كيف استخدمت AWS ML لمساعدة مراكز الوفاء في Amazon على تقليل وقت التوقف عن العمل بنسبة 70٪

على مر السنين ، اعتاد عملاء أمازون على – ولديهم توقعات عالية – التسليم فائق السرعة.

لكن هذا لا يحدث بالسحر بالطبع. بدلاً من ذلك ، تعبر الحزم في مئات من مراكز التنفيذ التابعة للشركة أميالاً من أنظمة النقل والفرز كل يوم ، لذلك تحتاج أمازون إلى معداتها للعمل بشكل موثوق إذا كانت تأمل في توصيل الطرود للعملاء بسرعة.

لمواجهة هذا التحدي ، أعلنت الشركة الرائدة في البيع بالتجزئة أنها تستخدم Amazon Monitron ، وهو نظام التعلم الآلي الشامل (ML) للكشف عن السلوك غير الطبيعي في الآلات الصناعية – التي تم إطلاقها في ديسمبر 2020 – لتوفير الصيانة التنبؤية.

مونترون يشمل:

• مستشعرات لالتقاط بيانات الاهتزاز ودرجة الحرارة.
• بوابة لنقل البيانات بأمان إلى سحابة AWS.
• خدمة تحلل البيانات لأنماط الآلة غير الطبيعية باستخدام التعلم الآلي.
• تطبيق جوال مصاحب لإعداد الأجهزة وتتبع الأعطال المحتملة في أجهزتك.

نتيجة لذلك ، خفضت أمازون وقت التوقف غير المخطط له في مراكز الوفاء بحوالي 70٪ ، مما يساعد على توصيل المزيد من طلبات العملاء في الوقت المحدد.

تحل Amazon Monitron المشكلات الصناعية في العالم الحقيقي

قال Vasi Philomin ، نائب رئيس خدمات الذكاء الاصطناعي في AWS ، لموقع VentureBeat: “أحد الأشياء الرئيسية التي تقوم بها أمازون هو أنها تأخذ تقنيات مثل التعلم الآلي وتطبيقها على نطاق واسع لحل مشاكل العالم الحقيقي”. “هذا حقًا ما جذبني إلى هذه الشركة في المقام الأول.”

وفقًا لـ Amazon ، يتحمل ما يصل إلى 80 مهندسًا مسؤولية صيانة المعدات في كل مركز من مراكز الوفاء. قبل تنفيذ Amazon Monitron ، تجول الفنيون في الموقع ، وأخذوا القراءات وتحليل القياسات يدويًا لتحديد حالة المعدات ، بما في ذلك الموجات فوق الصوتية والتصوير الحراري وتحليل الزيت.

تلاحظ الشركة أن التوقف غير المخطط له يمكن أن يكون مكلفًا ويؤخر تسليم العملاء. على سبيل المثال ، إذا فشل فارز مهم لمدة ثلاث ساعات خلال فترة الذروة في عيد الميلاد ، فقد يؤدي ذلك إلى تأخر تسليم أكثر من 30000 طلب.

يتلقى Monitron قياسات تلقائية لدرجة الحرارة والاهتزاز كل ساعة ، ويكشف عن الأعطال المحتملة في غضون ساعات ، مقارنة بـ 4 أسابيع للتقنيات اليدوية السابقة. قال فيلومين إنه في عام ونصف منذ أن بدأت مراكز الوفاء في استخدامه ، فقد ساعدوا في تجنب حوالي 7300 مشكلة مؤكدة عبر 88 موقعًا لمركز الوفاء في جميع أنحاء العالم.

السماح للفنيين باستخدام ML للصيانة التنبؤية في الموقع

وأوضح قائلاً: “علمنا أن الشخص الذي يستخدم هذا ليس المطور ، فهم الفنيون في مواقع التصنيع هذه”. مع Monitron ، تبلغ تكلفة المستشعر 100 دولار ويمكن شراؤها من Amazon.com. لذلك فهو مدمر من حيث التكلفة ، والإعداد بسيط للغاية – إنه يأتي مع تطبيق على الهاتف يساعدك في الحصول على إذن في خمس دقائق. يمكن للفني القيام بذلك وليس من الضروري أن يكون خبيرًا في أي ذكاء اصطناعي أو حتى صيانة تنبؤية “.

أخيرًا ، هناك جزء التعلم الآلي: “يتعلم ML سلوكًا مخصصًا لكل مستشعر فردي يتم تثبيته ، لذلك فهو يتعلم السلوك الافتراضي للاهتزاز ودرجة الحرارة لهذا الجزء من الجهاز ويمكنه اكتشاف بسرعة عندما يكون هناك قال فيلومين. كل هذه الجوانب الثلاثة هي في الحقيقة ما يجعل Monitron مزعجة للغاية.

تخطط أمازون لتوسيع استخدام Monitron

وفقًا لخدمة Amazon Customer Fulfillment ، توقعت الشركة في الأصل أن الأمر سيستغرق حوالي عامين لتحقيق وفورات في التكلفة للدفع مقابل تنفيذ Monitron. لكن الشركة قامت بتحليل 25 موقعًا مباشرًا وحسبت أنها وفرت ما يكفي من المال لتحقيق عائد استثمار في أقل من عام واحد.

نتيجة لذلك ، وفقًا لشركة Amazon ، تخطط لتوسيع نطاق استخدام Monitron ليشمل مراكز الوفاء الجديدة عبر مناطق أمريكا الشمالية وأوروبا وآسيا والمحيط الهادئ. تخطط خدمة Amazon Customer Fulfillment أيضًا لضبط العتبات التي تستدعي الإنذارات والتوسع في مجالات أخرى مثل مراقبة معدات التحكم.

قال فيلومين إن المحصلة النهائية تتعلق بإضفاء الطابع الديمقراطي على الذكاء الاصطناعي وتعلم الآلة.

قال: “يمكنك الحصول على تكنولوجيا لا تلبي سوى الأشخاص المتقدمين في مجال التعلم الآلي – بالطبع ، لدينا طبقات متعددة من المكدس تركز بشكل أكبر على علماء البيانات”. “ولكن إذا كنت تريد حقًا إضفاء الطابع الديمقراطي على التعلم الآلي واستخدامه كل يوم ، فيجب أن تصبح التكنولوجيا غير مرئية. ما يهم هو أنك تفهم تمامًا الشخص الذي سيستخدمها وأنت تبني بطريقة يمكن لهذا الشخص استخدامها بالفعل “.