i clienti industriali e manifatturieri a incorporare intelligenza nei loro processi di produzione al fine di migliorare l’efficienza operativa, il controllo di qualità, la sicurezza e la sicurezza sul posto di lavoro. I servizi combinano sofisticate capacità di machine learning, analisi dei sensori e computer vision per affrontare le sfide tecniche comuni affrontate dai clienti industriali e rappresentano la suite più completa di servizi di machine learning industriale cloud-to-edge disponibile. Questo è il motivo per cui più di centomila clienti utilizzano AWS per il machine learning e perché i clienti di tutte le dimensioni e in tutti i settori utilizzano i servizi AWS per rendere il machine learning il fulcro della loro strategia aziendale. Per ulteriori informazioni sui nuovi servizi di machine learning industriale di AWS, visitahttps://aws.amazon.com/industrial/ .

Le aziende cercano sempre più di aggiungere capacità di apprendimento automatico agli ambienti industriali, come impianti di produzione, centri logistici e impianti di trasformazione alimentare. Per questi clienti, i dati sono diventati il ​​tessuto connettivo che tiene insieme i loro complessi sistemi industriali. I sistemi industriali in genere hanno numerosi processi interdipendenti che operano con piccole tolleranze di errore e anche problemi minori possono avere importanti ramificazioni. Essere in grado di analizzare i dati sulle apparecchiature in funzione nelle loro strutture aiuta i clienti ad affrontare questa sfida e molti clienti hanno adottato servizi come AWS IoT SiteWise come un modo per raccogliere dati e generare metriche delle prestazioni in tempo reale dalle loro apparecchiature industriali. Poiché i clienti hanno iniziato a utilizzare il cloud per raccogliere e analizzare i dati industriali, hanno anche chiesto nuovi modi per incorporare l’apprendimento automatico per dare un senso ai dati e promuovere ulteriormente l’efficienza operativa. In alcuni casi, i clienti desiderano utilizzare l’apprendimento automatico per aiutarli a realizzare la promessa della manutenzione predittiva per ridurre i costi e migliorare l’efficienza operativa. In altri casi, i clienti che operano in ambienti disconnessi o sensibili alla latenza desiderano utilizzare la visione artificiale ai margini per individuare i difetti dei prodotti e migliorare la sicurezza sul posto di lavoro. Con queste esigenze e opportunità in evoluzione, le aziende industriali hanno chiesto ad AWS di aiutarle a sfruttare insieme il cloud, il margine industriale e l’apprendimento automatico per ottenere ancora più valore dalla grande quantità di dati generati dalle loro apparecchiature. i clienti desiderano utilizzare l’apprendimento automatico per aiutarli a realizzare la promessa della manutenzione predittiva per ridurre i costi e migliorare l’efficienza operativa. 

In altri casi, i clienti che operano in ambienti disconnessi o sensibili alla latenza desiderano utilizzare la visione artificiale ai margini per individuare i difetti dei prodotti e migliorare la sicurezza sul posto di lavoro. Con queste esigenze e opportunità in evoluzione, le aziende industriali hanno chiesto ad AWS di aiutarle a sfruttare insieme il cloud, il margine industriale e l’apprendimento automatico per ottenere ancora più valore dalla grande quantità di dati generati dalle loro apparecchiature. i clienti desiderano utilizzare l’apprendimento automatico per realizzare la promessa di una manutenzione predittiva per ridurre i costi e migliorare l’efficienza operativa. In altri casi, i clienti che operano in ambienti disconnessi o sensibili alla latenza desiderano utilizzare la visione artificiale ai margini per individuare i difetti dei prodotti e migliorare la sicurezza sul posto di lavoro. Con queste esigenze e opportunità in evoluzione, le aziende industriali hanno chiesto ad AWS di aiutarle a sfruttare insieme il cloud, il margine industriale e l’apprendimento automatico per ottenere ancora più valore dalla grande quantità di dati generati dalle loro apparecchiature. i clienti che operano in ambienti disconnessi o sensibili alla latenza desiderano utilizzare la visione artificiale ai margini per individuare i difetti dei prodotti e migliorare la sicurezza sul lavoro. Con queste esigenze e opportunità in evoluzione, le aziende industriali hanno chiesto ad AWS di aiutarle a sfruttare insieme il cloud, il margine industriale e l’apprendimento automatico per ottenere ancora più valore dalla grande quantità di dati generati dalle loro apparecchiature. i clienti che operano in ambienti disconnessi o sensibili alla latenza desiderano utilizzare la visione artificiale ai margini per individuare i difetti dei prodotti e migliorare la sicurezza sul lavoro. Con queste esigenze e opportunità in evoluzione, le aziende industriali hanno chiesto ad AWS di aiutarle a sfruttare insieme il cloud, il margine industriale e l’apprendimento automatico per ottenere ancora più valore dalla grande quantità di dati generati dalle loro apparecchiature.

Amazon Monitron e Amazon Lookout for Equipment consente la manutenzione predittiva basata sull’apprendimento automatico

Una delle principali sfide che le aziende industriali e manifatturiere devono affrontare oggi è la manutenzione continua delle loro apparecchiature. Storicamente, la maggior parte della manutenzione delle apparecchiature è reattiva (dopo che una macchina si rompe) o preventiva (eseguita a intervalli regolari per garantire che una macchina non si rompa). La manutenzione reattiva può comportare costi e tempi di inattività significativi, mentre la manutenzione preventiva può essere costosa, comportare una manutenzione eccessiva o non riuscire a prevenire guasti se non eseguita abbastanza spesso. La manutenzione predittiva (la capacità di prevedere quando è probabile che le apparecchiature necessitino di manutenzione) è una soluzione più promettente. 

Tuttavia, per farlo funzionare, le aziende hanno storicamente bisogno di tecnici esperti e data scientist per mettere insieme una soluzione complessa da zero. Ciò includeva l’identificazione e l’approvvigionamento del giusto tipo di sensori per il caso d’uso e il loro collegamento con un gateway IoT (un dispositivo che aggrega e trasmette dati). Le aziende hanno quindi dovuto testare il sistema di monitoraggio e trasferire i dati all’infrastruttura locale o al cloud per l’elaborazione. Solo allora i data scientist del personale potevano costruire modelli di apprendimento automatico per analizzare i dati per modelli e anomalie, o creare un sistema di avviso quando veniva rilevato un valore anomalo. Alcune aziende hanno investito molto nell’installazione di sensori nelle loro apparecchiature e nell’infrastruttura necessaria per la connettività dei dati, l’archiviazione, l’analisi e gli avvisi. Ma anche queste aziende in genere utilizzano analisi dei dati rudimentali e semplici approcci di modellazione che sono costosi e spesso inefficaci nel rilevare condizioni anomale rispetto ai modelli avanzati di apprendimento automatico. 

La maggior parte delle aziende non dispone delle competenze e del personale per creare e perfezionare i modelli di apprendimento automatico che consentirebbero una manutenzione predittiva estremamente accurata. Di conseguenza, poche aziende sono state in grado di implementare con successo la manutenzione predittiva e quelle che l’hanno eseguita sono alla ricerca di modi per sfruttare ulteriormente i propri investimenti, alleviando allo stesso tempo l’onere di mantenere le proprie soluzioni interne. Ecco come possono aiutare i nuovi servizi di machine learning AWS: poche aziende sono state in grado di implementare con successo la manutenzione predittiva e quelle che l’hanno eseguita sono alla ricerca di modi per sfruttare ulteriormente i propri investimenti, alleviando allo stesso tempo l’onere di mantenere le proprie soluzioni interne. Ecco come possono aiutare i nuovi servizi di machine learning AWS: poche aziende sono state in grado di implementare con successo la manutenzione predittiva e quelle che l’hanno eseguita sono alla ricerca di modi per sfruttare ulteriormente i propri investimenti, alleviando allo stesso tempo l’onere di mantenere le proprie soluzioni interne. 

Ecco come possono aiutare i nuovi servizi di machine learning AWS:

• Per i clienti che non dispongono di una rete di sensori esistente, AmazonMonitron offre un sistema di monitoraggio delle macchine end-to-end composto da sensori, un gateway e un servizio di machine learning per rilevare le anomalie e prevedere quando le apparecchiature industriali richiederanno manutenzione.Amazon Monitron consente ai clienti di rimuovere da zero costi e complessità dalla creazione di un sofisticato sistema di manutenzione predittiva basato sull’apprendimento automatico e consente loro di concentrarsi sulle funzioni principali di produzione, catena di fornitura e operazioni. AmazonMonitron rileva quando le macchine non funzionano normalmente in base a fluttuazioni anomale di vibrazioni o temperatura e avvisa i clienti quando esaminare i macchinari per determinare se è necessaria una manutenzione preventiva. Il sistema end-to-end include sensori IoT per acquisire dati su vibrazioni e temperatura, un gateway per aggregare e trasferire dati ad AWS e un servizio cloud di machine learning in grado di rilevare modelli anomali di apparecchiature e fornire risultati in pochi minuti senza machine learning o cloud esperienza richiesta. ConAmazon Monitron, i tecnici di manutenzione possono iniziare a monitorare lo stato di salute della macchina in poche ore, senza alcun lavoro di sviluppo o formazione specializzata. AmazonMonitron può essere utilizzato su una varietà di apparecchiature rotanti, come cuscinetti, motori, pompe e nastri trasportatori in ambienti industriali e di produzione. I casi d’uso vanno dal monitoraggio di alcune macchine critiche come le ventole di raffreddamento o le pompe dell’acqua utilizzate nei data center, alle installazioni su larga scala negli impianti di produzione con sistemi di produzione e trasporto.AmazonMonitron include anche un’app mobile per i tecnici di manutenzione in loco del cliente per monitorare il comportamento delle apparecchiature in tempo reale. Con l’app mobile, un tecnico può ricevere avvisi di eventuali condizioni anomale delle apparecchiature su macchine diverse, controllare lo stato di salute della macchina e decidere se è necessario programmare la manutenzione. Per aumentare la precisione del sistema, i tecnici possono inserire feedback sulla precisione degli avvisi nell’app mobile eAmazon Monitron impara da quel feedback per migliorare continuamente nel tempo. AmazonMonitron è ora generalmente disponibile. Per saperne di piùAmazonMonitron, visita https://aws.amazon.com/monitron .
• Per i clienti che dispongono di sensori esistenti ma non desiderano creare modelli di machine learning, AmazonLookout for Equipment fornisce un modo per inviare i dati dei sensori ad AWS per creare modelli per loro e restituire previsioni per rilevare comportamenti anomali delle apparecchiature. Per iniziare, i clienti caricano i dati dei loro sensori suAmazon Simple Storage Service (S3) e fornire la posizione S3 a Amazon Cerca attrezzature. Amazon Lookout for Equipment può anche estrarre dati da AWS IoT SiteWise e funziona perfettamente con altri sistemi operativi delle macchine popolari come OSIsoft. Amazon Lookout for Equipment analizza i dati, valuta modelli normali o sani e quindi utilizza gli apprendimenti da tutti i dati su cui è addestrato per costruire un modello personalizzato per l’ambiente del cliente. AmazonLookout for Equipment può quindi utilizzare il modello di machine learning per analizzare i dati dei sensori in entrata e identificare i primi segnali di allarme per il guasto della macchina. Ciò consente ai clienti di eseguire la manutenzione predittiva, risparmiando denaro e migliorando la produttività prevenendo il crash di una linea del sistema industriale.AmazonLookout for Equipment consente ai clienti di ottenere più valore dai sensori esistenti e aiuta i clienti a prendere decisioni tempestive che possono migliorare materialmente l’intero processo industriale. Per saperne di piùAmazonCerca attrezzature, visita https://aws.amazon.com/lookout-for-equipment .

AWS Panorama utilizza la visione artificiale per migliorare le operazioni industriali e la sicurezza sul lavoro

Molti clienti industriali e manifatturieri desiderano essere in grado di utilizzare la visione artificiale sui feed video in diretta delle loro strutture e apparecchiature per automatizzare le attività di monitoraggio o ispezione visiva e per prendere decisioni in tempo reale. Ad esempio, i clienti devono regolarmente ispezionare i processi ad alta velocità per determinare se sono necessarie regolazioni (es. Fresatura fine o utensili laser), per monitorare l’attività del sito e del cortile per garantire la conformità operativa (es. Garantire che pedoni e carrelli elevatori rimangano nelle zone di lavoro designate), o per valutare la sicurezza dei lavoratori all’interno delle loro strutture (ad esempio, adeguato allontanamento sociale o uso di DPI). 

Tuttavia, i metodi di monitoraggio tipici utilizzati oggi sono manuali, soggetti a errori e difficili da scalare. I clienti possono creare modelli di visione artificiale nel cloud per monitorare e analizzare i loro feed video in diretta, ma i processi industriali in genere devono essere fisicamente situati in luoghi remoti e isolati, dove la connettività può essere lenta, costosa o completamente inesistente. Questo problema è ancora più difficile per i processi industriali che implicano la revisione manuale come i controlli di qualità sulle parti prodotte o sui feed di sicurezza. Ad esempio, se emerge un problema di qualità su una linea di produzione ad alto rendimento, i clienti vogliono saperlo immediatamente perché i costi per far persistere il problema sono elevati. Questo tipo di feed video potrebbe essere elaborato automaticamente nel cloud utilizzando la visione artificiale, ma i feed video hanno una larghezza di banda elevata e possono essere lenti da caricare. Di conseguenza, i clienti sono tenuti a monitorare i feed video in tempo reale, cosa difficile da fare, soggetta a errori e costosa. Sebbene si desideri utilizzare fotocamere intelligenti che abbiano una potenza di elaborazione sufficiente per eseguire questi modelli, ottenere prestazioni a bassa latenza con una buona precisione da queste fotocamere può essere difficile. La maggior parte dei clienti finisce per eseguire modelli non sofisticati che non possono essere programmati per eseguire codice personalizzato che si integra nelle macchine industriali. Ecco come AWS può ora aiutarti:

• L’appliance AWS Panoramafornisce una nuova appliance hardware che consente alle organizzazioni di aggiungere la visione artificiale alle telecamere locali esistenti che i clienti potrebbero aver già implementato. I clienti iniziano collegando AWS Panorama Appliance alla loro rete e il dispositivo identifica automaticamente i flussi di telecamere e inizia a interagire con le telecamere industriali esistenti. AWS Panorama Appliance è integrato con i servizi di machine learning AWS e i servizi IoT che possono essere utilizzati per creare modelli di machine learning personalizzati o acquisire video per un’analisi più precisa. L’appliance AWS Panorama estende il machine learning AWS all’edge per aiutare i clienti a fare previsioni a livello locale in siti senza connettività. Ogni dispositivo AWS Panorama può eseguire modelli di visione artificiale su più stream di telecamere in parallelo, rendendo possibili casi d’uso come il controllo di qualità, l’identificazione delle parti, e sicurezza sul lavoro. AWS Panorama Appliance funziona con modelli di visione artificiale pre-addestrati di AWS e di terze parti per la vendita al dettaglio, la produzione, l’edilizia e altri settori. Inoltre, i modelli di visione artificiale sviluppati dal cliente sviluppati inAmazon SageMaker può essere distribuito su AWS Panorama Appliance.
• Il kit di sviluppo software (SDK) di AWS Panorama consente ai fornitori di hardware di creare nuove telecamere in grado di eseguire modelli di visione artificiale significativi all’edge. Le telecamere costruite con l’SDK AWS Panorama eseguono modelli di visione artificiale per casi d’uso come il rilevamento di parti danneggiate su un nastro trasportatore in rapido movimento o l’individuazione quando i macchinari si trovano al di fuori di una zona di lavoro designata. Queste telecamere possono utilizzare chip progettati per la visione artificiale da NVIDIA e Ambarella. Utilizzando AWS Panorama SDK, i produttori possono costruire telecamere con modelli di visione artificiale in grado di elaborare video di qualità superiore con una risoluzione migliore per individuare i problemi. Possono anche costruire modelli più sofisticati su dispositivi a basso costo che possono essere alimentati tramite Ethernet e posizionati in un sito. I clienti possono addestrare i propri modelli inAmazonSageMaker e distribuiscili su telecamere create con AWS Panorama SDK con un solo clic. I clienti possono anche aggiungere funzioni Lambda alle telecamere costruite con AWS Panorama SDK per essere avvisati di potenziali problemi tramite testo o e-mail. AWS offre anche modelli predefiniti per attività come il rilevamento di DPI e il distanziamento sociale e può distribuire questi modelli in pochi minuti senza eseguire alcun lavoro di apprendimento automatico o ottimizzazioni speciali.