共计 5279 个字符，预计需要花费 14 分钟才能阅读完成。
简介
COVID-19 现状让世界各地的供应链吃紧，同时一夜之间对集体防护设施 (PPE) 等某些产品的需要呈指数级增长。因而，寰球制造商正在寻求创造性的解决方案来进步生产量。通常，提高产量的最快办法不是减少产能，而是缩小生产过程中的节约。低劣的产品质量是制造业中造成这种节约的最大起源之一。它也是最难以大规模解决的节约类型之一。许多制造商依附手动办法（例如目视检测）来检测品质问题。这种办法仅在品质检查员能够跟上生产速度的无限范畴内起作用。计算机视觉技术和边缘解决基础设施的提高意味着，这些制造商能够为他们的品质检测团队装备工具，帮忙他们发现本来无奈大规模检测到的缺点。
📢 想要理解更多亚马逊云科技最新技术公布和实际翻新，敬请关注 2021 亚马逊云科技中国峰会！点击图片即刻报名～
在本文中，咱们介绍了离散制造商如何应用 Cognizant 提供的 Asset Performance Excellence (APEx 2.0) 解决方案，通过实时剖析产品图像来检测品质问题。此解决方案应用 Amazon IoT SiteWise 的 Amazon IoT SiteWise Edge 性能来解决工厂车间运营商的指标。
- Amazon IoT SiteWise
https://aws.amazon.com/iot-si…
监控品质
在大批量生产情景中，有多个利益攸关方参加治理品质。治理产品质量的工作流程可能会变得相当简单，具体取决于生产操作的规模和产品类型。因而，建设一些能够疾速理解产品质量的根本指标很有帮忙。量化品质的三个常见指标是产量、报废率和返工率。产量示意批次中品质可承受的整机所占份额。报废率示意因为缺点而必须抛弃批次中的多少个整机。返工率示意批次中有多少整机被重新处理以打消缺点。这些指标能够帮忙运营商在深入研究之前对其流程的品质体现进行初步假如。例如，报废率高于返工率的流程表明，大多数缺点都会导致产品损失。相比返工率更高的流程，此流程可能更令人担忧，因为在返工率更高的流程中，大多数缺点都是能够修复的。有了这些信息，运营商能够专一于造成最大节约的流程，以确定报废产品中反复呈现率最高的缺点。
应用 Amazon IoT SiteWise Edge 的 APEx 2.0 通过可齐全在本地运行的托管品质监控体验为操作员简化了此流程。在此解决方案中，APEx 2.0 从装置在生产线上的摄像机中收集产品图像，并利用计算机视觉推断生产出的整机的缺点。它还收集无关从内部制作零碎报废和返工整机的信息。而后，它应用 Amazon IoT SiteWise Edge 计算其自定义操作员应用程序的收益、报废和返工指标。此外，该 APEx 2.0 应用程序应用机器学习模型来形容它通过图像检测到的品质问题。例如，它能够指定特定缺点是整机有裂缝还是产品拆卸中的缺点，从而使操作员可能轻松找到反复呈现率最高的缺点。
监控体验
APEx 2.0 是一款解决方案加速器，旨在启用特定的应用案例并放慢终端用户实现价值的速度，同时对于泛滥应用程序放弃灵活性。在此 APEx 2.0 应用程序中，它可用来帮忙让您理解工厂及其机器的设施综合效率 (OEE)，并应用图像剖析来确定整机品质，同时在本地运行整个应用程序。
此 APEx 2.0 应用程序专为负责生产的工厂经理和技术人员而设计。工厂经理能够从抉择他们想要查看性能的生产站或工作单元开始。应用程序会以概览模式显示顶级指标（例如产量、报废率、周期时间和 OEE）。工厂经理常常轮班。生产岗位也可能因班次而异。例如，饮料加工客户通常应用同一设施或工作站在不同的班次解决不同类型的饮料。借助此应用程序，他们能够从下拉菜单中抉择班次以查看该给定班次（而非所有班次）的数据。对于选定的班次，工厂经理可能会留神到报废率高于预期。而后，他们能够抉择指标以查看历史趋势，从而理解在相应班次中该特定工作站的报废率何时开始回升。
工厂经理确定工夫后，他们能够切换到“查看细节”选项卡，以获取无关该工夫内产生的特定废料或返工事件的信息。此应用程序会在时间轴上显示各个事件。工厂经理能够抉择每个事件以查看整机的图像，从而理解缺点类型。此应用程序对图像进行了正文，以显示用于推断缺点的相干区域。还阐明了其余信息，例如推断的整机编号和缺点类型。这些信息能够帮忙工厂经理疾速辨认机器的潜在问题，并与工厂车间的技术人员接洽。此外，他们还能够应用整机号信息理论定位和查看整机，从而理解更多内容。
应用 Amazon IoT SiteWise Edge 的 APEx 2.0 架构
APEx 2.0 会对立来自多个工业零碎的数据，并取得见解，从而在经营、资源和资产绩效方面推动卓越。该解决方案蕴含一个要害绩效指标 (KPI) 库，例如合乎 ISO 22400 规范的 OEE、报废率和产量。该解决方案有助于在机器、工厂和组织层面构建仪表板。
- ISO 22400
https://www.iso.org/obp/ui/
APEx 2.0 是应用 Amazon IoT SiteWise 构建的。通常，计算、数据存储和可视化等函数托管在基于云的环境中。然而，正如本文后面所述，这不能满足所有应用案例的要求。
Amazon IoT SiteWise Edge 使 APEx 2.0 可能在客户本地运行，同时最大限度地缩小架构和代码更改。这能够实现高级剖析，例如故障检测和目视查看，而无需向云端发送大量数据或敏感数据。在 Amazon IoT SiteWise 中，生产站和工作单元定义为 资产模型 ，具备与相干数据和计算对应的 度量、变换和指标。资产模型在本地缓存在边缘，每十分钟进行一次同步，或者通过本地配置界面按需进行同步。
- 资产模型
https://docs.aws.amazon.com/i… - 度量
https://docs.aws.amazon.com/i… - 变换
https://docs.aws.amazon.com/i… - 指标
https://docs.aws.amazon.com/i…
此解决方案通过 Amazon IoT SiteWise 网关从 OPC-UA 服务器收集机器数据，并从工厂摄像机收集图像数据。它应用部署为 Docker 容器和 Amazon Lambda 函数的自定义函数来解决网关中的图像，并将推理后果传递给 Amazon IoT SiteWise Edge 数据处理软件进行指标计算。Amazon IoT SiteWise Edge 软件被打包为 Greengrass 组件。这意味着诸如 Cognizant 之类的合作伙伴能够应用本人的定制 Amazon IoT Greengrass 组件来扩大它。他们应用 Amazon IoT Greengrass 流管理器 在组件之间传输数据。这简化了 APEx 2.0 等边缘应用程序的开发。例如，为了将推理后果传递给 Amazon IoT SiteWise Edge，图像处理函数只需将其写入 Amazon IoT SiteWise Edge 数据处理包应用的 Amazon IoT Greengrass 流即可。图像和指标数据存储在网关本地以实现离线可用性。此解决方案运行所有必要的 API 和前端服务，以便在容器中出现应用程序体验，这些容器也应用 Amazon IoT Greengrass 进行部署。
- Amazon IoT Greengrass 流管理器
https://docs.aws.amazon.com/g… - Amazon IoT Greengrass
https://aws.amazon.com/greeng…
Amazon IoT SiteWise Edge 在 Amazon IoT SiteWise Edge 网关中为数据处理包和数据收集包启用的本地应用程序提供数据收集和解决性能。数据收集包用于从 OPC-UA 服务器检索数据。数据处理包通过 Amazon IoT Greengrass 流承受和解决资产模型中配置的数据。当数据达到数据处理包时，将立刻执行转换，同时按资产模型中指定的工夫距离计算指标。所有传入的数据和计算值都存储在网关上，然而依据将局部或全副数据发送到云中的 Amazon IoT SiteWise 服务的须要，能够在资产模型中进行配置。Amazon IoT SiteWise Edge 反对将此数据保留在边缘长达 30 天（假如网关上有足够的磁盘空间）。在此特定解决方案中，网关上的其余应用程序过程可能通过 API 调用检索数据，而这些调用仍在设施本地。因而，Cognizant 可能与 Amazon IoT SiteWise Edge 提供的基本功能集成，从而专一于开发差异化性能。
性能概述
用于执行高级聚合、图像分类、图像正文和流程编排的函数与 Amazon IoT SiteWise Edge 性能集成，以提供差异化的客户体验。
ImageAnalytics 函数同时执行图像正文和图像分类。具体来说，它正文图像的要害特色，例如元素的地位和方向。该函数会决定整机的品质或分类，而后将后果传递给 Amazon IoT SiteWise Edge 以便最终在 OEE 计算函数中应用。还会生成图像中的要害观测后果，用于辨认故障整机的趋势。而后，推断后果将返回 Amazon IoT SiteWise Edge 中的资产模型，以便由 Orchestrator 通过 Amazon IoT Greengrass 流长久化。整机的品质以及要害观测后果存储在网关上的数据处理包中。
AdvancedAggregation 函数对由 Amazon IoT SiteWise Edge 计算的指标进行后处理。例如，在此解决方案中，它会计算累计 shiftwise 后果，这些后果是指给定时间段内的后果，在本例中是从班次开始的后果。这使客户可能近乎实时地查看累计 shiftwise OEE 计算，而不是在一天完结时查看一批后处理后果。具体来说，AdvancedAggregation 函数调用 Amazon IoT SiteWise Edge 来检索数据，并将其与来自本地 PostgreSQL 数据库的班次数据合并，以计算班次的总体 OEE。后果通过 Amazon IoT Greengrass 流存储在 Amazon IoT SiteWise Edge 中，以便未来进行计算或可视化。
应用 Amazon IoT SiteWise Edge 还有助于 Cognizant 最大限度地缩小 APEx 2.0 解决方案的云和边缘部署之间的差别，从而升高开发和经营老本，同时确保统一的客户体验。该架构的要害局部包含在 Amazon IoT SiteWise 中配置的资产模型 ImageAnalytics 和 AdvancedAggregation 函数、VisualizationAPI 数据拜访层以及可在云和边缘之间移植的用户界面组件。为基于云的部署配置的资产模型会主动复制到边缘，并由 Amazon IoT SiteWise Edge 放弃最新状态。边缘反对雷同的测量、转换和指标表达式，从而能够无缝地重复使用现有模型和基础设施来配置它们。
ImageAnalytics 和 AdvancedAggregation 函数在容器中运行。这些容器能够通过 Amazon IoT Greengrass 进行部署和编排，从而在云部署和边缘部署之间应用雷同的业务逻辑。此外，用户界面和数据拜访层也被容器化并部署到边缘设施。
为了开发边缘解决方案，只需重新配置容器和函数的配置，以便从边缘端点读取数据。因为 Amazon IoT SiteWise Edge 反对云中可用的雷同数据检索 API，因而无需更改代码。这种混合开发人员体验缩小了为边缘和云科技解决方案保护独自代码库的需要，并简化了对许多函数的测试。它还简化了对可能同时为工厂应用边缘和云科技解决方案的终端客户的反对要求。
论断
在本博客中，咱们概述了一个在本地提供数据收集、解决、剖析和监控性能的解决方案，该解决方案应用 Amazon IoT SiteWise Edge 对整机执行实时缺点检测，从而让工厂经理理解工厂的工艺质量指标。该解决方案提供了可帮忙工厂经理确定整机品质问题的根本原因的工具。这使工厂经理可能采取纠正措施，并通过缩小节约来最终进步生产量。Amazon IoT SiteWise Edge 使 Cognizant 可能移植其云原生互联工厂解决方案，而只需对现有性能（例如累计 shiftwise OEE 计算和可视化界面）进行起码更改，从而使他们可能专一于差异化性能（例如基于边缘的图像分类和正文）。
无关 Cognizant 互联工厂解决方案的更多信息，请参阅此 案例钻研，其中重点介绍了 APEx 2.0 的办法和劣势。要开始应用 Amazon IoT SiteWise Edge 性能，请登录 Amazon IoT SiteWise 控制台，您还能够在其中创立 Amazon IoT SiteWise 演示并配置模仿边缘数据源
- 案例钻研
https://www.cognizant.com/us/… - Amazon IoT SiteWise 控制台
https://www.cognizant.com/us/…
本篇作者
Nick White
文远高级合作伙伴解决方案构架师
专一于 IoT 应用程序。
Usman Anwer
领导 Amazon SiteWise Edge 产品团队
次要负责亚马逊云科技的产业策略。
