AWS 宣布 Amazon Lookout for Equipment 全面上市-ESG跨境

西雅圖--今天，Amazon.com, Inc. (NASDAQ: AMZN) 旗下公司 Amazon Web Services, Inc. (AWS) 宣布全面推出 Amazon Lookout for Equipment，這是一項使用 AWS 的新服務-開發(fā)了機器學習模型，以幫助客戶對其設施中的設備進行預測性維護。 Amazon Lookout for Equipment 從客戶的工業(yè)設備中提取傳感器數(shù)據(jù)（例如壓力、流速、RPM、溫度和功率），然后訓練一個獨特的機器學習模型，以準確預測機器故障或次優(yōu)性能的早期預警信號，使用真實的- 來自客戶設備的時間數(shù)據(jù)流。借助 Amazon Lookout for Equipment，客戶可以快速準確地檢測設備異常，快速診斷問題，減少錯誤警報，并通過在機器故障發(fā)生之前采取措施避免代價高昂的停機時間。 Amazon Lookout for Equipment 沒有預先承諾或最低費用，客戶需要為攝取的數(shù)據(jù)量、用于訓練自定義模型的計算小時數(shù)以及使用的推理小時數(shù)付費。要開始使用 Amazon Lookout for Equipment，請訪問：。

“設備預測性維護等解決方案傳統(tǒng)上涉及手動和復雜的數(shù)據(jù)科學，例如選擇正確的算法和參數(shù)，但 Amazon Lookout for Equipment 可以自動化這些流程，以便工程師可以專注于解決影響其業(yè)務的最關鍵挑戰(zhàn)。”

工業(yè)公司一直在努力通過避免因設備故障導致的計劃外停機來提高運營效率。隨著時間的推移，這些公司中的許多公司都在物理傳感器、數(shù)據(jù)連接、數(shù)據(jù)存儲和儀表板方面進行了大量投資，以監(jiān)控其設備的運行狀況和性能。為了分析來自其設備的數(shù)據(jù)，大多數(shù)公司通常使用簡單的規(guī)則或建模方法來根據(jù)過去的表現(xiàn)來識別問題。然而，這些方法的基本性質往往會導致客戶在采取行動為時已晚后發(fā)現(xiàn)問題，或者由于誤診問題而收到錯誤警報，需要進行不必要的及時檢查。相反，客戶希望檢測一般操作條件或故障類型（例如，由于摩擦引起的高溫）以及復雜的設備故障（例如，由高振動和 RPM 指示的故障泵，但流速低）只能通過模擬獨特的傳感器之間的關系。今天，機器學習技術的進步使得快速識別異常并了解每件設備的歷史數(shù)據(jù)之間的獨特關系成為可能。然而，大多數(shù)公司缺乏跨不同工業(yè)設備構建和擴展定制機器學習模型的專業(yè)知識。因此，公司經(jīng)常無法充分利用他們在傳感器和數(shù)據(jù)基礎設施方面的投資，從而導致他們錯過了可以幫助他們更好地管理關鍵設備的健康和性能的關鍵可行見解。

借助 Amazon Lookout for Equipment，工業(yè)和制造業(yè)客戶現(xiàn)在可以快速輕松地為整個設施或跨多個位置構建預測性維護解決方案。首先，客戶將他們的傳感器數(shù)據(jù)（例如壓力、流速、RPM、溫度和功率）上傳到 Amazon Simple Storage Service (S3)，并向 Amazon Lookout for Equipment 提供相關的 S3 存儲桶位置。該服務將自動分析數(shù)據(jù)，評估正常或健康模式，并構建適合客戶環(huán)境的機器學習模型。然后，Amazon Lookout for Equipment 將使用定制的機器學習模型來分析傳入的傳感器數(shù)據(jù)并識別機器故障或故障的早期預警信號。對于每個警報，該服務將指定哪些傳感器指示問題并測量其對檢測到的事件的影響程度。例如，如果 Amazon Lookout for Equipment 在具有 50 個傳感器的泵上檢測到問題，則該服務可以顯示哪五個傳感器指示特定電機存在問題，并將該問題與電機電源電流和溫度相關聯(lián)。這使客戶能夠識別問題、診斷問題、確定所需行動的優(yōu)先級并在問題發(fā)生之前執(zhí)行精確維護——通過防止停機時間為他們節(jié)省資金并提高生產力。 Amazon Lookout for Equipment 讓客戶能夠從現(xiàn)有傳感器中獲得更多價值，并幫助他們做出及時決策，從而顯著提高運營效率。 Amazon Lookout for Equipment 可直接通過 AWS 控制臺以及 AWS 合作伙伴網(wǎng)絡中的支持合作伙伴獲得。該服務今天在美國東部（弗吉尼亞北部）、歐洲（愛爾蘭）和亞太地區(qū)（首爾）推出，未來幾個月將在其他地區(qū)推出。

除了 Amazon Lookout for Equipment，AWS 還為工業(yè)和制造業(yè)客戶提供最廣泛的云到邊緣工業(yè)機器學習服務，包括 Amazon Monnitron（使用由傳感器、網(wǎng)關和機器學習服務）、Amazon Lookout for Vision（使用云中的計算機視覺模型進行視覺異常檢測）和 AWS Panorama（使用將計算機視覺模型引入本地攝像頭的設備和軟件開發(fā)工具包進行視覺檢查）。

“許多工業(yè)和制造公司都在物理傳感器和其他技術上進行了大量投資，旨在改善其設備的維護。但即使有了這些設備，由于缺乏資源和數(shù)據(jù)科學家的稀缺，公司也無法在海量數(shù)據(jù)之上部署機器學習模型。因此，他們錯過了有助于他們更好地管理運營的關鍵見解和可操作的發(fā)現(xiàn)，”AWS 亞馬遜機器學習副總裁 Swami Sivasubramanian 說。 “今天，我們很高興地宣布 Amazon Lookout for Equipment 全面上市，這是一項新服務，使客戶能夠從為其特定環(huán)境構建的自定義機器學習模型中受益，從而快速輕松地識別異常機器行為，以便他們可以采取措施避免設備停機的影響和費用?！?/p>

西門子能源在整個能源價值鏈中提供產品、解決方案和服務，以支持其客戶走向更可持續(xù)的未來——無論他們走多遠。 “西門子能源與我們的客戶合作，通過我們現(xiàn)有的業(yè)務線通過數(shù)字服務解決方案增強性能、可靠性和安全性。數(shù)字化是可持續(xù)能源未來的關鍵驅動力，”西門子能源數(shù)字解決方案高級副總裁 Amogh Bhonde 說。 “通過 Amazon Lookout for Equipment，我們看到了將 AWS 機器學習與 Siemens Energy 主題專業(yè)知識相結合的機會，以提高對整個客戶運營中系統(tǒng)和設備的可見性。 Amazon Lookout for Equipment 的自動化機器學習工作流程使您可以輕松地跨各種資產類型構建和部署模型，而無需數(shù)據(jù)科學知識。 Siemens Energy 將 AWS 視為值得信賴的合作伙伴，加速我們持續(xù)開發(fā) Omnivise 數(shù)字解決方案套件?！?/p>

Cepsa 是一家全球能源和化工公司，在石油和天然氣價值鏈的每個階段都進行端到端的運營。 Cepsa 還使用植物原料生產產品，并正在推動一項新戰(zhàn)略，成為能源轉型的參考。 “在 Cepsa，數(shù)字化轉型以人為本。在這方面，我們的專業(yè)人員是我們轉型的引擎。借助 Amazon Lookout for Equipment，我們將機器學習見解帶給最了解設備的專家——可靠性和維護工程師—— Cepsa 高級分析主管 Alberto Gascón 說：“讓他們能夠做出更明智的決策，從而提高正常運行時間并降低運營成本?！痹O備預測性維護等解決方案傳統(tǒng)上涉及手動和復雜的數(shù)據(jù)科學，例如選擇正確的算法和參數(shù)，但 Amazon Lookout for Equipment 將這些流程自動化，以便工程師可以專注于解決影響其業(yè)務的最關鍵挑戰(zhàn)?！?/p>

Embassy of Things (EOT) 是 Twin Talk 的創(chuàng)建者，這是一個安全且可擴展的 ETL++ 數(shù)據(jù)交付系統(tǒng)，旨在挖掘隱藏在來自 SCADA 系統(tǒng)和歷史學家的運營數(shù)據(jù)中的未實現(xiàn)價值，并使工業(yè)運營公司能夠利用基于云的力量數(shù)據(jù)分析、機器學習和人工智能。 “不僅對一個生產站點，而且在所有生產站點使用預測分析和異常檢測，這是使我們的客戶能夠實現(xiàn)最高水平的生產優(yōu)化以及成本和減排的關鍵。我們的 Twin Talk 系統(tǒng)釋放運營數(shù)據(jù)以實現(xiàn)云Embassy of Things 首席執(zhí)行官 Matt Oberdorfer 表示：“基于事件驅動的實時架構，適用于 IoT SiteWise 和 S3 等亞馬遜云服務。我們正在將 Amazon Lookout for Equipment 用于我們的解決方案套件，以實現(xiàn)自動化機器學習過程提高了檢測最有意義的洞察的準確性，并使洞察更快地采取行動。Lookout for Equipment 是一個真正的游戲規(guī)則改變者，因為它通過抽象出傳統(tǒng)的數(shù)據(jù)科學繁重的步驟，將 AI 交到維護工程師手中，從而有效地擴展跨資產?！?/p>

RoviSys 是一家全球運營技術系統(tǒng)集成商，也是綜合過程自動化解決方案和服務的領先獨立供應商。 Rovisys 工業(yè) AI 總監(jiān) Bryan DeBois 表示：“機器學習是工業(yè)客戶最有前途的技術之一，并有可能通過降低維護和運營成本來提供重大價值?！盧oviSys 正在與 AWS 合作整合亞馬遜使用 AWS IoT 服務查找來自本地設備和基礎設施數(shù)據(jù)的設備，以便大規(guī)模啟用先進的機器學習維護解決方案。這項技術讓我們的客戶可以利用現(xiàn)有基礎設施，但可以快速輕松地從這些數(shù)據(jù)中釋放更多價值。 "

Seeq 是一種高級分析解決方案，使流程制造組織中的工程師和主題專家能夠快速調查和分享歷史學家、IIoT 平臺、AWS 服務以及制造和業(yè)務系統(tǒng)中的數(shù)據(jù)的見解。 “我們很高興宣布與 AWS 合作開發(fā)解決方案，這些解決方案提供由大數(shù)據(jù)和機器學習創(chuàng)新提供支持的診斷、監(jiān)控和預測分析，”Seeq Corporation 云合作伙伴主管梅根·邦坦 (Megan Buntain) 說。 “將 Seeq 與 Amazon Lookout for Equipment 結合使用將幫助組織將數(shù)據(jù)轉化為洞察力，從而實現(xiàn)持續(xù)改進和可持續(xù)發(fā)展目標?！?/p>

TensorIoT 是 AWS 高級咨詢合作伙伴，在物聯(lián)網(wǎng)、數(shù)據(jù)工程、機器學習和人工智能領域提供完整的端到端產品和解決方案。 “TensorIOT 使用 AWS 服務構建解決方案，以加速機器學習在整個工業(yè)運營的產品和流程中的集成，”TensorIoT 咨詢副總裁 Charles Burden 說。 “利用 Amazon Lookout for Equipment 可以通過自動開發(fā)、管理和支持異常檢測模型的持續(xù)改進來幫助減少利用機器學習的繁重工作。這大大減少了所需的手動接觸點的數(shù)量，并允許工程師將洞察力轉化為運營改進。簡而言之，Lookout for Equipment 可以讓公司更快地進行創(chuàng)新?！?/p>

關于亞馬遜網(wǎng)絡服務

15 年來，Amazon Web Services 一直是世界上最全面、應用最廣泛的云平臺。 AWS 一直在不斷擴展其服務以支持幾乎任何云工作負載，現(xiàn)在它擁有 200 多項功能齊全的服務，用于計算、存儲、數(shù)據(jù)庫、網(wǎng)絡、分析、機器學習和人工智能 (AI)、物聯(lián)網(wǎng) (IoT) 、移動、安全、混合、虛擬和增強現(xiàn)實（VR 和 AR）、媒體以及來自 25 個地理區(qū)域內的 80 個可用區(qū) (AZ) 的應用程序開發(fā)、部署和管理，并宣布計劃再增加 15 個可用區(qū)和另外 5 個可用區(qū)澳大利亞、印度、印度尼西亞、西班牙和瑞士的 AWS 區(qū)域。數(shù)以百萬計的客戶（包括發(fā)展最快的初創(chuàng)公司、最大的企業(yè)和領先的政府機構）信任 AWS 來支持他們的基礎設施、變得更加敏捷并降低成本。

關于亞馬遜

亞馬遜遵循四項原則：以客戶為中心而非以競爭對手為中心、對發(fā)明的熱情、對卓越運營的承諾以及長期思考?？蛻粼u論、一鍵購物、個性化推薦、Prime、亞馬遜物流、AWS、Kindle Direct Publishing、Kindle、Fire 平板電腦、Fire TV、亞馬遜 Echo 和 Alexa 是亞馬遜率先推出的一些產品和服務。

點擊咨詢現(xiàn)在有哪些新興平臺值得關注 >>>

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發(fā)表后的30日內與ESG跨境電商聯(lián)系。