I en verden av e-handel er det nødvendig å ha effektive oppfyllelsessentre for å tilby rettidig behandling og levering av bestillinger. Som den største nettforhandleren finner Amazon stadig måter å øke ytelsen og effektiviteten til sine oppfyllelsessentre. For å løse dette behovet brukte AWS maskinlæringsalgoritmer (ML) og dataimplementerende avanserte analyseteknikker for å redusere nedetiden til Amazons oppfyllelsessentre og forbedre produktiviteten deres.
Denne bloggen vil dekke det oppførte innholdet:
- Hvorfor øker behovet for å bruke ML på Amazon Fulfillment Centers?
- Oversikt over Amazon Monitron
- Hvordan Amazon Monitron hjalp Amazon Fulfillment Centers med å redusere nedetid?
Hvorfor øker behovet for å bruke ML på Amazon Fulfillment Centers?
Amazon har alltid vært kjent for ultrarask levering og effektiv ytelse blant sine kunder. For noen år tilbake begynte Amazon imidlertid å ha nedetid ved leveringssentrene sine nær tidspunkter for spesielle anledninger som jul på grunn av høye antall bestillinger.
For å løse dette problemet trengte Amazon en løsning som kan overvåke og sikre maskineriet og hele prosessen går jevnt. For å gjøre det tilbød AWS Amazon Monitron som brukte ML for å oppdage og rapportere unormal oppførsel til industrielle maskiner.
Oversikt over Amazon Monitron
Amazon Monitron er et ende-til-ende ML-tilstandsovervåkingssystem som automatisk oppdager uvanlige mønstre i industrimaskineri. Den hjelper til med å implementere det prediktive vedlikeholdsprogrammet og utfører dynamikkvedlikehold. Dessuten reduserer det ikke-planlagt nedetid med 70 %. Ved å bruke ML-algoritmene, oppdager den problemer før de oppstår og handler for vedlikehold. Bildet av Amazon Monitron er gitt nedenfor:
Hvordan Amazon Monitron hjalp Amazon Fulfillment Centers med å redusere nedetid?
Amazon Monitron består av fysiske sensorer, AWS-gateway, maskinlæringsalgoritmer for analyse og en mobilapplikasjon. Her er bildet som beskriver hvordan Amazon Monitron fungerer:
La oss forstå hvordan Amazon Monitron hjelper Amazon-oppfyllingssentrene med å redusere nedetiden deres:
- Det fysiske sensorer av Amazon Monitron oppdager og registrerer temperaturen så vel som vibrasjonene til maskinene
- Den bruker da AWS Gateway å overføre disse r opptak til AWS-skyen for analyseformål
- Disse dataene sendes gjennom ML-algoritmer for ethvert uvanlig mønster eller tegn på forringelse av industrielle maskiner
- Analyseresultatet og varslene sendes over mobil applikasjon
Denne løsningen er enkel å bruke, bare installer Amazon Montrion-sensorene og installer Amazon Montron-appen for enkel overvåking. Totalt sett har denne løsningen hjulpet Amazon med å redusere nedetiden de siste årene med nesten 70 prosent og opprettholde høy ytelse.
Konklusjon
For å redusere nedetiden til Amazon-oppfyllingssentre, tilbød AWS Amazon Montiron som er et ende-til-ende system for overvåking av tilstanden for maskinlæring. Den inneholder fysiske sensorer som registrerer og registrerer temperaturen og vibrasjonene til maskiner og sender disse opptakene til AWS-skyen ved hjelp av AWS Gateway. Disse opptakene blir deretter analysert av ML-algoritmer for å oppdage uvanlige mønstre, og resultatet sendes til Monitron-appen.