预测性维护通常被誉为机器学习最直接有效的用途之一，对其能力进行了大承诺．然而，在实践中起飞很慢．即使价格持续下跌智能传感器事实证明，允许制造商收集和传输各种类型的数据(如温度和振动)，以驱动预测性维护项目的开发，在没有领域专家和现场数据分析师的情况下，从这些数据中获得可操作的见解，比最初想象的要困难得多。不幸的是，当运营商和工厂经理不能恰当地利用这一价值时，他们的工业物联网(IIoT)投资可能不会产生理想的投资回报(ROI)。
 |
了解更多关于预测维护． |
希望减轻这些问题，云提供商亚马逊网络服务(AWS)）最近宣布了亚马逊监视的一般可用性，这项服务将数据从最终用户的工业设备提供给AWS云的机器学习模型，以帮助它们更准确地预测机器故障。价值主张很简单：通过培训其模型，比任何一家公司都可以访问，AWS可以为最终用户提供更强大的机器学习应用程序，否则不具备所需的资源或现场专业知识发展自己。在Exchange中，这些最终用户提供AWS与继续开发更先进的机器学习功能所需的数据。此外，Amazon Lookout不收取任何预期费用，而是根据摄取和计算用于培训自定义模型的数据的票据。因此，该服务可能有助于中小型企业（中小企业）开始部署机器学习驱动的预测维护模型更实惠。
“许多工业和制造公司大量投资物理传感器和其他技术，目的是改善其设备的维护。但即使用这个装备到位，公司也无法在缺乏资源和数据科学家的稀缺导致的数据上部署机器学习模型，“亚马逊机器学习副总裁Swami Sivasubramanian说在AWS。“结果，他们错过了关键的见解和可行的发现，这将有助于他们更好地管理他们的运营。”
此外，亚马逊监视的机器学习模型比基于更简单的规则的预测性维护建模程序更有效，基于过去的性能，通常是在过去的情况下，AWS说。通过识别不同传感器和设备之间的独特关系，可以更有效地解决异常和故障。
Amazon Lookout可以在单个设施内使用，也可以跨多个地点使用。该服务在美国、欧盟和亚太地区可用，未来几个月还将宣布更多地区。目前，西门子能源、Cepsa、Embassy of Things、RoviSys、Seeq和tensooriot都是使用Amazon Lookout的客户和合作伙伴。
