資料湖倉儲雲　串ML助洞察

全球產業正在藉由智慧物聯網（AIoT）讓營運場域提升數位化程度，特別是急欲推動轉型創新的製造業，多已陸續採用公有雲平台的技術來加速落實，例如在市場發展速度飛快的電動車產業，資訊科技技術便居中扮演關鍵的推手。

AWS機器學習專業架構師楊仲豪觀察，自COVID-19疫情爆發後，製造業普遍遭遇棘手的斷鏈問題，高階管理層開始意識到，過往僅關注原物料採購價格、生產效率等資訊，無法因應大環境突如其來的改變，須得掌握上游原物料供應狀況，以免導致生產中斷危機。 以老牌的國際車廠福斯集團（Volkswagen Group）為例，旗下擁有保時捷、奧迪、賓利等12個知名品牌，超過120座工廠遍布全球，2018年開始與AWS合作，啟動從傳統車廠轉型到電動車領導廠商的計畫，目標2025年推出30款以上電動車。楊仲豪說明，AWS扮演的角色，首要是支援安全的網路連線，讓工廠應用場域大規模部署的感知器，除了予以串接以便搜集與交換資料，同時還保障安全性；其次是資料量倍數增長，必須彙整進而統計與分析，產生出商業智慧報表以輔助高階管理者決策判斷；第三是實作機器學習演算分析，讓工廠設備機台的所有關鍵零組件可採行預測性維護，以保障運轉不中斷。此外，福斯集團運用AWS技術建構了數位化生產平台（DPP），串接了三千多家合作夥伴與上下游廠商，推動供應鏈共同轉型，不僅讓零組件創新產品符合電動車需求，預期到2025年供應鏈產出的總體效率可提高30%。

台灣本土製造業正以智慧化為目標，積極投入資源提升場域數位化程度，楊仲豪指出，為了掌握現場的即時資料，多數企業會選用資料湖（Data Lake）技術彙整結構與非結構檔案，進而運行商業智慧與機器學習模型分析。AWS新提出的觀點則是須建構資料湖倉儲（Lake House）架構，不僅把資料彙整到資料湖，更重要是讓資料可透過簡易方式存取，以便於運行各種分析，最終數據再回饋到Lake House，讓機器學習模型可被持續地訓練。

例如IoT裝置產生的原始資料本身不具任何意義，透過AWS Glue服務提供ETL（Extract-Transform-Load）功能執行賦予標記與分類，再串接資產管理、維護工作流程資料，才可得知現場設備的類型及其重要指標，以便於針對關鍵零組件，包含馬達震動頻率、電壓負載等歷史資料，拋送到機器學習演算模型，建立預測性維護。

製造業的細分領域很多，普遍需要對原始資料進行轉換整理、運行分析，至於機器學習演算模型較特別，須結合領域知識，才有機會產出對於垂直領域有意義的資訊，之後再次回饋到資料整理程序，持續地調整參數提高精準度。AWS在不同垂直應用累積的實戰經驗，即可引導企業實踐數位化，達到創新應用的目的。