re:Invent 2023 | 改善松下能源制造

关键字: [Amazon Web Services re:Invent 2023, 亚马逊云科技, Smart Manufacturing, Industrial Data Fabric, Speed To Value, Predictive Maintenance, Generative Ai]

本文字数: 1300, 阅读完需: 6 分钟

视频

如视频不能正常播放，请前往bilibili观看本视频。>> https://www.bilibili.com/video/BV1b64y1j7LP

导读

参加本论坛，了解北美 Panasonic Energy 如何使用亚马逊云科技专业服务和 Palantir Foundry 实施工业数据结构解决方案，提高其电池制造效率。该解决方案帮助运营不同的工业数据源，并在几个月内减少了整个制造过程中的浪费，每年节省数百万美元。深入了解多个跨职能使用案例，使 PENA 能够通过数据驱动的决策推动卓越运营。

演讲精华

以下是小编为您整理的本次演讲的精华，共1000字，阅读时间大约是5分钟。如果您想进一步了解演讲内容或者观看演讲全文，请观看演讲完整视频或者下面的演讲原文。

在会议开始时，来自亚马逊云科技的Go-To-Market战略家Joe Rosing详细阐述了制定全面智能制造策略的基本原则。他指出，尽管物联网、人工智能和机器学习等技术起着关键作用，但从运行世界一流制造设施的核心运营需求出发至关重要。

Rosing强调了三个主要关注领域：降低关键性能指标（如可用性、质量和库存）的波动；建立灵活应对客户需求变化的能力；以及提高决策速度以加快决策过程。通过减少波动，制造商可以实现满足OEE(总体设备效能)等指标的目标，这包括可用性、性能和质量。通过培养持续改进的文化，可以减少波动。

灵活性意味着从固定容量和成本转向可变容量和成本，同时驱动机器和系统之间的互操作性。这允许根据实时需求信号调整容量。最后，速度至关重要，因为它使工程师和一线员工能够做出更好、更快的决策。

乔斯（Joe Rosing）接着讨论了实施技术的同时，提供实际商业价值的重要性。对运营领导来说，这意味着向客户提供优质产品并按时交货。但这还需要通过降低成本、增加收入和工作资本来向利益相关者展示价值。

他以OEE(总体设备效能)为例，说明如何从60%提高到70%，即使固定成本增加了5%，也能提高40%的盈利能力。这种“影子容量”来自于更高的产量而没有额外的资本支出。确定如何提高OEE指导了优先处理使用案例以实现智能制造价值的方向。然后，可以添加物联网、人工智能和机器学习等技术，从而加速规模上的改进。

最后，他对亚马逊云科技的工业数据结构框架进行了概述，该框架用于跨站点扩展使用案例。它从识别与业务目标一致的高价值使用案例开始。然后映射历史记录和MES系统等数据来源。亚马逊云科技的分析和服务生成来自聚合数据的见解。

一个安全的中央数据库为各种应用提供了背景，并存储了数据。例如，亚马逊云科技的IoT Greengrass等边缘功能会在将数据传输到云端之前处理设备级的数据。这一数据基础使得跨多个设施能够快速创新和扩展使用案例。

后来，乔邀请了潘世亨，北美洲潘氏能源公司的副总裁兼首席信息官，共同探讨如何利用工业数据结构模型来扩大智能制造的规模。贾斯汀详细阐述了潘氏能源公司是如何从2017年的100万电池单元迅速增长到目前的80亿的，强调了高效技术平台的需求。

他谈到了一些常见的挑战，如不愿改变稳定的流程，依赖部落知识，低AI采用率，数据孤岛和非可扩展的遗留系统。他们的目标是通过创建一个集中、可扩展的数据平台来加速创新，该平台可以从整个制造环境中摄取信息。这个由亚马逊云科技工业数据结构提供支持的良好上下文数据仓库可以实时做出决策。

贾斯汀解释了他们关注速度价值——即在几周而不是几个月或几年内实现投资回报。他们将最初的12个月概念验证减少到只需1个月就能使第一个使用案例投入使用。

贾斯汀提供了两个高影响力使用案例的例子。首先，通过使用Amazon SageMaker构建了深度学习模型，提高了质量控制，将电池检查中的误报减少了15%。这减少了浪费10-15%，到目前为止已经节省了5.5亿个中制造的100多万个电池。

其次，在一个生成性AI使用案例中应用了亚马逊Kendra的自然语言处理功能，将员工入职时间从9个月缩短到仅几个月，为员工提供信息支持。亚马逊云科技的数据结构在使这些使用案例能够实现方面发挥了重要作用。

接下来，肖恩·Kirby，亚马逊云科技物联网解决方案首席建筑师，深入探讨了两个使用案例的实施细节－电池缺陷检测和电解质填充设备预测性维护。他解释了他们是怎样遵循分阶段方法来构建基础组件，如数据摄入和存储，然后再添加高级分析的。

在电池检测方面，他们结合云端和边缘计算能力，在Amazon SageMaker中训练了一个深度学习模型，并在PTC Foundry平台的边缘设备上进行部署，这些设备由Amazon IoT Greengrass驱动。这实现了98%的缺陷分类准确性，将误报率降低了15%，从而节省了大量成本。

在预测性维护方面，他们利用Amazon Timestream的时间序列数据库功能分析制造执行系统中的时间序列数据。这可以准确预测设备故障，提前2-6小时，准确率超过95%。这使得预防性维护成本更低，无需承担昂贵的计划外停机成本。

Justin Herman提到了Panasonic在堪萨斯州新建的gigafactory的愿景。他们的目标是利用内华达州的经验和数据基础设施来降低实施成本并加速投资回报。他们的“连接式gigafactory”策略将在多个地点应用数据和AI。

Justin建议关注速度和价值，与像Amazon Web Services和Palantir这样的供应商合作，以构建工业数据结构并扩大使用案例的范围。Amazon Web Services生态系统中的服务，如SageMaker、Kendra、Timestream和IoT Greengrass，支持快速制造创新。

总的来说，演讲者强调了从核心运营需求开始，迅速证明商业价值，并利用工业数据结构模型在整个设施范围内扩展AI驱动的使用案例的重要性。他们提供了实际例子，说明Panasonic Energy通过使用Amazon Web Services服务在云端和边缘进行数据语境化，实现了显著的投资回报，从而推动了智能制造业的成果。

下面是一些演讲现场的精彩瞬间：

亚马逊云科技致力于帮助汽车和制造业客户跨越多个站点和生产线，拓展其智能制造案例，从而加速创新步伐。

作为全球领先的企业级云服务提供商，亚马逊云科技创建了一个集中且可扩展的数据平台，旨在助力企业更快地实现创新。

在这个快速发展的科技世界里，速度至上的原则使得快速提供商业价值变得至关重要。

为了实现这一目标，企业需要大胆思考，从小处着手，迅速行动，同时保持长远的战略眼光。

在实现即时商业价值的同时，不断追求卓越。

在高速电池制造领域，亚马逊云科技提供了一种创新的解决方案，该方案采用了深度神经网络和传统的计算机视觉技术等多种技术手段，实现了极低的延迟和零缺陷的目标。

总结

视频探讨了跨生产场地推广智能制造案例的策略。其中引入了'工业数据结构'这一概念，以加速创新进程。松下能源公司采用此种方法成功拓展了人工智能应用的范畴。他们运用了计算机视觉技术以确保产品质量，误报率降至15%以上，从而节省了一千多万个电池的成本。此外，他们还实施了预测性维护电解液填充设备，实现了95%的故障预测准确性，提前2-6小时预警，大幅缩短了停机时间。这两个案例均遵循一个流程，即先明确目标，评估环境，然后启动运用云计算和边缘技术的解决方案。这样既快速实现了商业价值，又构建了一个支持扩展的架构。如今，松下能源正将其应用于新工厂，如美国的堪萨斯州等地，以降低实施成本并加快投资回报速度。

演讲原文

https://blog.csdn.net/just2gooo/article/details/134794557

想了解更多精彩完整内容吗？立即访问re:Invent 官网中文网站！

2023亚马逊云科技re:Invent全球大会 - 官方网站

点击此处，一键获取亚马逊云科技全球最新产品/服务资讯！

点击此处，一键获取亚马逊云科技中国区最新产品/服务资讯！

即刻注册亚马逊云科技账户，开启云端之旅！

【免费】亚马逊云科技“100 余种核心云服务产品免费试用”

【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”

亚马逊云科技是谁？

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者，自 2006 年以来一直以不断创新、技术领先、服务丰富、应用广泛而享誉业界。亚马逊云科技可以支持几乎云上任意工作负载。亚马逊云科技目前提供超过 200 项全功能的服务，涵盖计算、存储、网络、数据库、数据分析、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面；基础设施遍及 31 个地理区域的 99 个可用区，并计划新建 4 个区域和 12 个可用区。全球数百万客户，从初创公司、中小企业，到大型企业和政府机构都信赖亚马逊云科技，通过亚马逊云科技的服务强化其基础设施，提高敏捷性，降低成本，加快创新，提升竞争力，实现业务成长和成功。