在上次的博弘產業數據應用文中,我們提到工業4.0時代中製造業的數位轉型策略,如何透過AWS雲端服務梳理數據資料和串接物聯網裝置,協助生產製造業者輕鬆搞定複雜的數據蒐集程序;再加上數據分析相關雲端服務如AWS IoT Analytics 與 Amazon EMR,將數據資料轉換成重要的商業價值。今天博弘產業應用文為您解析透過AWS機器學習的模型與相關雲端服務,帶領製造業者實踐工業4.0中的「智慧工廠」與「智慧生產」的目標,成為產業領航者。
回顧上篇: 工業4.0時代(上) – 生產製造數位轉型與數據分析全攻略
數據分析下一步 機器學習模型挖金礦
製造生產業每天會產出大量的數據資料,像是設備數據,或原物料的庫存動態等。根據麥肯錫顧問公司的研究顯示,生產製造業者若能在數據豐富的環境應用機器學習 (ML) 與人工智能 (AI)服務的話,不僅能夠增加企業63%的營收,還可以減少44%的生產成本,提升產品品質。
而機器學習與人工智能之間的關聯性究竟是甚麼? 簡單來說,人工智能 (AI)的基礎為機器學習(ML),透過機器學習中所蒐集到大量的數據資料,協助驗證決策邏輯,讓人工智能可以將數據分門別類、對其做出預測,進而模仿人類的判斷標準,做出更有把握的決定,協助業者在產業應用上尋找更多的可能性。以原油和天然氣產業為例,將煉油廠與天然氣製造相關設備進行「智慧工廠」的數位轉型,應用相關機器學習與人工智能的模組,可以看到生產量能增加近10%,並提升12%的勞動效能。從這些數據來看,採用機器學習與人工智能的企業可以達到營運效能,並針對機器設備災難即時處理。
針對目前生產製造業在數位轉型下所面臨的狀況,AWS提供哪些相關的機器學習雲端服務與解決方案,讓企業能將數據資料的效能最大化,達成不同的商業目標?
雲端機器學習 打造智慧工廠提升效能
在數位轉型的過程中,生產製造業者不外乎會碰到這幾個挑戰,像是設備與數據的管理,還有維持穩定的品質。相對應的AWS雲端服務可以協助業者解決轉型痛點,提升生產效率。
- 生產設備與數據管理: 工廠內大量的設備與複雜的數據該如何以視覺化的方式呈現,並在遠端就能進行管控? AWS 提供 IoT SiteWise Monitor與 IoT SiteWise Edge兩項服務,透過 IoT SiteWise Monitor 即時檢視設備所產生出來的數據並對其進行視覺化,同時建立網站應用程式,讓非理工背景的使用者也能透過圖表得到平均故障間隔 (mttf) 與設備效率評價(OEE)這兩項數據指標的分析。另外,IoT SiteWise Edge能遠端監控設備,讓工程師不必在現場也能即時處理設備異常問題。
- 提升設備產出效能: 在工廠內的設備,若遇到狀況無法即時處理而停機的話,不僅會影響生產時辰,更會造成生產業者的損失。因此AWS提出兩個解決方案 – Amazon Monitron 與 Amazon Lookout for Equipment。將Amazon Monitron中的感應器裝設在生產設備上,利用機器學習辨別工業設備中出現的異常行為,並將警示通知傳送至業者手機中,同時透過Amazon Lookout for Equipment將數據化為行動,在設備災難發生前採取積極措施,減少不在預期內的停機時間。
- 有效管控產品品質: 在產品生產過程中,業者若能善用Amazon Lookout for Vision,將產線監控設備增加機器學習功能,分析產線狀況,即時檢驗產品的瑕疵度,從產品表面、顏色與形狀等面向逐一檢視;並改善現有產線的狀況,讓生產業者利用機器學習所帶來的視覺化精準度,在產品品質控管層面進行優化。
- 預測需求與管理原物料: 過往的資料系統無法因應快速變化的生產數據資料蒐集,因此業者若要進行年度原物料需求預測及管控庫存的話,傳統的資料系統會讓預測模組失真,進而誤判原物料需求,讓供應鏈與庫存難以管理。AWS 提供 Amazon Forecast 受託管的雲端服務,將業者地端系統的「時間序列數據」進行大量的演算法模組建置,利用機器學習把原物料需求預測的時間從「以月計算」到「以小時計算」,讓業者可以提升50%的預測精準度,有效利用數據資料並提升庫存控管效能。
目前全球製造業都在朝工業4.0的目標發展,不只做數位轉型,更要利用數據做機器學習與人工智慧,讓生產製造及工業業者更有彈性面對瞬息萬變的市場趨勢。以德國鐵路 (DB) 為例,目前使用AWS IoT的相關服務,在軌道設施上部署感應器,將數據資料傳到雲端中,讓系統能將即時的數據進行機器學習,安排列車間距提高準點率,並減少設備停機的時間。
從實際使用成效與相關服務來看,業者數位轉型之路勢在必行,尤其又以數位轉型後的機器學習與人工智能策略,為生產製造業者未來發展的重點。博弘雲端提供一站式的雲端服務,從雲端搬遷,數據分析,再到雲端機器學習模型的建立,幫助業者提升營運效能,將數據資料效益最大化,實現工業4.0智慧工廠的目標 !