(資料圖片僅供參考)

亞馬遜云科技將與西門子開啟云邊協同合作，利用亞馬遜云科技人工智能與機器學習、數據分析、物聯網和存儲等云服務以及西門子的工業邊緣解決方案，共同賦能制造業客戶。基于云邊協同解決方案，西門子自動化成都工廠成功構建了工業廢料自動分揀系統。該系統依托西門子邊緣解決方案和亞馬遜云科技的人工智能與機器學習服務，將分揀準確率從70%大幅提升至97%以上，有害垃圾的分類準確率從90%提升到將近100%。

云邊協同是將云計算與邊緣計算有機結合。隨著邊緣設備在工業場景的應用，將云計算和邊緣計算相融合，提升工廠數字化和智能化程度，已成為制造業數字化的必經之路。

此次雙方共同推出的云邊協同技術框架，融合了西門子工業邊緣解決方案和亞馬遜云科技的人工智能與機器學習、數據分析、物聯網和存儲等云服務。西門子工業邊緣解決方案包括邊緣設備、邊緣應用程序和邊緣管理平臺，為數據上云提供整套解決方案。西門子Industrial Edge可實時在本地處理海量數據，滿足數據低延遲及本地合規要求；同時提供豐富的本地應用程序，包括數據處理、數據可視化、向云或IT基礎架構傳輸數據等功能。西門子工業邊緣數字化平臺將相關的數據傳輸到云端，充分利用云端靈活高效的計算、存儲資源，實現信息快速共享以及復雜的計算推理和機器學習訓練。而通過西門子Cloud Connector，客戶可以輕松便捷地連接到亞馬遜云科技的云服務。除此之外，西門子工業邊緣設備也支持亞馬遜云科技提供的開發工具包（SDK），實現云、邊、端的協同。

在西門子工業邊緣解決方案的基礎上，客戶可使用亞馬遜云科技的人工智能與機器學習、數據分析、物聯網和存儲等云服務，對工業現場產生的海量數據進行傳輸、存儲、實時處理和分析。客戶可基于Amazon Simple Storage Service（Amazon S3，對象存儲服務）構建數據湖；通過Amazon IoT Core和Amazon IoT SiteWise等服務，客戶將數據在本地進行預處理或脫敏后，從傳感器傳輸到云上數據湖，解決邊緣設備存儲容量有限等問題。通過Amazon Glue（完全托管的ETL服務）對云端數據湖中的數據進行處理，并通過Amazon Elastic MapReduce（Amazon EMR，托管的Hadoop 框架）實時分析流式數據源，支持大數據分析；通過Amazon SageMaker機器學習服務，客戶將機器學習與傳統工控設備結合，在云端進行機器學習模型訓練和推理。

結合西門子的工業邊緣解決方案和亞馬遜云科技領先的云服務，制造業客戶既可以發揮邊緣計算低延遲和數據本地化的優勢，也可以利用豐富的云原生服務，更好地部署質量檢測、數據分析、預測性維護等解決方案，促進制造業的數字化轉型。亞馬遜云科技也將有專業團隊如解決方案中心，支持客戶實現云邊協同。

基于云邊協同，西門子自動化成都工廠構建了以機器學習為核心的工業廢料的自動分揀系統。在工廠廢料回收流水線上，西門子工業邊緣解決方案以安全可靠的方式對廢料數據進行采集并上傳到云端，在云端通過亞馬遜云科技進行機器學習模型的訓練，將訓練后的算法模型下發至邊緣端，由邊緣端設備分析廢料的圖片信息進行分辨和分類，將分揀準確率從70%左右提升至97%以上，有害垃圾的分類準確率從90%提升到將近100%，逐步實現分揀流程的無人工干預。

關鍵詞： 解決方案 機器學習 人工智能 數據分析 邊緣設備