Az e-kereskedelem világában hatékony teljesítési központokra van szükség a megrendelések időben történő feldolgozásához és kézbesítéséhez. A legnagyobb online kiskereskedőként az Amazon folyamatosan keresi a módját, hogy növelje teljesítési központjai teljesítményét és hatékonyságát. Ennek az igénynek a megoldására az AWS gépi tanulási (ML) algoritmusokat és adatmegvalósító fejlett analitikai technikákat alkalmazott az Amazon teljesítési központjainak leállásának csökkentése és termelékenységük javítása érdekében.
Ez a blog a felsorolt tartalommal foglalkozik:
- Miért nő az igény az ML használatára az Amazon teljesítési központokban?
- Az Amazon Monitron áttekintése
- Hogyan segített az Amazon Monitron az Amazon Fulfillment Centereknek csökkenteni az állásidőt?
Miért nő az igény az ML használatára az Amazon teljesítési központokban?
Az Amazon mindig is jól ismert volt ügyfelei körében ultragyors szállításáról és hatékony teljesítményéről. Néhány évvel ezelőtt azonban az Amazon a megrendelések nagy száma miatt leállásokat kezdett tartani a teljesítési központjaiban, közel bármilyen különleges alkalomhoz, például karácsonyhoz.
A probléma megoldásához az Amazonnak olyan megoldásra volt szüksége, amely képes figyelni és biztosítani tudja a gépezetét és a teljes folyamat zökkenőmentes működését. Ennek érdekében az AWS felajánlotta az Amazon Monitront, amely az ML-t használta az ipari gépek rendellenes viselkedésének észlelésére és jelentésére.
Az Amazon Monitron áttekintése
Az Amazon Monitron egy teljes körű ML állapotfigyelő rendszer, amely automatikusan észleli az ipari gépek szokatlan mintáit. Segíti a prediktív karbantartási program végrehajtását és dinamikus karbantartást végez. Ezenkívül 70%-kal csökkenti a nem tervezett állásidőt. Az ML algoritmusok használatával észleli a problémákat, mielőtt azok fellépnének, és karbantartást végez. Az Amazon Monitron képe az alábbiakban látható:
Hogyan segített az Amazon Monitron az Amazon Fulfillment Centereknek csökkenteni az állásidőt?
Az Amazon Monitron fizikai érzékelőkből, AWS-átjáróból, elemzéshez használható gépi tanulási algoritmusokból és egy mobilalkalmazásból áll. Íme a kép, amely leírja az Amazon Monitron működését:
Nézzük meg, hogyan segíti az Amazon Monitron az Amazon teljesítési központokat az állásidő csökkentésében:
- A fizikai érzékelők Az Amazon Monitron érzékeli és rögzíti a hőmérsékletet és a gépek rezgését
- Utána használ AWS átjáró hogy ezeket a r felvételeket az AWS felhőbe elemzési célokra
- Ezeket az adatokat a ML algoritmusok bármilyen szokatlan mintázathoz vagy ipari gépek elhasználódásának jeléhez
- Az elemzés eredményét és az értesítéseket a mobilos alkalmazás
Ez a megoldás könnyen alkalmazható, egyszerűen telepítse az Amazon Montrion érzékelőket, és telepítse az Amazon Montron alkalmazást az egyszerű megfigyeléshez. Összességében ez a megoldás segített az Amazonnak, hogy az elmúlt években csaknem 70 százalékkal csökkentse az állásidőt, és megőrizze a magas teljesítményt.
Következtetés
Az Amazon teljesítési központjainak leállási idejének csökkentése érdekében az AWS felajánlotta az Amazon Montiront, amely egy teljes körű gépi tanulási állapotfigyelő rendszer. Fizikai érzékelőket tartalmaz, amelyek érzékelik és rögzítik a gépek hőmérsékletét és rezgéseit, és ezeket a felvételeket az AWS-felhőbe küldik az AWS Gateway segítségével. Ezeket a felvételeket ezután ML algoritmusok elemzik a szokatlan mintázatok észlelése érdekében, és az eredményt elküldik a Monitron alkalmazásra.