Dalam dunia e-dagang, adalah perlu untuk mempunyai pusat pemenuhan yang cekap untuk menawarkan pemprosesan dan penghantaran pesanan tepat pada masanya. Sebagai peruncit dalam talian terbesar, Amazon sentiasa mencari cara untuk meningkatkan prestasi dan kecekapan pusat pemenuhannya. Untuk menyelesaikan keperluan ini, AWS menggunakan algoritma pembelajaran mesin (ML) dan teknik analisis lanjutan pelaksanaan data untuk mengurangkan masa henti pusat pemenuhan Amazon dan meningkatkan produktiviti mereka.
Blog ini akan merangkumi kandungan yang disenaraikan:
- Mengapa Keperluan Meningkat untuk Menggunakan ML di Amazon Fulfillment Centers?
- Gambaran keseluruhan Amazon Monitron
- Bagaimana Amazon Monitron Membantu Pusat Pemenuhan Amazon Mengurangkan Masa Henti?
Mengapa Keperluan Meningkat untuk Menggunakan ML di Amazon Fulfillment Centers?
Amazon sentiasa terkenal dengan penghantaran yang sangat pantas dan prestasi yang cekap di kalangan pelanggannya. Walau bagaimanapun, beberapa tahun yang lalu, Amazon mula mengalami masa henti di pusat pemenuhannya berdekatan dengan sebarang majlis khas seperti Krismas kerana bilangan pesanan yang tinggi.
Untuk menyelesaikan isu ini Amazon memerlukan penyelesaian yang boleh memantau dan memastikan jenteranya dan keseluruhan proses berjalan lancar. Untuk berbuat demikian, AWS menawarkan Amazon Monitron yang menggunakan ML untuk mengesan dan melaporkan tingkah laku abnormal jentera perindustrian.
Gambaran keseluruhan Amazon Monitron
Amazon Monitron ialah sistem penyelesaian pemantauan keadaan ML hujung ke hujung untuk mengesan corak luar biasa secara automatik dalam jentera perindustrian. Ia membantu dalam melaksanakan program penyelenggaraan ramalan dan melaksanakan penyelenggaraan dinamik. Selain itu, Ia mengurangkan masa henti yang tidak dirancang sebanyak 70%. Dengan menggunakan algoritma MLnya, ia mengesan isu sebelum ia berlaku dan bertindak untuk penyelenggaraan. Imej Amazon Monitron diberikan di bawah:
Bagaimana Amazon Monitron Membantu Pusat Pemenuhan Amazon Mengurangkan Masa Henti?
Amazon Monitron terdiri daripada penderia fizikal, gerbang AWS, algoritma pembelajaran mesin untuk analisis dan aplikasi mudah alih. Berikut ialah imej, menerangkan kerja Amazon Monitron:
Marilah kita memahami cara Amazon Monitron membantu pusat pemenuhan Amazon untuk mengurangkan masa henti mereka:
- Fizikal penderia Amazon Monitron mengesan dan merekodkan suhu serta getaran mesin
- Ia kemudian menggunakan AWS Gateway untuk menghantar r ini ekoran ke awan AWS untuk tujuan analisis
- Data ini dihantar melalui Algoritma ML untuk sebarang corak luar biasa atau tanda kemerosotan mesin industri
- Keputusan analisis dan pemberitahuan dihantar melalui aplikasi mudah alih
Penyelesaian ini mudah digunakan, cuma pasang penderia Amazon Montrion dan pasang aplikasi Amazon Montron untuk pemantauan yang mudah. Secara keseluruhan, penyelesaian ini telah membantu Amazon mengurangkan masa hentinya dalam beberapa tahun kebelakangan ini sebanyak hampir 70 peratus dan mengekalkan prestasi tinggi.
Kesimpulan
Untuk mengurangkan masa henti pusat pemenuhan Amazon, AWS menawarkan Amazon Montiron yang merupakan sistem penyelesaian pemantauan keadaan pembelajaran mesin hujung ke hujung. Ia mengandungi penderia fizikal yang merasakan dan merekodkan suhu serta getaran mesin dan menghantar rakaman ini ke awan AWS menggunakan AWS Gateway. Rakaman tersebut kemudiannya dianalisis oleh algoritma ML untuk mengesan sebarang corak luar biasa dan hasilnya dihantar pada Apl Monitron.