산업 분야에서 사용 가능한 AWS AI/ML 서비스를 알아보자
한화 토털의 석유 화학 산업 관련 데이터 분석
<1> 산업 분야의 혁신을 위한 고려 사항
<2> 장벽
<3> 현장 문제점
<4> 개선 방향 - AWS AI/ML 기술 활용
<5> 개인 정리
<1> 산업 분야의 혁신을 위한 고려 사항
1
엔지니어링과 설계 - 시장 출시 시기 앞당김. 인프라 비용 절감
2
생성과 자산 최적화 - 낮은 비용, 기계 설비 생산성 홍콩
3
품질 관리
4
작업자의 안전, 생산성
5
공금 망 관리 - 예측 정확도 향상, 제고 비용 절감
6
스마트 제조와 설비 - 신규 매출, 품질 향상
<2> 장벽
1
데이터 접근 - 서로 다른 데이터
2
데이터 관리 - 산재된 대규모 데이터 정리 필요
3
확장 - 현장의 자산, 설비 , 데이터 관리 필요
4
실시간 - 지연 시간 최소 필요
5
보안 - 자산, 데이터 안정 관리 필요
<3> 현장 문제점
1
품질 제어?
인력 기반 점검으로 인한 많은 제약
결함을 줄이기 위해 초기 투자 비용 발생
2
유지보수?
복잡하고 비싼 센서
3
웨어하우스와 공급망?
수작업 프로세스로 실시간 처리 어려움
인력 변동
<4> 개선 방향 - AWS AI/ML 기술 활용
1
자동 기반 품질 제어?
생산 라인에 카메라 설치
Profrssional Service - ML
Lookoutfor vision
Professional Service - vision & ML
2
실시간 현장 상태 모니터링?
공장 환경 설비 이상 탐지
Amazon Monitron
Lookout for Equipment
Virtual Andon
3
워어하우스 , 공급망 관리 자동화?
기존 CCTV 사용 화물 트럭 인식
AWS Panorama
Sagemaker
textract
Forecast
<5> 산업용 데이터 플랫폼
AI/ML 참조 아키텍처
<5> 개인 정리
산업 분야에서 AWS들이 참 많다.
시범으로 구축해볼 만한 과제이다.
산업 부분에 대해 AWS적용에 대해 이해하는데 큰 도움이 되었다.
https://brunch.co.kr/@topasvga/1716
감사합니다.