21、AI与ML架构在工业制造中的应用及边缘计算实践

AI与ML架构在工业制造中的应用及边缘计算实践

1. AI与ML架构在工业制造中的应用

1.1 AWS工业物联网参考架构

在工业制造场景中，车间传感器、可编程逻辑控制器（PLC）和机器的数据通过既定协议与边缘计算单元连接。利用运行在边缘的AWS Greengrass收集遥测数据，再借助AWS IoT Core或AWS IoT SiteWise等托管云平台将数据摄入AWS云生态系统。其中，IoT Core实现边缘与云的无缝连接，为数据传输提供便捷安全的通道；IoT SiteWise则能简单地对物联网数据进行大规模收集、建模、分析和可视化。

Kinesis Data Streams和Data Analytics使用Apache Flink和Beam框架处理流数据，进行转换和分析。Redshift服务存储结果数据，用于下游的商业智能报告，数据也会存储在S3数据湖中，以便进行进一步的批量分析和推理。对于涉及机器学习（ML）的用例，边缘有EdgeML服务，云端有SageMaker，可进行模型训练、部署和运行，得出推理结果并传递给消费服务。

1.2 AI在智能制造中的价值

ISO/IEC 2382将AI定义为致力于开发执行与人类智能相关功能（如逻辑推理、学习和自我改进）的数据处理系统的计算科学分支。AI虽不复制人类行为，但可提高工业流程的效率和效果。

AI是智能制造价值创造的关键推动者，能将僵化、静态和预定义的流程转变为数据驱动、需求灵活和动态适应的流程，还能实时带来高适应性和计算能力，创造和转变产品、服务、商业模式和流程。

1.3 AI在制造业的实际应用

在当今制造业中，AI的实