I e-handelens verden er det nødvendigt at have effektive opfyldelsescentre for at tilbyde rettidig behandling og levering af ordrer. Som den største online forhandler finder Amazon konstant måder at øge ydeevnen og effektiviteten af sine opfyldelsescentre. For at løse dette behov brugte AWS maskinlæringsalgoritmer (ML) og dataimplementerende avancerede analyseteknikker for at reducere nedetiden for Amazons opfyldelsescentre og forbedre deres produktivitet.
Denne blog vil dække det angivne indhold:
- Hvorfor stiger behovet for at bruge ML på Amazon Fulfillment Centers?
- Oversigt over Amazon Monitron
- Hvordan hjalp Amazon Monitron Amazon Fulfillment-centre med at reducere nedetiden?
Hvorfor stiger behovet for at bruge ML på Amazon Fulfillment Centers?
Amazon har altid været kendt for ultrahurtig levering og effektiv ydeevne blandt sine kunder. For et par år siden begyndte Amazon dog at have nedetid på sine leveringscentre tæt på tidspunkter for enhver særlig lejlighed som jul på grund af et stort antal ordrer.
For at løse dette problem havde Amazon brug for en løsning, der kan overvåge og sikre, at dets maskineri og hele processen kører problemfrit. For at gøre det tilbød AWS Amazon Monitron, som brugte ML til at opdage og rapportere den unormale opførsel af industrimaskiner.
Oversigt over Amazon Monitron
Amazon Monitron er et end-to-end ML-tilstandsovervågningssystem til automatisk at detektere usædvanlige mønstre i industrimaskiner. Det hjælper med at implementere det prædiktive vedligeholdelsesprogram og udfører dynamikvedligeholdelse. Desuden reducerer det uplanlagt nedetid med 70 %. Ved at bruge sine ML-algoritmer opdager det problemer, før det opstår, og handler for vedligeholdelse. Billedet af Amazon Monitron er givet nedenfor:
Hvordan hjalp Amazon Monitron Amazon Fulfillment-centre med at reducere nedetiden?
Amazon Monitron består af fysiske sensorer, AWS-gateway, maskinlæringsalgoritmer til analyse og en mobilapplikation. Her er billedet, der beskriver Amazon Monitrons virkemåde:
Lad os forstå, hvordan Amazon Monitron hjælper Amazon-opfyldelsescentrene med at reducere deres nedetid:
- Det fysiske sensorer af Amazon Monitron registrerer og registrerer temperaturen samt maskinernes vibrationer
- Den bruger så AWS Gateway at sende disse r optagelser til AWS-skyen til analyseformål
- Disse data sendes gennem ML-algoritmer til ethvert usædvanligt mønster eller tegn på forringelse af industrielle maskiner
- Analyseresultatet og meddelelser sendes over mobilapplikation
Denne løsning er nem at anvende, du skal blot installere Amazon Montrion-sensorerne og installere Amazon Montron-appen for nem overvågning. Samlet set har denne løsning hjulpet Amazon med at reducere sin nedetid de seneste år med næsten 70 procent og opretholde høj ydeevne.
Konklusion
For at reducere nedetiden for Amazon-opfyldelsescentre tilbød AWS Amazon Montiron, som er et end-to-end-system til overvågning af maskinlæringstilstande. Den indeholder fysiske sensorer, der registrerer og registrerer maskinernes temperatur og vibrationer og sender disse optagelser til AWS-skyen ved hjælp af AWS Gateway. Disse optagelser analyseres derefter af ML-algoritmer for at detektere ethvert usædvanligt mønster, og resultatet sendes på Monitron-appen.