從資料擷取到資料導向創新 AWS推動AIoT智慧製造三大進程

隨著改變傳統工業生產流程之物聯網的來到，智慧製造的實踐場景會集中在保養預測、品質預測及資產監管上。如今市場上又出現了AIoT新詞彙，AWS表示，所謂AIoT就是涉及資料蒐集與決策的IoT與邊緣推論、有關資料ETL與虛擬化的資料儲存與分析，以及關乎模型訓練與調校的機器學習/AI等三者之間的交集。

為了建立能驅動企業差異化與創新的策略，當前智慧製造必須應用AIoT才行，而其包括三大進程，首先是有助於提升知識的資料擷取，其次為可以為我們增加價值的獲得洞見，最後則是能夠付諸行動、實現資料導向創新，並為顧客帶來持續性價值的智慧。

當前阻止智慧製造市場推進的因素有很多，常見的包括AI/機器學習及大數據專家很稀少，打造並擴展AI/機器學習及大數據的技術很困難，將模組/解決方案部署並運行在產線中既花費時間也很昂貴，缺乏成本效益、易於使用及擴展的AI/機器學習及大數據服務。

搭配AWS的工業4.0在感測端提供開源FreeRTOS，在閘道器端提供專門針對閘道器的AWS Greengrass裝置套裝軟體，在雲端存取上則提供可作為存取其他AWS服務的IoT Core，在資料保存上則提供大數據庫，在資料分析上則具備雙向資料分析功能，在AI上則支援可用來預測的AI深度學習工具。透過這些服務，便可運用大數據IoT來降低營運支出(OpEx)，並提升營運效率與可靠度，同時IoT資料能帶動業務與營收的成長。

如今，AWS透過機器學習解決方案實驗室及機器學習訓練及認證中心來協助企業實踐智慧製造，前者提供腦力激盪，並可與Amazon專家一同實作；後者特別為新進或有經驗從業人員提供實作教學。

再者，AWS IoT實驗室能發揮區域性優勢與全球技術中心的作用，它不但是讓IoT生態系統得以成行的驅動力，同時也能加速垂直產業的IoT解決方案部署。AWS歸納指出，實踐智慧製造有三大要素：定義清楚的商業目標、持續蒐集與整理資料、到位的資訊技術與人才。