作者｜格林 出品 | 新芒X
多年来，亚马逊的客户已经形成了这样一个习惯：对超快的交付抱有很高的期望。
但这当然不是靠魔法发生的。相反，该公司数百个配送中心的包裹每天都要经过数英里的输送机和分拣系统，因此如果亚马逊希望将包裹快速交付给客户，就需要其设备能够可靠运行。
为应对这一挑战，这家零售业领导者宣布使用 Amazon Monitron，这是一种端到端机器学习 (ML)系统，用于检测工业机械中的异常行为（于2020 年 12 月推出）以提供预测性维护。
监控器包括：
用于捕获振动和温度数据的传感器。将数据安全传输到 AWS 云的网关。一种使用机器学习分析异常机器模式数据的服务。一个配套的移动应用程序，用于设置设备并跟踪机器中的潜在故障。
结果，亚马逊将运营中心的计划外停机时间减少了近 70%，这有助于按时交付更多客户订单。
Amazon Monitron 解决现实世界的工业问题
AWS人工智能服务副总裁 Vasi Philomin介绍到：“亚马逊所做的一件关键事情是他们采用机器学习等技术，并大规模应用它们来解决现实世界的问题。” 这也成为他初吸引我加入这家公司的原因。
据亚马逊称，多达 80 名工程师负责维护每个运营中心的设备。在实施 Amazon Monitron 之前，技术人员在现场四处走动，获取读数并手动分析测量结果以确定设备的状况，包括超声波、热成像和油分析。
该公司指出，计划外停机可能代价高昂，并会延迟客户交货。例如，如果一个关键的分拣机在圣诞节高峰期发生故障三个小时，可能会导致 30,000 多个订单的延迟交付。
Monitron 每小时接收一次自动温度和振动测量值，可在数小时内检测到潜在故障，而之前的手动技术需要 4 周时间。Philomin 说，自运营中心开始使用它以来的一年半时间里，他们已经帮助全球 88 个运营中心站点避免了大约 7,300 个已确认的问题。
允许技术人员使用 ML 进行现场预测性维护
“我们了解到使用它的角色不是开发人员，他们是那些制造现场的技术人员，”他解释道。
使用 Monitron，每个传感器的成本为 100 美元，可以在 Amazon.com 上购买。“所以它在成本方面具有颠覆性，而且设置非常简单——它在手机上附带了一个应用程序，可以帮助你在五分钟内获得许可。技术人员可以做到，而不必是任何 AI 甚至预测性维护方面的专家。”
最后，还有机器学习部分：“机器学习为正在安装的每个单独传感器学习定制行为，因此它学习机器该部分的振动和温度的默认行为，并能够快速找出何时出现故障，偏差，”菲洛明说。“所有这三个方面确实让 Monitron 极具破坏性。”
亚马逊计划扩大 Monitron 的使用范围
根据 Amazon Customer Fulfillment 的说法，该公司最初预计需要大约两年的时间才能实现成本节约来支付实施 Monitron 的费用。但该公司分析了 25 个在线网站并计算出它节省的资金足以在不到一年的时间内实现投资回报。
因此，据亚马逊称，它计划将 Monitron 的使用扩展到北美、欧洲和亚太地区的新运营中心。Amazon Customer Fulfillment 还计划微调触发警报的阈值，并扩展到监控控制设备等其他领域。
Philomin 说，最重要的是要使 AI 和 ML 民主化。
“你可以拥有只迎合高级机器学习人员的技术。当然，我们有多层堆栈，更专注于数据科学家，”他说。“但如果你真的想让机器学习民主化并每天投入使用，技术就需要变得无形。重要的是你完全了解将要使用它的人，并且你的构建方式让那个人可以实际使用它。”