USG Boral 在 AWS 云端推出了开创性的人工智能安全系统

该公司与 Amazon Web Services（AWS）合作伙伴网络（APN）的精选技术合作伙伴 Bigmate 合作，开发了智能仓库安全系统 Warny™。当物体或人员进入叉车 3 米安全范围时，该系统会发出警报。AWS 获选作为该项目的平台，入选原因主要有两个。首先，该平台不受硬件的限制，因此，随着新技术的推成出新，团队可以继续发展其视觉处理功能。其次，其提供灵活的扩展框架，意味着架构可快速调整以优化安全、日志记录或网络配置。

这将是 USG Boral 的第一家人工智能（AI）合资企业，也可能是制造业的第一家企业，至少在亚太地区是如此。“我们知道这是一个利基解决方案，市场中还没有类似产品。为了开发这个框架，我们花了很多时间咨询 AWS 和 Bigmate，从业务和安全的角度出发，来了解如何达成我们需要的成效，”USG Boral 的首席信息官 Yeow Kok Weng 这样说道。这包括与现场员工紧密合作，以确保该方法在不妨碍工作活动的情况下，可以取得更好的成果。

除了预防事故发生以外，该项目的一个主要绩效目标就是，由各工作现场以统一格式提供数据，包括事故和告警数量以及差点出事的次数。在管理层面，这将实现传统 CCTV 系统无法实现的快速监测和监控。“我们知道，经过一段时间之后，人们会因自满而变得疏忽大意，这就需要以持续的安全再培训来作为巩固，”USG Boral 基础设施和 ANZ 的 IT 总监 Calvin Ng 这样解释。由人工智能支持的解决方案，可以通过可行的洞察来促使再培训计划的实施。这款名为 Warny™ 的新解决方案耗时九个月开发完成。

Bigmate 称，Warny 是市场上最先进的视觉应用程序之一。AWS 物联网（IoT）技术是 Warny 的基础，尤其是 AWS IoT Greengrass 和 AWS IoT Core。AWS IoT Greengrass 将云功能无缝扩展到仓库中，使得解决方案即使没有连接到互联网，也可以基于经过训练的机器学习模型，进行预测并执行操作。检测到潜在事件时，会触发本地灯光和警报器。

通过 AWS Lambda，Warny 可运行 Lambda@Edge 函数，自动执行代码，实现工业传感器控制（最终可扩展至叉车本身）。“USG Boral 能够在 AWS IoT Greengrass 中配置 Lambda@Edge 函数，因此我们就能够根据需要进行就地处理以及远程管理对网关的更新。这种精细而灵活的方法，意味着它们可以不断进化，甚至能够加速进化，”Bigmate 总经理 Brett Orr 这样说。此外，该公司使用 Amazon CloudWatch 来监控网关和云资源。

机器学习模型仍在不断完善中，但 Warny 已经可以执行近乎实时的分析，每秒至少处理 12 个画面。该系统必须持续检测、跟踪和计算各物体之间的距离及速度，这需要非常高超的视觉分析以及低于 300 毫秒的延迟，才能针对潜在事故快速发出警报。如果某个物体进入 3 米的安全半径，警报就会响起。

Warny 带来的一个主要优点就是，USG Boral 可以评测差点出现事故的原因，通过汇总其多个站点的数据，并在云端进行分析，改进工作场所的安全性。Calvin 说：“我们可以根据指定的输出参数，使用报告和控制面板分析，来了解我们的员工在安全方面所取得的进展。我们利用 AWS 所提供的分析功能来处理大量数据，无需聘用数据科学家，也无需将时间花费在提取数据或完成手动任务上。” 遇到差点出现事故的情况时，系统会立即向经理发送短信和电子邮件。同时会向高管层发送单独报告，汇集各地区有关事故和差点出现的事故的数据。

迄今为止，Warny 已在澳大利亚的一处建筑工地进行了测试，并会在接下来的数月中逐步推广到澳大利亚的另外 10 个工地使用。接下来还计划在 USG Boral 运营的全部 13 个国家/地区推广，并由 Bigmate 的扩展合作伙伴网络提供协助。USG Boral 不仅信任 Bigmate 来选择最适合的技术堆栈，同时还依靠 Bigmate，在开展运营的国家/地区针对不断演变的安全标准提供建议。

该团队借助 AWS，已经制定了未来依托于 Warny 的人工智能和机器学习创新路线图。例如，USG Boral 将使用 Amazon SageMaker 和 Amazon SageMaker Neo 来检测并确保工人穿戴了安全设备，例如保护头盔、护目镜和荧光服等。Calvin 说：“我们借助 AWS 产品组合中的所有解决方案，有很多机会采用技术，来帮助提高工作场所安全，还可以用于其它的业务计划。“IoT 是数字化旅程的关键，我们在 AWS 的支持下不断前进，有能力实现更多成果。”