Amazon Lookout for Equipment使工业客户能充分利用其现有设备传感器，通过机器学习在其所有工业站点中成规模地开展设备预测性维护
目前使用Lookout for Equipment的客户和合作伙伴包括西门子能源、西班牙石油、RoviSys、TensorIoT等
日前，亚马逊云科技宣布Amazon Lookout for Equipment正式可用，该服务使用亚马逊云科技开发的机器学习模型帮助客户对其设施中的设备进行预测性维护。Amazon Lookout for Equipment从客户工业设备中获取传感器数据(如压力、流量、转速、温度和功率)，训练一个专有的机器学习模型，进而基于客户设备的实时数据流来准确预测机器故障或性能欠佳的早期预警信号。有了Amazon Lookout for Equipment，客户可以快速、精准地检测设备异常，快速诊断问题，减少错误警报，并在机器发生故障之前采取行动而避免昂贵的停机损失。Amazon Lookout for Equipment没有预付费用或最低承诺费用，用户只需根据所摄入的数据量、训练定制模型所需的计算时间和推理时间付费。要开始使用Amazon Lookout for Equipment，请访问：https://aws.amazon.com/cn/lookout-for-equipment/。欲深入了解亚马逊云科技在AI/ML方面的创新举措以及众多客户利用AI/ML在业务创新和企业转型方面的最佳实践，敬请关注将于4月22日举办的“2021亚马逊云科技 AI在线大会”。
工业企业一直在努力提高运营效率，避免因设备故障而导致的意外停机。这些企业在物理传感器、数据连接、数据存储和仪表板上持续投入，以监控设备的运行状况和性能。为了分析设备上的数据，大多数企业通常会使用简单的规则或建模方法，根据过去的表现来识别问题。然而，这些方法往往导致客户在发现问题时已来不及采取措施，或者收到错误警报而进行不必要的检查。其实，客户想要检测常规的操作条件或故障类型(如由于摩擦导致的高温)以及复杂的设备故障(如通过高振动和转速但低流量显示出的泵故障)，这些只能通过建模传感器之间的独特关系得出。得益于机器学习技术的进步，现在人们能够快速识别异常情况，并了解每个设备历史数据之间的独特关系。然而，大多数企业缺乏在不同工业设备上构建和扩展定制机器学习模型的专业知识，导致他们往往不能充分利用他们在传感器和数据基础设施上的投资，在很多时候错失了能更好地管理关键设备的正常运行和性能的洞察。
通过Amazon Lookout for Equipment，工业和制造业客户现在可以快速、轻松地为整个或不同地点的设施构建预测性维护解决方案。首先，客户将他们的传感器数据(如压力、流量、转速、温度和功率)上传到Amazon Simple Storage Service (Amazon S3)，并向Amazon Lookout for Equipment提供相关的Amazon S3桶位置。该服务将自动分析数据，评估正常或健康的模式，并根据客户的数据量身打造一个机器学习模型。然后，Amazon Lookout for Equipment将使用这个定制的机器学习模型来分析传入的传感器数据，识别机器故障或故障的早期预警信号。对于每个警报，该服务可指出是哪些传感器显示警报问题，并测量其对检测到的事件的影响程度。例如，如果Amazon Lookout for Equipment检测到有50个传感器的泵存在问题，该服务可以显示哪5个传感器表示特定电机存在问题，并将该问题与电机的强电流和温度联系起来。这意味着客户可以识别问题、诊断问题、确定所需操作的优先级，并在问题发生之前进行精确维护，这避免了停机，节省了客户费用损失并提高了生产效率。Amazon Lookout for Equipment可以让客户从现有的传感器中获得更多的价值，并帮助他们及时做出决策，从而大大提高运营效率。客户可以直接通过亚马逊云科技控制台或亚马逊云科技合作伙伴网络中的支持合作伙伴获得Amazon Lookout for Equipment。该服务现已在美国西部（俄勒冈）、欧洲（爱尔兰）和亚太地区（首尔）区域正式推出，其他区域也将很快推出。
除了Amazon Lookout for Equipment，亚马逊云科技还为工业和制造业客户提供最广泛的云到边缘(cloud-to-edge)工业机器学习服务，包括Amazon Monitron（用于预测性维护，由传感器、网关和机器学习服务组成的端到端解决方案）、Amazon Lookout for Vision（使用云中的计算机视觉模型进行视觉异常检测），以及Amazon Panorama（用于视觉检查，通过硬件设备和软件开发工具包将计算机视觉模型能力赋予本地摄像头）。
“许多工业和制造企业都在物理传感器和其它技术上投入了大量资金，目的是提高设备的维护水平。但即使有了这些设备，由于缺乏资源和数据科学家，企业也无法在大量数据之上部署机器学习模型。结果，他们错过了能够帮助他们更好地管理运营的关键洞察和可操作发现。”亚马逊云科技全球机器学习副总裁Swami Sivasubramanian表示，“我们很高兴推出Amazon Lookout for Equipment，这项新服务根据客户特定环境构建的定制化机器学习模型将让客户收益，帮助客户快速而轻松地识别机器异常行为，提前采取行动，避免了设备停机造成的影响和损失。”
西门子能源在整个能源价值链上提供产品、解决方案和服务，以支持其客户走向可持续的未来。“西门子能源与我们的客户合作，通过数字化服务解决方案赋能现有业务线，提高性能、可靠性和安全性。数字化是可持续能源未来的关键驱动力。”西门子能源数字解决方案高级副总裁Amogh Bhonde表示，“通过Amazon Lookout for Equipment，将亚马逊云科技机器学习与西门子能源行业知识相结合，帮助客户在整个运营过程中提高对系统和设备的可视性。Amazon Lookout for Equipment的自动化机器学习工作流程，让客户即使在没有数据科学知识的情况下，也能轻松构建和部署各种资产类型的模型。亚马逊云科技是我们值得信赖的合作伙伴，加速了我们对Omnivise数字解决方案套件的持续开发。”
西班牙石油（Cepsa）是一家全球能源和化工公司，在石油天然气价值链的各个环节开展端到端的运营。Cepsa还以植物为原料生产产品，并推动新的战略，成为能源转型的示范。“在Cepsa，数字化转型的重点是人。在这方面，我们的专业人士是我们背后的引擎。 通过Amazon Lookout for Equipment，我们将机器学习的见解带给那些最了解设备的专家——可靠性和维护工程师，使他们能够做出更明智的决定，提高正常运行时间，降低运营成本。” Cepsa高级分析主管Alberto Gascón表示，“设备的预测性维护等解决方案传统上涉及人工和复杂的数据科学，比如选择正确的算法和参数，但Amazon Lookout for Equipment将这些过程自动化，这样工程师就可以专注于解决影响他们业务的关键挑战。”
RoviSys是一家全球运营技术系统集成商，也是全面流程自动化解决方案和服务领域的领先独立供应商。“机器学习是对工业客户最有前途的技术之一，有潜力通过降低维护和运营成本提供更高的价值。”RoviSys的工业人工智能总监Bryan DeBois表示，“RoviSys正与亚马逊云科技合作，利用亚马逊云科技物联网服务将Amazon Lookout for Equipment与现场设备和基础设施的数据整合在一起，以实现大规模的先进机器学习维护解决方案。这项技术可以让我们的客户充分利用现有的基础设施，同时又能快速轻松地从这些数据中解锁更多价值。”
TensorIoT是亚马逊云科技的高级咨询合作伙伴，在物联网、数据工程、机器学习和人工智能领域提供完整的端到端产品和解决方案。“TensorIoT利用亚马逊云科技服务构建解决方案，以加速机器学习在工业运营产品和流程中的集成。”TensorIoT咨询副总裁Charles Burden表示，“ Amazon Lookout for Equipment可以减轻机器学习的繁重工作量，支持自动化机器学习开发、管理和异常检测模型的持续改进。这大大减少了所需的人力工作，使得工程师可专注于将洞见转化为操作改进。简而言之，Lookout for Equipment可以让企业更快地创新。”
