跳至主要内容

AWS 解决方案库

在 AWS 上提高员工健康与安全的指南

概览

本指南展示了如何使用 AWS 服务来解决高风险工业环境中的劳动力健康和安全问题。它允许对新员工和现有员工进行有关标准操作程序的虚拟培训，从而降低上手风险和相关危害。它还可以通过实时监控、违规检测和即时警报来帮助预防事故。可以配置计算机视觉和人工智能模型，通过识别防护装备使用不当或进入禁区等违规行为来确保遵守环境、健康和安全协议。交互式控制面板和 3D 可视化提供对风险模式、历史趋势和合规性指标的数据洞察。此外，自然语言处理功能可以汇总相关信息，并根据已确定的危害提供培训建议。

工作原理

概览

此架构图由三个集成模块组成，用于满足员工安全与合规关键阶段的需求。此图提供了每个模块及其相互依赖关系的概念性概览。

下载架构图
Architecture diagram showing AWS Workforce Health and Safety solution on AWS Cloud. The flow includes Edge location, Data stream, Data lake, Metrics/data visualization, AI/ML, and integration with generic applications for users.

数据摄取

此架构图显示了组成现场运营环境的边缘站点组件。它支持从物联网设备、视频流、PLC 和文档中摄取数据。

下载架构图
Architecture diagram illustrating how AWS services such as IoT Greengrass, Amazon Kinesis Video Streams, and AWS IoT SiteWise Edge are used to ingest and process environment, health, and safety data from site assets including cameras, cars, generic IoT devices, and robotics.

数据流式传输和处理

此架构图显示了如何处理来自边缘站点的数据，以及如何将其摄取到数据湖中。

下载架构图
Architecture diagram illustrating AWS services for workforce health and safety data streaming and processing, including AWS IoT Core, SiteWise, Amazon Kinesis, Textract, Glue, SageMaker, Lake Formation, S3, Glacier Deep Archive, Rekognition, Bedrock, Kendra, and OpenSearch Service.

数据可视化和通知

此架构图显示如何摄取数据并将其用于创建控制面板、3D 可视化效果和风险映射。

下载架构图
Architecture diagram showing an AWS cloud solution for workforce health and safety, featuring AWS IoT TwinMaker, Amazon Managed Grafana, Amazon QuickSight, Amazon Athena for analytics, and AWS AppSync and Amazon Pinpoint for notifications to supervisors and workers.

Well-Architected 支柱

上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。

AWS IoT Core 通过即时配置、注册和多账户支持实现设备无缝载入。该服务支持在实施前高效进行变更和影响预测，并在整个员工健康和安全生命周期中保持卓越运营。

可以使用设备注册表和 AWS IoT 设备影子服务将设备与元数据关联。

最后，与 Amazon CloudWatch 的集成允许监控传入的数据流并就潜在问题发出警报。通过了解服务指标，您可以优化事件工作流并确保可扩展性。

阅读“卓越运营”白皮书

通过使用 AWS 身份和访问管理 (IAM) 和 AWS IoT Core 政策，本指南优先考虑数据保护、系统安全和资产完整性，与最佳实践保持一致，改善您的整体安全状况。这些策略支持精细的访问控制，将权限限制在必要的级别。具体而言，AWS IoT Core 策略规定了哪些设备可以向特定的 MQTT 主题发送数据以及它们如何与云交互。这种方法可以防止未经授权的访问，降低潜在的安全风险，例如产生意外费用，或设备遭到入侵，发送恶意命令。

我们建议为云端的所有数据目的地启用由 Amazon S3 和 AWS IoT SiteWise 提供支持的静态加密功能，以进一步保护敏感信息。

阅读《安全性》白皮书

通过多可用区（Multi-AZ）部署、节流限制以及 Amazon Managed Grafana 等托管式服务，本指南可以帮助确保关键工作负载能够持续运行并实现最短的停机时间。具体而言，AWS IoT SiteWise 和 AWS IoT TwinMaker 对数据入口和出口实施节流限制以确保持续运营，即使在高流量或高负载时段也是如此。

此外，Amazon Managed Grafana 控制台还提供了一个可靠的工作空间，无需管理硬件或基础设施，即可对指标、日志和跟踪进行可视化和分析。它会自动预置、配置和管理此工作空间，同时处理自动版本升级和自动扩展，以满足动态使用需求。这种自动扩展功能对于处理现场运营期间的峰值使用量或工业环境中的换班至关重要。

阅读《可靠性》白皮书

除了 AWS IoT SiteWise 和 Amazon S3 的自动扩展功能以外，通过使用 AWS IoT SiteWise 的功能来管理节流，本指南还可以高效地摄取、处理和存储数据，即使在数据大量涌入期间也是如此。这种自动扩展功能无需手动进行容量规划和资源预置，因此在实现最佳性能的同时最大限度地减少了运营开销。

阅读性能效率白皮书

阅读《性能效率》白皮书

本指南的成本节省主要是通过减少现场运营工作、监管合规成本和人力资源开支来实现的。AWS IoT SiteWise 和 AWS IoT TwinMaker 是经过成本优化的托管服务，能以低廉的价格提供数字孪生功能。它们采用即用即付定价模式，确保您仅需为摄取、存储和查询的数据付费。

AWS IoT SiteWise 还提供了经过优化的存储设置，使数据能够在 Amazon S3 中从一个热存储层移到一个冷存储层，因此进一步降低了存储成本。

阅读《成本优化》白皮书

本指导中的服务使用 AWS 的弹性、可扩展的基础设施，此基础设施可以根据使用需求纵向扩展和缩减计算资源。这样可以防止过度预置并最大限度地减少多余的计算容量，因此减少了意外的碳排放。您可以使用客户碳足迹工具监控您的二氧化碳排放量。此外，借助数字孪生（AWS IoT TwinMaker）等技术提供的敏捷性、基于事件的自动化以及基于人工智能/机器学习的洞察，工程团队可以优化现场运营，从而提高效率并最大限度地减少工业流程的排放量。

本指南还通过在 Amazon S3 的 AWS IoT SiteWise 冷层中使用 Apache Parquet 格式来实现高效数据存储，这是一种开源的列式数据文件格式，旨在高效存储和检索数据，减少存储开销和相关排放量。此外，通过使用 Amazon Bedrock 的数据可视化和自然语言处理生成式人工智能，本指南可以根据收集的历史数据识别未知的风险领域，从而使您能够评估干预措施的有效性并进一步优化现场运营，以提高效率和减少排放量。

阅读《可持续性》白皮书

免责声明

示例代码；软件库；命令行工具；概念验证；模板；或其他相关技术（包括由我方人员提供的任何前述项）作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议（以适用者为准）向您提供。您不应将这些 AWS 内容用在您的生产账户中，或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容，例如示例代码，以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源（例如，运行 Amazon EC2 实例或使用 Amazon S3 存储）而产生 AWS 费用。