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

西雅图--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，这是一项使用 AWS 的新服务-开发了机器学习模型，以帮助客户对其设施中的设备进行预测性维护。 Amazon Lookout for Equipment 从客户的工业设备中提取传感器数据（例如压力、流速、RPM、温度和功率），然后训练一个独特的机器学习模型，以准确预测机器故障或次优性能的早期预警信号，使用真实的- 来自客户设备的时间数据流。借助 Amazon Lookout for Equipment，客户可以快速准确地检测设备异常，快速诊断问题，减少错误警报，并通过在机器故障发生之前采取措施避免代价高昂的停机时间。 Amazon Lookout for Equipment 没有预先承诺或最低费用，客户需要为摄取的数据量、用于训练自定义模型的计算小时数以及使用的推理小时数付费。要开始使用 Amazon Lookout for Equipment，请访问：。

“设备预测性维护等解决方案传统上涉及手动和复杂的数据科学，例如选择正确的算法和参数，但 Amazon Lookout for Equipment 可以自动化这些流程，以便工程师可以专注于解决影响其业务的最关键挑战。”

工业公司一直在努力通过避免因设备故障导致的计划外停机来提高运营效率。随着时间的推移，这些公司中的许多公司都在物理传感器、数据连接、数据存储和仪表板方面进行了大量投资，以监控其设备的运行状况和性能。为了分析来自其设备的数据，大多数公司通常使用简单的规则或建模方法来根据过去的表现来识别问题。然而，这些方法的基本性质往往会导致客户在采取行动为时已晚后发现问题，或者由于误诊问题而收到错误警报，需要进行不必要的及时检查。相反，客户希望检测一般操作条件或故障类型（例如，由于摩擦引起的高温）以及复杂的设备故障（例如，由高振动和 RPM 指示的故障泵，但流速低）只能通过模拟独特的传感器之间的关系。今天，机器学习技术的进步使得快速识别异常并了解每件设备的历史数据之间的独特关系成为可能。然而，大多数公司缺乏跨不同工业设备构建和扩展定制机器学习模型的专业知识。因此，公司经常无法充分利用他们在传感器和数据基础设施方面的投资，从而导致他们错过了可以帮助他们更好地管理关键设备的健康和性能的关键可行见解。

借助 Amazon Lookout for Equipment，工业和制造业客户现在可以快速轻松地为整个设施或跨多个位置构建预测性维护解决方案。首先，客户将他们的传感器数据（例如压力、流速、RPM、温度和功率）上传到 Amazon Simple Storage Service (S3)，并向 Amazon Lookout for Equipment 提供相关的 S3 存储桶位置。该服务将自动分析数据，评估正常或健康模式，并构建适合客户环境的机器学习模型。然后，Amazon Lookout for Equipment 将使用定制的机器学习模型来分析传入的传感器数据并识别机器故障或故障的早期预警信号。对于每个警报，该服务将指定哪些传感器指示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 在具有 50 个传感器的泵上检测到问题，则该服务可以显示哪五个传感器指示特定电机存在问题，并将该问题与电机电源电流和温度相关联。这使客户能够识别问题、诊断问题、确定所需行动的优先级并在问题发生之前执行精确维护——通过防止停机时间为他们节省资金并提高生产力。 Amazon Lookout for Equipment 让客户能够从现有传感器中获得更多价值，并帮助他们做出及时决策，从而显着提高运营效率。 Amazon Lookout for Equipment 可直接通过 AWS 控制台以及 AWS 合作伙伴网络中的支持合作伙伴获得。该服务今天在美国东部（弗吉尼亚北部）、欧洲（爱尔兰）和亚太地区（首尔）推出，未来几个月将在其他地区推出。

除了 Amazon Lookout for Equipment，AWS 还为工业和制造业客户提供最广泛的云到边缘工业机器学习服务，包括 Amazon Monnitron（使用由传感器、网关和机器学习服务）、Amazon Lookout for Vision（使用云中的计算机视觉模型进行视觉异常检测）和 AWS Panorama（使用将计算机视觉模型引入本地摄像头的设备和软件开发工具包进行视觉检查）。

“许多工业和制造公司都在物理传感器和其他技术上进行了大量投资，旨在改善其设备的维护。但即使有了这些设备，由于缺乏资源和数据科学家的稀缺，公司也无法在海量数据之上部署机器学习模型。因此，他们错过了有助于他们更好地管理运营的关键见解和可操作的发现，”AWS 亚马逊机器学习副总裁 Swami Sivasubramanian 说。 “今天，我们很高兴地宣布 Amazon Lookout for Equipment 全面上市，这是一项新服务，使客户能够从为其特定环境构建的自定义机器学习模型中受益，从而快速轻松地识别异常机器行为，以便他们可以采取措施避免设备停机的影响和费用。”

西门子能源在整个能源价值链中提供产品、解决方案和服务，以支持其客户走向更可持续的未来——无论他们走多远。 “西门子能源与我们的客户合作，通过我们现有的业务线通过数字服务解决方案增强性能、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 说。 “通过 Amazon Lookout for Equipment，我们看到了将 AWS 机器学习与 Siemens Energy 主题专业知识相结合的机会，以提高对整个客户运营中系统和设备的可见性。 Amazon Lookout for Equipment 的自动化机器学习工作流程使您可以轻松地跨各种资产类型构建和部署模型，而无需数据科学知识。 Siemens Energy 将 AWS 视为值得信赖的合作伙伴，加速我们持续开发 Omnivise 数字解决方案套件。”

Cepsa 是一家全球能源和化工公司，在石油和天然气价值链的每个阶段都进行端到端的运营。 Cepsa 还使用植物原料生产产品，并正在推动一项新战略，成为能源转型的参考。 “在 Cepsa，数字化转型以人为本。在这方面，我们的专业人员是我们转型的引擎。借助 Amazon Lookout for Equipment，我们将机器学习见解带给最了解设备的专家——可靠性和维护工程师—— Cepsa 高级分析主管 Alberto Gascón 说：“让他们能够做出更明智的决策，从而提高正常运行时间并降低运营成本。”设备预测性维护等解决方案传统上涉及手动和复杂的数据科学，例如选择正确的算法和参数，但 Amazon Lookout for Equipment 将这些流程自动化，以便工程师可以专注于解决影响其业务的最关键挑战。”

Embassy of Things (EOT) 是 Twin Talk 的创建者，这是一个安全且可扩展的 ETL++ 数据交付系统，旨在挖掘隐藏在来自 SCADA 系统和历史学家的运营数据中的未实现价值，并使工业运营公司能够利用基于云的力量数据分析、机器学习和人工智能。 “不仅对一个生产站点，而且在所有生产站点使用预测分析和异常检测，这是使我们的客户能够实现最高水平的生产优化以及成本和减排的关键。我们的 Twin Talk 系统释放运营数据以实现云Embassy of Things 首席执行官 Matt Oberdorfer 表示：“基于事件驱动的实时架构，适用于 IoT SiteWise 和 S3 等亚马逊云服务。我们正在将 Amazon Lookout for Equipment 用于我们的解决方案套件，以实现自动化机器学习过程提高了检测最有意义的洞察的准确性，并使洞察更快地采取行动。Lookout for Equipment 是一个真正的游戏规则改变者，因为它通过抽象出传统的数据科学繁重的步骤，将 AI 交到维护工程师手中，从而有效地扩展跨资产。”

RoviSys 是一家全球运营技术系统集成商，也是综合过程自动化解决方案和服务的领先独立供应商。 Rovisys 工业 AI 总监 Bryan DeBois 表示：“机器学习是工业客户最有前途的技术之一，并有可能通过降低维护和运营成本来提供重大价值。”RoviSys 正在与 AWS 合作整合亚马逊使用 AWS IoT 服务查找来自本地设备和基础设施数据的设备，以便大规模启用先进的机器学习维护解决方案。这项技术让我们的客户可以利用现有基础设施，但可以快速轻松地从这些数据中释放更多价值。 "

Seeq 是一种高级分析解决方案，使流程制造组织中的工程师和主题专家能够快速调查和分享历史学家、IIoT 平台、AWS 服务以及制造和业务系统中的数据的见解。 “我们很高兴宣布与 AWS 合作开发解决方案，这些解决方案提供由大数据和机器学习创新提供支持的诊断、监控和预测分析，”Seeq Corporation 云合作伙伴主管梅根·邦坦 (Megan Buntain) 说。 “将 Seeq 与 Amazon Lookout for Equipment 结合使用将帮助组织将数据转化为洞察力，从而实现持续改进和可持续发展目标。”

TensorIoT 是 AWS 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 使用 AWS 服务构建解决方案，以加速机器学习在整个工业运营的产品和流程中的集成，”TensorIoT 咨询副总裁 Charles Burden 说。 “利用 Amazon Lookout for Equipment 可以通过自动开发、管理和支持异常检测模型的持续改进来帮助减少利用机器学习的繁重工作。这大大减少了所需的手动接触点的数量，并允许工程师将洞察力转化为运营改进。简而言之，Lookout for Equipment 可以让公司更快地进行创新。”

关于亚马逊网络服务

15 年来，Amazon Web Services 一直是世界上最全面、应用最广泛的云平台。 AWS 一直在不断扩展其服务以支持几乎任何云工作负载，现在它拥有 200 多项功能齐全的服务，用于计算、存储、数据库、网络、分析、机器学习和人工智能 (AI)、物联网 (IoT) 、移动、安全、混合、虚拟和增强现实（VR 和 AR）、媒体以及来自 25 个地理区域内的 80 个可用区 (AZ) 的应用程序开发、部署和管理，并宣布计划再增加 15 个可用区和另外 5 个可用区澳大利亚、印度、印度尼西亚、西班牙和瑞士的 AWS 区域。数以百万计的客户（包括发展最快的初创公司、最大的企业和领先的政府机构）信任 AWS 来支持他们的基础设施、变得更加敏捷并降低成本。

关于亚马逊

亚马逊遵循四项原则：以客户为中心而非以竞争对手为中心、对发明的热情、对卓越运营的承诺以及长期思考。客户评论、一键购物、个性化推荐、Prime、亚马逊物流、AWS、Kindle Direct Publishing、Kindle、Fire 平板电脑、Fire TV、亚马逊 Echo 和 Alexa 是亚马逊率先推出的一些产品和服务。

点击咨询现在有哪些新兴平台值得关注 >>>

特别声明：以上文章内容仅代表作者本人观点，不代表ESG跨境电商观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与ESG跨境电商联系。