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 !
