【产业AI应用实例：Amazon】靠App就能快速部署上千感测器节点，能自动监测物流中心超长数十公里输送带纠出异常故障

过去想要在一间工厂快速完成物联网的感测器大规模部署，并不是件容易的事，企业单是要自建数百个感测器节点的网络，不仅需考量到复杂网络拓朴设计、外在环境等因素，还得针对感测器间通讯反复调校，调整参数配置，才能取得感测器网络上的数据，做后续分析使用。

AWS制造业感测器套装方案Monitron，可以只用App就能快速完成上千感测器的部署，不需要复杂的设定配置和操作，就能够建立感测器节点网络，甚至可以自动化部署大规模的感测器丛集。AWS母公司亚马逊也将这个套装方案，运用到长达26公里距离的物流输送带设备上，来解决过去自家物流中心分拣输送系统维护不易的问题。

由于亚马逊全球各地物流中心内，都有装设电动滚筒的皮带输送机，用以输送每天大量订单商品，来提高拣货、出货效率，但以往单是一间物流中心，光是输送带组成全长就有26公里，只要中间有一段输送机台装置故障，就算只是停机短短15分钟，整天出货作业都会受到严重影响，也成了维修人员一大挑战。

为了解决这个问题，亚马逊在其中一座物流中心，现今已使用了上千个Monitron感测器装设于输送带设备上来进行数据的搜集。相较于过去部署方式，Monitron提供一种更简易的安装和部署方式，让安装人员只须以手机App就能快速完成感测器、闸道器启用和设定，让原本工厂复杂的感测器装设方式，变得就像是在家中安装智慧喇叭等消费型设备一样容易。

就连资料传输架构也同时提供了短距离通讯的低功耗蓝牙，与长距通讯Wi-Fi两种常见的数据传输方式，来提供使用者做搭配。

当这些Monitron感测器搜集到皮带输送设备上的马达温度、震动等数据，便会经由蓝牙统一将这些数据传送到附近闸道器装置上，再同步透过Wi-Fi回传到AWS云端，就能根据训练好的ML推论模型采取预防措施。例如，一旦侦测到有状态异常或故障趋势的输送设备，就会发送通知给现场维护人员，及早对有问题的马达进行维护或更换，避免因故障影响出货进度。