前言

这次参加了 re:Invent 2024 的 Builders' Session 「Building a generative AI–powered shop floor assistant」，在这里和大家分享一下内容！

---

Session 概要

Learn how to build a generative AI assistant to analyze data from industrial IoT sensors, documents, manuals, and other manufacturing systems. Also learn how to provide natural language summaries of operation statuses and current issues with suggestion actions, and how to help operators, manufacturing engineers, and factory leaders conduct Q&A–based exploratory root cause analysis to increase overall plant productivity. You must bring your laptop to participate.

---

中文概要

学习如何构建一个生成式 AI 助手，分析工业物联网 (IoT) 传感器、文档、手册以及其他制造系统中的数据。同时学习如何生成操作状态和当前问题的自然语言摘要，并提供操作建议，还能帮助操作员、制造工程师和工厂管理者通过基于问答的探索性根本原因分析提升整体工厂生产效率。参与者需自带笔记本电脑。

希望这次的内容能够给大家一些启发！

简要总结

利用 AWS IoT SiteWise 以及设备相关的文档和手册作为数据源，通过 AI 高效活用数据！
本次内容基于最新发布的 AWS IoT SiteWise Assistant 的功能展开的讨论和实践。

AWS IoT SiteWise announces new generative AI-powered industrial assistant - AWSDiscover more about what's new at AWS with AWS IoT SiteWise announces new generative AI-powered industrial assistanthttps://aws.amazon.com/about-aws/whats-new/2024/11/aws-iot-sitewise-generative-ai-powered-industrial-assistant/ 本次会话中使用的文档如下：Workshop StudioDiscover and participate in AWS workshops and GameDayshttps://catalog.workshops.aws/genai-shop-floor-assistant/en-US

制造行业面临许多挑战，例如劳动力老龄化、高离职率和人手短缺等问题。
特别是拥有专业技能和知识的资深员工离职后，技术流失成为一大难题。
针对这一问题，本次会话提出了利用数据解决方案的思路，内容非常有趣和启发性。

以下是本次使用的架构图：

 在本次会话中，由于时间关系，架构已经全部提前构建完成。
因此，我们直接从使用 AWS IoT SiteWise Assistant 的步骤开始。

Workshop StudioDiscover and participate in AWS workshops and GameDayshttps://catalog.workshops.aws/genai-shop-floor-assistant/en-US/4-gain-insights-using-assistant/4-2-interact-with-assistant

实际操作

登录分发的账户后，仅可操作 AWS IoT SiteWise 页面。

依次进入 Projects > eBike Assembly Line Project > Welding Station Overview，即可显示 IoT SiteWise Monitor 的界面。 

 在这里点击 AI Assistant。

随后会在各项目前显示复选框。
通过选择这些项目，AI Assistant 就可以分析对应的数据了。

 

故障排查

按照步骤操作，勾选已设置的 Alarm。

故障排查

在屏幕右侧的聊天框中输入以下问题：

What are the error codes related to this alarm?
（这个警报相关的错误代码是什么？）

稍等片刻后，AI Assistant 返回了以下回复：

基于从知识库中检索的信息，以下是与“Welding_Robot_Joint_2_High_Temp”警报相关的错误代码摘要：

• C62A1 - 关节温度：过高 (80°C)
  • 表示关节 2 的温度已超过 80°C 的高温阈值。
• C62A11 - 关节温度：停机 (85°C)
  • 表示关节 2 的温度已超过 85°C 的停机阈值，导致机器人停机。
• C62A3 - 警告：静载荷过高
  • 表示机器人上的静载荷过高，这可能导致高温问题。
• C62A13 - 停机：静载荷过高
  • 表示机器人上的静载荷过高，导致机器人停机。

文档还提供了可能的解决方案，例如：

• 在用户程序中减少加速和减速
• 检查 TCP 配置、有效载荷和安装设置
• 确保电源电压不超过 48V
• 检查是否有短路并更新固件

---

分析与反馈

基于知识库的反馈中包含了错误代码的成因和缓解措施，同时还标注了引用的参考文档。
这种引用文档的方式不仅提升了 AI 判断的透明度，也为最终的人为确认提供了依据，非常实用。

---

详细分析

接下来，尝试利用 AI Assistant 分析最近的数据是否正常，或者是否存在问题的可能性。
勾选 Frame Produced 后点击 Generate Summary 按钮。

 

 

返回的回答

Property Summary
Welding Station - Frames_Produced_5m
Time Range: 2024-12-03T01:32:44Z to 2024-12-03T01:37:44Z
The historical values for the "Frames_Produced_5m" property at the Welding Station asset show a consistent output of 1.0 frame per minute over the course of the single minute period from 2024-12-03T01:35:00Z to 2024-12-03T01:36:00Z. This indicates a steady and predictable production rate at the welding station during this time frame.
Comparing the latest value of 1.0 frame at 2024-12-03T01:35:00Z to the historical values, we can see that the current production rate is in line with the previous minute's output, suggesting a stable and reliable operation at the welding station.
Since there is only one property provided in this case, no further insights can be drawn by evaluating values across multiple properties. The available data points to a consistent, well-functioning welding station operation during the given time period.

---

AI Assistant 通过特定时间段内每分钟的生产量分析产品是否稳定生产。
不仅可以分析设备的正常/异常状态，还可以像这样分析生产稳定性等更详细的数据。
这不仅仅是根据设备的数值来判断运行是否正常，还可以通过不同的参数（视角）来判断运行状态是否良好，这一点非常有价值。

数据比较

最后，我们尝试比较数据的性能表现。
随意选择两个数据后，点击 Generate Summary 按钮。

返回的回答

Welding Robot - Joint 3 Temperature
Time Range: 2024-12-03T01:39:09Z to 2024-12-03T01:44:09Z
The historical values for the "Joint 3 Temperature" property show a fluctuating trend over the past 5 minutes. The temperature started at 33.625°C at 01:40:00 and gradually increased to 36.4375°C by 01:43:00, before dropping back down to 33.78125°C at 01:44:00.
The latest value of 34.25°C recorded at 01:45:28 is slightly higher than the historical values observed in the past 5 minutes, which ranged from 33.625°C to 36.4375°C.

Welding Robot - Joint 5 Temperature
Time Range: 2024-12-03T01:39:09Z to 2024-12-03T01:44:09Z
The historical values for the "Joint 5 Temperature" property show a relatively stable trend over the past 5 minutes, ranging from 36.42613636363637°C to 36.59375°C.
The latest value of 37.0625°C recorded at 01:45:28 is slightly higher than the historical values observed in the past 5 minutes.

Comparison
Both the "Joint 3 Temperature" and "Joint 5 Temperature" properties show similar trends, with the latest values being slightly higher than the historical values observed in the past 5 minutes. This could indicate potential changes in the operating conditions or load on the Welding Robot, which might require further investigation to understand the root cause and any potential implications.

---

Joint3 的温度在过去 5 分钟内有波动趋势，
分析指出 Joint3 和 Joint5 的趋势相同，两者的最新值都略高于过去 5 分钟的历史值。这可能表明焊接机器人运行条件或负载发生了变化，需要进一步调查以了解根本原因及可能的影响。
利用这样的功能，可以更轻松地检测设备的异常情况。

 

总结

这是一次非常有趣的动手实验，体验了最近发布的 AWS IoT SiteWise Assistant。
通过直观地选择数据来发现新的见解，即使是对数据利用不熟悉的人，也能轻松确认数据趋势，我认为这是一个非常好的解决方案。
除了上述内容外，我还想尝试一些更复杂的计算，比如特定时间段内的标准偏差等，但由于时间关系未能完成。如果有机会，我希望下次能继续尝试。