USG Boral 在 AWS 上推出了開創性的 AI 安全系統

該公司找上 Bigmate (這是 Amazon Web Services (AWS) 合作夥伴網路 (APN) 中的精選技術合作夥伴) 來開發智慧型倉庫安全系統，一旦有物體或有人靠近到堆高機 3 米安全範圍之內時，就會響起警報。該公司之所以選擇 AWS 作為此專案的平台有兩大原因。第一，其適用於各種硬體，因此該公司的團隊可以在新技術推出時仍繼續演進其影像處理技術。第二，其提供彈性的擴展架構，也就是說，該公司可以快速修改該架構，以調整安全、記錄和網路功能。

這會是 USG Boral 的第一個人工智慧 (AI) 風險投資，而且可能也是製造業的第一個人工智慧風險投資，至少在亞太地區是這樣。USG Boral 的資訊長 Yeow Kok Weng 表示：「我們知道這會是利基解決方案，市場上還沒有這樣的解決方案。我們花了很多時間向 AWS 和 Bigmate 諮詢如何開發此架構，並研究此架構要如何從商業和安全方面，實現我們想要獲得的成果。」這包括與在現場的員工緊密合作，以確保該方法能夠支援更好的安全成果，又不會妨礙工作活動。

除了防止事故發生外，該專案的重要效能目標是以統一的格式提供事故和警報數量以及每個工作地點「險些發生事故」數量的資料。這能實現傳統 CCTV 系統所辦不到的快速管理監督和監視。USG Boral 基礎設施和 ANZ 的 IT 總監 Calvin Ng 解釋：「我們知道人在一段時間後就會自滿，因此需要不斷地透過安全訓練來提供支援。」採用 AI 技術的解決方案可根據實際可操作的洞見，來促進再培訓計畫落地。稱為 Warny™ 的新解決方案已開發長達九個月。

Bigmate 表示，Warny 是市場上最先進的影像應用程式之一。AWS 的物聯網 (IoT) 技術 (特別是 AWS IoT Greengrass 和 AWS IoT Core 技術) 是 Warny 的基礎。AWS IoT Greengrass 可將雲端容量順暢地延伸到倉庫，讓倉庫可以根據訓練好的機器學習 (ML) 模型執行預測和動作，即使沒有連線到網際網路也沒關係。一旦偵測到可能會發生事故時，現場就會啟動燈光和聲音警報。

透過 AWS Lambda，Warny 可以執行 Lambda@Edge 功能以便自動執行程式碼，讓工業傳感器的控制力最終能延伸至堆高機本身。Bigmate 的總經理 Brett Orr 表示：「能夠在 AWS IoT Greengrass 中設定 Lambda@Edge 功能，讓 USG Boral 得以視需要進行本機處理，並遠端管理閘道的更新。這個精細且彈性的方法意味著，他們甚至可以用更快的步調持續演進。」此外，該公司使用 Amazon CloudWatch 來監視閘道和雲端資源。

該機器學習模型仍在不斷強化，但 Warny 已經可以執行近乎即時的分析，每秒處理至少 12 個影像。其必須不斷偵測、追蹤和計算物體之間的距離與速度，因此需要卓越的影像分析以及不到 300 毫秒的延遲，如此才能針對可能發生的事故快速發出警報。如果有物體進入到 3 米的安全半徑內，警報就會響起。

Warny 的一大好處是 USG Boral 可以評估為何會差點發生事故，並透過將許多地點的資料彙總到雲端進行分析，以改善地面上的安全。Calvin 表示：「我們可以根據指定的輸出參數來使用報告和儀表板分析，以了解我們在員工安全上進步了多少。」「我們利用 AWS 背後的分析功能來大量生產資料，而不必僱用資料科學家或花時間擷取資料或手動進行任務。」 當險些發生事故時，管理員會立即收到簡訊和電子郵件。高層主管會收到不同的報告，裡面會記載各地區事故和險些發生事故的資料。

Warny 至今已在澳洲的一處建築工地進行過測試，未來幾個月內將會再推廣到該國的 10 個工地。USG Boral 也已經規劃要擴大推廣到其設有營運據點的 13 個國家/地區，並將透過 Bigmate 的延伸合作夥伴網路來實現。USG Boral 不僅仰賴 Bigmate 來挑選最適合的技術堆疊，還仰賴該公司來更新關於其據點所在國家/地區安全標準的演進建議。

在 AWS 的助推下，其團隊已發展出建立在 Warny 之上的未來 AI 和機器學習創新藍圖。舉個例子，USG Boral 將會使用 Amazon SageMaker 和 Amazon SageMaker Neo 來偵測並確保工作人員會穿戴安全設備，像是安全頭盔、護目鏡和高能見度服飾。Calvin 表示：「透過 AWS 產品組合中的所有解決方案，我們有很多機會可以使用技術來改善我們的工作場所安全和其他業務計劃。」「IoT 是這趟數位旅程的關鍵，我們可以透過 AWS 實現更大的進展。」