Dans le monde du commerce électronique, il est nécessaire de disposer de centres de traitement efficaces pour offrir un traitement et une livraison rapides des commandes. En tant que plus grand détaillant en ligne, Amazon trouve constamment des moyens d'augmenter les performances et l'efficacité de ses centres de distribution. Pour résoudre ce besoin, AWS a utilisé des algorithmes d'apprentissage automatique (ML) et des techniques d'analyse avancées de mise en œuvre des données pour réduire les temps d'arrêt des centres de distribution d'Amazon et améliorer leur productivité.
Ce blog couvrira le contenu répertorié :
- Pourquoi le besoin d'utiliser le ML dans les centres de distribution Amazon augmente-t-il ?
- Présentation d'Amazon Monitron
- Comment Amazon Monitron a aidé les centres de distribution Amazon à réduire les temps d'arrêt ?
Pourquoi le besoin d'utiliser le ML dans les centres de distribution Amazon augmente-t-il ?
Amazon a toujours été réputé pour ses livraisons ultrarapides et ses performances efficaces auprès de ses clients. Cependant, il y a quelques années, Amazon a commencé à avoir des temps d'arrêt dans ses centres de distribution près des moments de toute occasion spéciale comme Noël en raison du nombre élevé de commandes.
Pour résoudre ce problème, Amazon avait besoin d'une solution capable de surveiller et de s'assurer que ses machines et que l'ensemble du processus se déroulent sans heurts. Pour ce faire, AWS a proposé Amazon Monitron qui utilisait ML pour détecter et signaler le comportement anormal des machines industrielles.
Présentation d'Amazon Monitron
Amazon Monitron est un système de solution de surveillance des conditions ML de bout en bout qui détecte automatiquement les modèles inhabituels dans les machines industrielles. Il aide à mettre en œuvre le programme de maintenance prédictive et effectue la maintenance dynamique. De plus, il réduit les temps d'arrêt imprévus de 70 %. En utilisant ses algorithmes ML, il détecte les problèmes avant qu'ils ne surviennent et agit pour la maintenance. L'image d'Amazon Monitron est donnée ci-dessous :
Comment Amazon Monitron a aidé les centres de distribution Amazon à réduire les temps d'arrêt ?
Amazon Monitron se compose de capteurs physiques, d'une passerelle AWS, d'algorithmes d'apprentissage automatique pour l'analyse et d'une application mobile. Voici l'image décrivant le fonctionnement d'Amazon Monitron :
Voyons comment Amazon Monitron aide les centres de distribution Amazon à réduire leurs temps d'arrêt :
- Le physique capteurs d'Amazon Monitron détectent et enregistrent la température ainsi que les vibrations des machines
- Il utilise ensuite Passerelle AWS pour transmettre ces r enregistrements dans le cloud AWS à des fins d'analyse
- Ces données transitent par le Algorithmes ML pour tout modèle inhabituel ou signe de détérioration des machines industrielles
- Le résultat de l'analyse et les notifications sont envoyés sur le application mobile
Cette solution est facile à appliquer, installez simplement les capteurs Amazon Montrion et installez l'application Amazon Montron pour une surveillance facile. Dans l'ensemble, cette solution a aidé Amazon à réduire ses temps d'arrêt ces dernières années de près de 70 % et à maintenir des performances élevées.
Conclusion
Pour réduire les temps d'arrêt des centres de distribution Amazon, AWS a proposé Amazon Montiron, un système de solution de surveillance des conditions d'apprentissage automatique de bout en bout. Il contient des capteurs physiques qui détectent et enregistrent la température et les vibrations des machines et envoient ces enregistrements au cloud AWS à l'aide d'AWS Gateway. Ces enregistrements sont ensuite analysés par des algorithmes ML pour détecter tout modèle inhabituel et le résultat est envoyé sur l'application Monitron.