Recap zur AWS re:Invent 2020: Fünf neue Machine Learning-Services

AWS kündigte Amazon Monitron, Amazon Lookout for Equipment, die AWS Panorama Appliance, das AWS Panorama SDK und Amazon Lookout for Vision an.

Zusammen helfen diese fünf neuen Services für maschinelles Lernen Kunden aus Industrie und Fertigung, Intelligenz in ihre Produktionsprozesse einzubetten, um die betriebliche Effizienz, Qualitätskontrolle, Sicherheit und Sicherheit am Arbeitsplatz zu verbessern. Die Services kombinieren ausgefeilte Funktionen für maschinelles Lernen, Sensoranalyse und Computer Vision, um häufige technische Herausforderungen zu bewältigen, mit denen Industriekunden konfrontiert sind, und stellen die umfassendste Suite von Cloud-to-Edge-Services für maschinelles Lernen in der Industrie dar. Das ist der Grund, warum mehr als hunderttausend Kunden AWS für maschinelles Lernen nutzen, und warum Kunden aller Größen und Branchen AWS-Services nutzen, um maschinelles Lernen zum Kern ihrer Geschäftsstrategie zu machen. Um mehr über die neuen AWS-Services für maschinelles Lernen in der Industrie zu erfahren, besuchen Sie https://aws.amazon.com/industrial/.
Unternehmen suchen zunehmend nach Möglichkeiten für maschinelles Lernen in industriellen Umgebungen, z. B. in Fertigungsanlagen, Fulfillment-Centern und Lebensmittelverarbeitungsbetrieben. Für diese Kunden sind Daten zum Bindegewebe geworden, das ihre komplexen industriellen Systeme zusammenhält. Industrielle Systeme haben typischerweise zahlreiche voneinander abhängige Prozesse, die mit geringen Fehlertoleranzen arbeiten, und selbst kleine Probleme können große Auswirkungen haben. Die Möglichkeit, Daten über die in ihren Anlagen betriebenen Geräte zu analysieren, hilft den Kunden bei der Bewältigung dieser Herausforderung, und viele Kunden haben Services wie AWS IoT SiteWise als Möglichkeit zum Sammeln von Daten und zum Generieren von Echtzeit-Leistungsmetriken von ihren industriellen Geräten angenommen. Da Kunden begonnen haben, die Cloud zum Sammeln und Analysieren von Industriedaten zu nutzen, haben sie auch nach neuen Möglichkeiten gefragt, maschinelles Lernen einzubinden, um die Daten sinnvoll zu nutzen und die betriebliche Effizienz weiter zu steigern. In einigen Fällen wollen Kunden maschinelles Lernen nutzen, um das Versprechen der vorausschauenden Wartung zu erfüllen, Kosten zu senken und die betriebliche Effizienz zu verbessern. In anderen Fällen möchten Kunden, die in Umgebungen arbeiten, in denen keine Verbindung besteht oder die auf Latenzzeiten angewiesen sind, Computer Vision am Rande der Anlage einsetzen, um Produktfehler zu erkennen und die Sicherheit am Arbeitsplatz zu verbessern. Angesichts dieser sich entwickelnden Anforderungen und Möglichkeiten haben Industrieunternehmen AWS gebeten, ihnen dabei zu helfen, die Cloud, das Industrial Edge und das maschinelle Lernen gemeinsam zu nutzen, um noch mehr Nutzen aus den riesigen Datenmengen zu ziehen, die von ihren Anlagen erzeugt werden

Amazon Monitron und Amazon Lookout for Equipment ermöglichen eine durch maschinelles Lernen unterstützte vorausschauende Wartung

Eine große Herausforderung für Industrie- und Fertigungsunternehmen ist heute die laufende Wartung ihrer Anlagen. In der Vergangenheit wurden die meisten Anlagen entweder reaktiv (nach dem Ausfall einer Maschine) oder präventiv (in regelmäßigen Abständen durchgeführt, um sicherzustellen, dass eine Maschine nicht ausfällt) gewartet. Reaktive Wartung kann zu erheblichen Kosten und Ausfallzeiten führen, während vorbeugende Wartung kostspielig sein kann, zu einer Überwartung führt oder Ausfälle nicht verhindert, wenn sie nicht oft genug durchgeführt wird. Eine vielversprechendere Lösung ist die vorausschauende Wartung (die Fähigkeit, vorherzusehen, wann eine Anlage wahrscheinlich gewartet werden muss). Um sie zum Laufen zu bringen, brauchten Unternehmen in der Vergangenheit jedoch erfahrene Techniker und Datenwissenschaftler, um eine komplexe Lösung von Grund auf neu zusammenzusetzen. Dazu gehörte es, die richtige Art von Sensoren für den Anwendungsfall zu identifizieren und zu beschaffen und sie mit einem IoT-Gateway (einem Gerät, das Daten sammelt und überträgt) zu verbinden. Anschließend mussten die Unternehmen das Überwachungssystem testen und die Daten zur Verarbeitung in eine On-Premises-Infrastruktur oder in die Cloud übertragen. Erst dann konnten die Datenwissenschaftler maschinelle Lernmodelle erstellen, um die Daten auf Muster und Anomalien zu analysieren oder ein Warnsystem zu erstellen, wenn ein Ausreißer entdeckt wurde. Einige Unternehmen haben viel in die Installation von Sensoren in ihren Anlagen und in die notwendige Infrastruktur für Datenkonnektivität, Speicherung, Analyse und Alarmierung investiert. Aber selbst diese Unternehmen verwenden in der Regel rudimentäre Datenanalysen und einfache Modellierungsansätze, die teuer sind und im Vergleich zu fortschrittlichen maschinellen Lernmodellen oft nicht in der Lage sind, abnormale Bedingungen zu erkennen. Den meisten Unternehmen fehlt es an Fachwissen und Personal, um die maschinellen Lernmodelle zu erstellen und zu verfeinern, die eine hochpräzise vorausschauende Wartung ermöglichen würden. Daher waren nur wenige Unternehmen in der Lage, die vorausschauende Wartung erfolgreich zu implementieren, und diejenigen, die es getan haben, suchen nach Möglichkeiten, ihre Investitionen weiter zu nutzen und gleichzeitig die Last der Wartung ihrer selbst entwickelten Lösungen zu verringern. Hier erfahren Sie, wie die neuen AWS-Services für maschinelles Lernen helfen können:

• Für Kunden, die nicht über ein bestehendes Sensornetzwerk verfügen, bietet Amazon Monitron ein End-to-End-Maschinenüberwachungssystem, das aus Sensoren, einem Gateway und einem maschinellen Lerndienst besteht, um Anomalien zu erkennen und vorherzusagen, wann Industrieanlagen gewartet werden müssen. Mit Amazon Monitron können Kunden die Kosten und die Komplexität des Aufbaus eines ausgeklügelten, auf maschinellem Lernen basierenden vorausschauenden Wartungssystems von Grund auf beseitigen und sich auf ihre Kernfunktionen in den Bereichen Fertigung, Lieferkette und Betrieb konzentrieren. Amazon Monitron erkennt, wenn Maschinen nicht normal arbeiten, basierend auf abnormalen Schwankungen in Vibration oder Temperatur, und benachrichtigt Kunden, wenn Maschinen untersucht werden müssen, um zu bestimmen, ob eine vorbeugende Wartung erforderlich ist. Das End-to-End-System umfasst IoT-Sensoren zum Erfassen von Vibrations- und Temperaturdaten, ein Gateway zum Aggregieren und Übertragen von Daten an AWS sowie einen Cloud-Service für maschinelles Lernen, der anormale Ausrüstungsmuster erkennen und innerhalb von Minuten Ergebnisse liefern kann, ohne dass maschinelles Lernen oder Cloud-Erfahrung erforderlich ist. Mit Amazon Monitron können Wartungstechniker innerhalb weniger Stunden mit der Verfolgung des Maschinenzustands beginnen, ohne Entwicklungsarbeit oder spezielle Schulungen. Amazon Monitron kann für eine Vielzahl von rotierenden Geräten verwendet werden, wie z. B. Lager, Motoren, Pumpen und Förderbänder in Industrie- und Fertigungsumgebungen. Die Anwendungsfälle reichen von der Überwachung einiger weniger kritischer Maschinen, wie z. B. Kühlventilatoren oder Wasserpumpen in Rechenzentren, bis hin zu groß angelegten Installationen in Fertigungsanlagen mit Produktions- und Fördersystemen. Amazon Monitron beinhaltet auch eine mobile App für die Wartungstechniker eines Kunden vor Ort, um das Verhalten der Geräte in Echtzeit zu überwachen. Mit der mobilen App kann ein Techniker Warnungen über abnormale Gerätezustände bei verschiedenen Maschinen erhalten, den Zustand der Maschine überprüfen und entscheiden, ob er eine Wartung planen muss. Um die Genauigkeit des Systems zu erhöhen, können Techniker Feedback zur Genauigkeit der Warnungen in die mobile App eingeben. Amazon Monitron lernt aus diesem Feedback, um sich mit der Zeit kontinuierlich zu verbessern. Amazon Monitron ist jetzt allgemein verfügbar. Um mehr über Amazon Monitron zu erfahren, besuchen Sie https://aws.amazon.com/monitron.
• Für Kunden, die über vorhandene Sensoren verfügen, aber keine Modelle für maschinelles Lernen erstellen möchten, bietet Amazon Lookout for Equipment eine Möglichkeit, ihre Sensordaten an AWS zu senden, um Modelle für sie zu erstellen und Vorhersagen zur Erkennung von abnormalem Geräteverhalten zurückzugeben. Um loszulegen, laden Kunden ihre Sensordaten auf Amazon Simple Storage Service (S3) hoch und geben den S3-Speicherort an Amazon Lookout for Equipment weiter. Amazon Lookout for Equipment kann auch Daten von AWS IoT SiteWise abrufen und arbeitet nahtlos mit anderen gängigen Maschinenbetriebssystemen wie OSIsoft zusammen. Amazon Lookout for Equipment analysiert die Daten, bewertet normale oder gesunde Muster und verwendet dann die Erkenntnisse aus allen Daten, auf die es trainiert wurde, um ein Modell zu erstellen, das auf die Umgebung des Kunden zugeschnitten ist. Amazon Lookout for Equipment kann dann das maschinelle Lernmodell nutzen, um eingehende Sensordaten zu analysieren und Frühwarnzeichen für Maschinenausfälle zu identifizieren. Dies ermöglicht Kunden eine vorausschauende Wartung, die ihnen Geld spart und die Produktivität verbessert, indem sie den Ausfall einer industriellen Systemlinie verhindert. Amazon Lookout for Equipment ermöglicht es Kunden, mehr Nutzen aus ihren vorhandenen Sensoren zu ziehen, und es hilft Kunden, rechtzeitig Entscheidungen zu treffen, die den gesamten industriellen Prozess wesentlich verbessern können. Um mehr über Amazon Lookout for Equipment zu erfahren, besuchen Sie https://aws.amazon.com/lookout-for-equipment.

AWS Panorama nutzt Computer Vision, um industrielle Abläufe und die Sicherheit am Arbeitsplatz zu verbessern

AWS Panorama nutzt Computer Vision, um industrielle Abläufe und die Sicherheit am Arbeitsplatz zu verbessern

Viele Kunden in der Industrie und Fertigung möchten Computer Vision auf Live-Videoübertragungen ihrer Anlagen und Geräte anwenden, um Überwachungs- oder visuelle Inspektionsaufgaben zu automatisieren und Entscheidungen in Echtzeit zu treffen. Beispielsweise müssen Kunden routinemäßig Hochgeschwindigkeitsprozesse inspizieren, um festzustellen, ob Anpassungen erforderlich sind (z. B. Feinfräsen oder Laserwerkzeug), die Aktivitäten auf dem Gelände und im Hof überwachen, um die Einhaltung der Betriebsvorschriften zu gewährleisten (z. B. sicherstellen, dass Fußgänger und Gabelstapler in den ausgewiesenen Arbeitszonen bleiben), oder die Sicherheit der Arbeiter in ihren Anlagen beurteilen (z. B. angemessene soziale Distanz oder Verwendung von PSA). Die typischen Überwachungsmethoden, die heute eingesetzt werden, sind jedoch manuell, fehleranfällig und schwer zu skalieren. Kunden könnten Computer-Vision-Modelle in der Cloud erstellen, um ihre Live-Videobilder zu überwachen und zu analysieren, aber industrielle Prozesse müssen sich in der Regel an abgelegenen und isolierten Orten befinden, wo die Konnektivität langsam, teuer oder gar nicht vorhanden sein kann. Dieses Problem ist noch schwieriger bei industriellen Prozessen, die eine manuelle Überprüfung beinhalten, wie z. B. Qualitätsprüfungen an gefertigten Teilen oder Sicherheitsfeeds. Wenn zum Beispiel ein Qualitätsproblem an einer Produktionslinie mit hohem Durchsatz auftritt, wollen die Kunden sofort Bescheid wissen, denn die Kosten für das Fortbestehen des Problems sind hoch. Diese Art von Video-Feed könnte automatisch in der Cloud mit Hilfe von Computer Vision verarbeitet werden, aber Video-Feeds haben eine hohe Bandbreite und können langsam hochgeladen werden. Infolgedessen müssen die Kunden die Videofeeds in Echtzeit überwachen, was schwierig, fehleranfällig und teuer ist. Es besteht zwar der Wunsch, intelligente Kameras zu verwenden, die über genügend Rechenleistung verfügen, um diese Modelle auszuführen, aber es kann eine Herausforderung sein, von diesen Kameras eine niedrige Latenzleistung mit guter Genauigkeit zu erhalten. Die meisten Kunden verwenden am Ende einfache Modelle, die nicht so programmiert werden können, dass sie benutzerdefinierten Code ausführen, der sich in die Industriemaschinen integrieren lässt. Hier kann AWS jetzt helfen:

• Mit der AWS Panorama Appliance steht eine neue Hardware-Appliance zur Verfügung, mit der Unternehmen Computer Vision zu vorhandenen On-Premises-Kameras hinzufügen können, die Kunden möglicherweise bereits bereitgestellt haben. Kunden schließen die AWS Panorama Appliance zunächst an ihr Netzwerk an. Das Gerät identifiziert automatisch Kamerastreams und beginnt mit den vorhandenen Industriekameras zu interagieren. Die AWS Panorama Appliance ist in AWS-Services für maschinelles Lernen und IoT-Services integriert, die zum Erstellen benutzerdefinierter Modelle für maschinelles Lernen oder zum Einlesen von Videos für eine verfeinerte Analyse verwendet werden können. Die AWS Panorama Appliance erweitert das maschinelle Lernen von AWS auf den Edge-Bereich, um Kunden zu helfen, Vorhersagen lokal an Standorten ohne Konnektivität zu treffen. Jede AWS Panorama Appliance kann Computer-Vision-Modelle auf mehreren Kameraströmen parallel ausführen, wodurch Anwendungsfälle wie Qualitätskontrolle, Teileidentifikation und Sicherheit am Arbeitsplatz möglich werden. Die AWS Panorama Appliance arbeitet mit vortrainierten Computer-Vision-Modellen von AWS und Drittanbietern für den Einzelhandel, die Fertigung, das Bauwesen und andere Branchen. Auch von Kunden entwickelte Computer-Vision-Modelle, die in Amazon SageMaker entwickelt wurden, können auf der AWS Panorama Appliance bereitgestellt werden.
• Das AWS Panorama Software Development Kit (SDK) ermöglicht es Hardwareanbietern, neue Kameras zu bauen, die aussagekräftige Computer-Vision-Modelle am Rande ausführen können. Kameras, die mit dem AWS Panorama SDK gebaut werden, führen Computer-Vision-Modelle für Anwendungsfälle wie das Erkennen von beschädigten Teilen auf einem sich schnell bewegenden Förderband oder das Erkennen von Maschinen, die sich außerhalb einer bestimmten Arbeitszone befinden, aus. Diese Kameras können Chips verwenden, die für Computer Vision von NVIDIA und Ambarella entwickelt wurden. Durch die Verwendung des AWS Panorama SDK können Hersteller Kameras mit Computer-Vision-Modellen bauen, die eine höhere Videoqualität mit besserer Auflösung zum Erkennen von Problemen verarbeiten können. Sie können auch anspruchsvollere Modelle auf kostengünstigen Geräten erstellen, die über Ethernet mit Strom versorgt und an einem Standort platziert werden können. Kunden können ihre eigenen Modelle in Amazon SageMaker trainieren und sie mit einem einzigen Klick auf Kameras bereitstellen, die mit dem AWS Panorama SDK erstellt wurden. Kunden können auch Lambda-Funktionen zu Kameras hinzufügen, die mit dem AWS Panorama SDK erstellt wurden, um bei potenziellen Problemen per Text oder E-Mail alarmiert zu werden. AWS bietet auch vorgefertigte Modelle für Aufgaben wie PSA-Erkennung und soziale Distanzierung. Diese Modelle können innerhalb von Minuten bereitgestellt werden, ohne dass maschinelles Lernen oder spezielle Optimierungen erforderlich sind.

Um mehr über AWS Panorama sowie unterstützende Anbieter und Partner zu erfahren, besuchen Sie https://aws.amazon.com/panorama.

Amazon Lookout for Vision bietet automatisierte schnelle und genaue visuelle Anomalieerkennung für Bilder und Videos zu geringen Kosten.

Ein Anwendungsfall, bei dem AWS-Kunden begeistert sind, Computer Vision mit ihren Kameras einzusetzen, ist für die Qualitätskontrolle. Industrieunternehmen müssen ständig darauf achten, die Qualitätskontrolle aufrechtzuerhalten. Allein in der Fertigungsindustrie verursachen Stillstände von Produktionslinien aufgrund von übersehenen Fehlern jedes Jahr Kostenüberschreitungen und Umsatzeinbußen in Millionenhöhe. Die visuelle Inspektion industrieller Prozesse erfordert in der Regel eine menschliche Inspektion, die mühsam und inkonsistent sein kann. Computer Vision bietet die nötige Geschwindigkeit und Genauigkeit, um Defekte konsistent zu identifizieren, aber die Implementierung kann komplex sein und erfordert Teams von Datenwissenschaftlern, um die maschinellen Lernmodelle zu erstellen, einzusetzen und zu verwalten. Aufgrund dieser Hindernisse bleiben visuelle Anomaliesysteme mit maschinellem Lernen für die meisten Unternehmen unerreichbar. Hier erfahren Sie, wie AWS diesen Unternehmen jetzt helfen kann:

Amazon Lookout for Vision bietet Kunden eine hochpräzise und kostengünstige Lösung zur Erkennung von Anomalien, die mithilfe von maschinellem Lernen Tausende von Bildern pro Stunde verarbeitet, um Defekte und Anomalien zu erkennen. Kunden senden Kamerabilder im Stapel oder in Echtzeit an Amazon Lookout for Vision, um Anomalien zu erkennen, wie z. B. einen Riss in einem Maschinenteil, eine Delle in einer Platte, eine unregelmäßige Form oder eine falsche Farbe an einem Produkt. Amazon Lookout for Vision meldet dann die Bilder, die von der Basislinie abweichen, so dass entsprechende Maßnahmen ergriffen werden können. Amazon Lookout for Vision ist hochentwickelt genug, um mit Abweichungen im Kamerawinkel, der Pose und der Beleuchtung umzugehen, die durch Veränderungen in der Arbeitsumgebung entstehen. Als Ergebnis können Kunden Maschinenteile oder hergestellte Produkte genau und konsistent beurteilen, indem sie nur 30 Bilder des „guten“ Grundzustands bereitstellen. Amazon Lookout for Vision läuft auch auf Amazon Panorama-Appliances. Kunden können Amazon Lookout for Vision ab heute in AWS ausführen. Ab dem nächsten Jahr werden Kunden in der Lage sein, Amazon Lookout for Vision auf AWS Panorama Appliances und anderen AWS Panorama-Geräten auszuführen, so dass Kunden Amazon Lookout for Vision auch an Orten nutzen können, an denen die Internetverbindung eingeschränkt oder nicht vorhanden ist. Um mehr über Amazon Lookout for Vision zu erfahren, besuchen Sie https://aws.amazon.com/lookout-for-vision.

„Industrie- und Fertigungskunden stehen ständig unter dem Druck ihrer Aktionäre, Kunden, Regierungen und Konkurrenten, die Kosten zu senken, die Qualität zu verbessern und die Compliance einzuhalten. Diese Unternehmen würden gerne die Cloud und maschinelles Lernen nutzen, um Prozesse zu automatisieren und menschliche Fähigkeiten im gesamten Betrieb zu ergänzen, aber der Aufbau dieser Systeme kann fehleranfällig, komplex, zeitaufwändig und teuer sein“, sagt Swami Sivasubramanian, Vice President of Amazon Machine Learning bei AWS. „Wir freuen uns, unseren Kunden fünf neue maschinelle Lernservices speziell für den industriellen Einsatz anbieten zu können, die einfach zu installieren, bereitzustellen und schnell in Betrieb zu nehmen sind und die die Cloud mit dem Edge verbinden, um unseren Industriekunden zu helfen, die intelligenten Fabriken der Zukunft zu schaffen.“