从数据撷取到数据导向创新 AWS推动AIoT智能制造三大进程

随着改变传统工业生产流程之物联网的来到，智能制造的实践场景会集中在保养预测、品质预测及资产监管上。如今市场上又出现了AIoT新词汇，AWS表示，所谓AIoT就是涉及数据蒐集与决策的IoT与边缘推论、有关数据ETL与虚拟化的数据储存与分析，以及关乎模型训练与调校的机器学习/AI等三者之间的交集。

为了建立能驱动企业差异化与创新的策略，当前智能制造必须应用AIoT才行，而其包括三大进程，首先是有助于提升知识的数据撷取，其次为可以为我们增加价值的获得洞见，最后则是能够付诸移动、实现数据导向创新，并为顾客带来持续性价值的智能。

当前阻止智能制造市场推进的因素有很多，常见的包括AI/机器学习及大数据专家很稀少，打造并扩展AI/机器学习及大数据的技术很困难，将模块/解决方案部署并运行在产线中既花费时间也很昂贵，缺乏成本效益、易于使用及扩展的AI/机器学习及大数据服务。

搭配AWS的工业4.0在传感端提供开源FreeRTOS，在闸道器端提供专门针对闸道器的AWS Greengrass装置套装软件，在云端存取上则提供可作为存取其他AWS服务的IoT Core，在数据保存上则提供大数据库，在数据分析上则具备双向数据分析功能，在AI上则支持可用来预测的AI深度学习工具。透过这些服务，便可运用大数据IoT来降低营运支出(OpEx)，并提升营运效率与可靠度，同时IoT数据能带动业务与营收的成长。

如今，AWS透过机器学习解决方案实验室及机器学习训练及认证中心来协助企业实践智能制造，前者提供脑力激荡，并可与Amazon专家一同实作；后者特别为新进或有经验从业人员提供实作教学。

再者，AWS IoT实验室能发挥区域性优势与全球技术中心的作用，它不但是让IoT生态系统得以成行的驱动力，同时也能加速垂直产业的IoT解决方案部署。AWS归纳指出，实践智能制造有三大要素：定义清楚的商业目标、持续蒐集与整理数据、到位的信息技术与人才。