北京2022年(nian)9月9日 /美(mei)通社(she)/ -- 亞(ya)馬(ma)遜云科技(ji)將(jiang)(jiang)與(yu)(yu)西(xi)門子開啟云邊(bian)(bian)(bian)協同合作，利用亞(ya)馬(ma)遜云科技(ji)人工(gong)(gong)智能與(yu)(yu)機(ji)(ji)器學(xue)習、數據分(fen)析、物聯網和(he)存儲等云服務以及西(xi)門子的(de)(de)工(gong)(gong)業邊(bian)(bian)(bian)緣(yuan)解決(jue)方(fang)(fang)案，共同賦能制造(zao)業客戶。基(ji)于(yu)云邊(bian)(bian)(bian)協同解決(jue)方(fang)(fang)案，西(xi)門子自(zi)(zi)動化成都工(gong)(gong)廠(chang)成功構建了工(gong)(gong)業廢料自(zi)(zi)動分(fen)揀系(xi)統。該系(xi)統依托西(xi)門子邊(bian)(bian)(bian)緣(yuan)解決(jue)方(fang)(fang)案和(he)亞(ya)馬(ma)遜云科技(ji)的(de)(de)人工(gong)(gong)智能與(yu)(yu)機(ji)(ji)器學(xue)習服務，將(jiang)(jiang)分(fen)揀準確率(lv)從70%大(da)幅提升至97%以上(shang)，有害(hai)垃圾的(de)(de)分(fen)類準確率(lv)從90%提升到將(jiang)(jiang)近100%。

云邊協同是(shi)將云計(ji)算(suan)(suan)與邊緣(yuan)計(ji)算(suan)(suan)有(you)機(ji)結合。隨著邊緣(yuan)設(she)備(bei)在工業場景的應用，將云計(ji)算(suan)(suan)和邊緣(yuan)計(ji)算(suan)(suan)相融合，提升工廠(chang)數(shu)字化和智能化程度(du)，已(yi)成為制造(zao)業數(shu)字化的必經之路。

此次雙方(fang)共同(tong)(tong)推出的(de)(de)云(yun)邊(bian)(bian)(bian)協同(tong)(tong)技(ji)術框架(jia)(jia)，融(rong)合(he)了西(xi)門(men)(men)子工(gong)業(ye)邊(bian)(bian)(bian)緣(yuan)(yuan)解決(jue)方(fang)案和亞(ya)馬遜(xun)云(yun)科(ke)(ke)技(ji)的(de)(de)人(ren)工(gong)智能(neng)與機(ji)器學(xue)習、數(shu)(shu)據(ju)(ju)分析、物(wu)聯網和存儲等云(yun)服(fu)(fu)務(wu)。西(xi)門(men)(men)子工(gong)業(ye)邊(bian)(bian)(bian)緣(yuan)(yuan)解決(jue)方(fang)案包(bao)括邊(bian)(bian)(bian)緣(yuan)(yuan)設備(bei)、邊(bian)(bian)(bian)緣(yuan)(yuan)應(ying)用程序和邊(bian)(bian)(bian)緣(yuan)(yuan)管(guan)理平(ping)(ping)臺，為(wei)數(shu)(shu)據(ju)(ju)上云(yun)提供整(zheng)套解決(jue)方(fang)案。西(xi)門(men)(men)子Industrial Edge可(ke)實時(shi)在本(ben)地處(chu)理海(hai)量數(shu)(shu)據(ju)(ju)，滿足數(shu)(shu)據(ju)(ju)低延(yan)遲及本(ben)地合(he)規要求；同(tong)(tong)時(shi)提供豐富的(de)(de)本(ben)地應(ying)用程序，包(bao)括數(shu)(shu)據(ju)(ju)處(chu)理、數(shu)(shu)據(ju)(ju)可(ke)視(shi)化(hua)、向(xiang)云(yun)或IT基礎架(jia)(jia)構傳輸(shu)數(shu)(shu)據(ju)(ju)等功能(neng)。西(xi)門(men)(men)子工(gong)業(ye)邊(bian)(bian)(bian)緣(yuan)(yuan)數(shu)(shu)字化(hua)平(ping)(ping)臺將(jiang)相關的(de)(de)數(shu)(shu)據(ju)(ju)傳輸(shu)到云(yun)端，充分利用云(yun)端靈活高效(xiao)的(de)(de)計算、存儲資源，實現(xian)信(xin)息快速共享以(yi)及復雜的(de)(de)計算推理和機(ji)器學(xue)習訓練。而通過(guo)西(xi)門(men)(men)子Cloud Connector，客戶(hu)可(ke)以(yi)輕松便捷地連(lian)接到亞(ya)馬遜(xun)云(yun)科(ke)(ke)技(ji)的(de)(de)云(yun)服(fu)(fu)務(wu)。除此之外，西(xi)門(men)(men)子工(gong)業(ye)邊(bian)(bian)(bian)緣(yuan)(yuan)設備(bei)也支(zhi)持(chi)亞(ya)馬遜(xun)云(yun)科(ke)(ke)技(ji)提供的(de)(de)開發(fa)工(gong)具包(bao)（SDK），實現(xian)云(yun)、邊(bian)(bian)(bian)、端的(de)(de)協同(tong)(tong)。

在(zai)(zai)西門(men)子工(gong)(gong)業(ye)邊緣解決(jue)方案的(de)基礎上(shang)，客戶可(ke)使用亞(ya)馬(ma)遜云科技的(de)人工(gong)(gong)智能與(yu)(yu)機器(qi)學(xue)習(xi)(xi)、數據(ju)(ju)(ju)分析、物聯網(wang)和(he)(he)存儲等(deng)云服(fu)務，對(dui)(dui)工(gong)(gong)業(ye)現場產生的(de)海量數據(ju)(ju)(ju)進行(xing)(xing)傳(chuan)輸、存儲、實時處理(li)和(he)(he)分析。客戶可(ke)基于Amazon Simple Storage Service（，對(dui)(dui)象(xiang)存儲服(fu)務）構建數據(ju)(ju)(ju)湖；通(tong)過(guo)(guo)(guo)和(he)(he)等(deng)服(fu)務，客戶將(jiang)數據(ju)(ju)(ju)在(zai)(zai)本(ben)地(di)進行(xing)(xing)預處理(li)或脫(tuo)敏后，從傳(chuan)感器(qi)傳(chuan)輸到云上(shang)數據(ju)(ju)(ju)湖，解決(jue)邊緣設(she)備存儲容量有限等(deng)問(wen)題。通(tong)過(guo)(guo)(guo)（完全托管的(de)ETL服(fu)務）對(dui)(dui)云端(duan)數據(ju)(ju)(ju)湖中的(de)數據(ju)(ju)(ju)進行(xing)(xing)處理(li)，并通(tong)過(guo)(guo)(guo)Amazon Elastic MapReduce（，托管的(de)Hadoop 框(kuang)架(jia)）實時分析流式數據(ju)(ju)(ju)源，支(zhi)持大數據(ju)(ju)(ju)分析；通(tong)過(guo)(guo)(guo)機器(qi)學(xue)習(xi)(xi)服(fu)務，客戶將(jiang)機器(qi)學(xue)習(xi)(xi)與(yu)(yu)傳(chuan)統工(gong)(gong)控設(she)備結合，在(zai)(zai)云端(duan)進行(xing)(xing)機器(qi)學(xue)習(xi)(xi)模型訓練和(he)(he)推理(li)。

結合西門(men)子的(de)工業邊(bian)緣(yuan)解(jie)決(jue)方案(an)(an)和亞馬遜(xun)云(yun)(yun)科技(ji)領先的(de)云(yun)(yun)服(fu)務，制(zhi)造(zao)業客(ke)戶既可(ke)以發(fa)揮邊(bian)緣(yuan)計算低延遲和數據(ju)本(ben)地化的(de)優勢(shi)，也可(ke)以利用豐(feng)富的(de)云(yun)(yun)原生服(fu)務，更好(hao)地部署質(zhi)量檢測(ce)、數據(ju)分析、預測(ce)性維護等解(jie)決(jue)方案(an)(an)，促進制(zhi)造(zao)業的(de)數字化轉(zhuan)型。亞馬遜(xun)云(yun)(yun)科技(ji)也將有專業團隊如解(jie)決(jue)方案(an)(an)中心，支持客(ke)戶實現云(yun)(yun)邊(bian)協同。

基于云邊協同(tong)，西門子(zi)自(zi)動(dong)化(hua)成都工廠(chang)構建了以機器(qi)學習為(wei)核心的(de)(de)工業(ye)廢(fei)(fei)料(liao)的(de)(de)自(zi)動(dong)分(fen)揀(jian)(jian)(jian)系(xi)統。在(zai)工廠(chang)廢(fei)(fei)料(liao)回收流水(shui)線上(shang)，西門子(zi)工業(ye)邊緣(yuan)解決方(fang)案以安全可靠(kao)的(de)(de)方(fang)式對廢(fei)(fei)料(liao)數(shu)據(ju)進行(xing)采(cai)集并(bing)上(shang)傳到云端(duan)，在(zai)云端(duan)通(tong)過亞(ya)馬(ma)遜云科技進行(xing)機器(qi)學習模型(xing)的(de)(de)訓練，將訓練后的(de)(de)算法模型(xing)下發至邊緣(yuan)端(duan)，由(you)邊緣(yuan)端(duan)設備(bei)分(fen)析(xi)廢(fei)(fei)料(liao)的(de)(de)圖片信息(xi)進行(xing)分(fen)辨(bian)和分(fen)類(lei)，將分(fen)揀(jian)(jian)(jian)準確(que)率(lv)從70%左右提(ti)升至97%以上(shang)，有害垃(la)圾的(de)(de)分(fen)類(lei)準確(que)率(lv)從90%提(ti)升到將近100%，逐步實現分(fen)揀(jian)(jian)(jian)流程的(de)(de)無人工干預。