【產業AI應用實例：Amazon】靠App就能快速部署上千感測器節點，能自動監測物流中心超長數十公里輸送帶糾出異常故障

過去想要在一間工廠快速完成物聯網的感測器大規模部署，並不是件容易的事，企業單是要自建數百個感測器節點的網路，不僅需考量到複雜網路拓樸設計、外在環境等因素，還得針對感測器間通訊反覆調校，調整參數配置，才能取得感測器網路上的數據，做後續分析使用。

AWS製造業感測器套裝方案Monitron，可以只用App就能快速完成上千感測器的部署，不需要複雜的設定配置和操作，就能夠建立感測器節點網路，甚至可以自動化部署大規模的感測器叢集。AWS母公司亞馬遜也將這個套裝方案，運用到長達26公里距離的物流輸送帶設備上，來解決過去自家物流中心分揀輸送系統維護不易的問題。

由於亞馬遜全球各地物流中心內，都有裝設電動滾筒的皮帶輸送機，用以輸送每天大量訂單商品，來提高揀貨、出貨效率，但以往單是一間物流中心，光是輸送帶組成全長就有26公里，只要中間有一段輸送機臺裝置故障，就算只是停機短短15分鐘，整天出貨作業都會受到嚴重影響，也成了維修人員一大挑戰。

為了解決這個問題，亞馬遜在其中一座物流中心，現今已使用了上千個Monitron感測器裝設於輸送帶設備上來進行數據的蒐集。相較於過去部署方式，Monitron提供一種更簡易的安裝和部署方式，讓安裝人員只須以手機App就能快速完成感測器、閘道器啟用和設定，讓原本工廠複雜的感測器裝設方式，變得就像是在家中安裝智慧喇叭等消費型設備一樣容易。

就連資料傳輸架構也同時提供了短距離通訊的低功耗藍牙，與長距通訊Wi-Fi兩種常見的數據傳輸方式，來提供使用者做搭配。

當這些Monitron感測器蒐集到皮帶輸送設備上的馬達溫度、震動等數據，便會經由藍牙統一將這些數據傳送到附近閘道器裝置上，再同步透過Wi-Fi回傳到AWS雲端，就能根據訓練好的ML推論模型採取預防措施。例如，一旦偵測到有狀態異常或故障趨勢的輸送設備，就會發送通知給現場維護人員，及早對有問題的馬達進行維護或更換，避免因故障影響出貨進度。

 相關報導  AWS後疫新戰略