アマゾンルックアウトフォービジョン は、コンピュータービジョン(CV)を使用して視覚表現の欠陥や異常を発見する機械学習(ML)サービスです。 Amazon Lookout for Visionを使用すると、製造会社は、オブジェクトの画像の違いを大規模にすばやく特定することで、品質を向上させ、運用コストを削減できます。
多くの企業顧客は、製品の不足しているコンポーネント、車両や構造物の損傷、生産ラインの不規則性、シリコンウェーハの微小な欠陥、およびその他の同様の問題を特定したいと考えています。 Amazon Lookout for Visionは、MLを使用して、人と同じようにカメラからの画像を表示および理解しますが、さらに高い精度とはるかに大きなスケールで表示されます。 Amazon Lookout for Visionは、品質管理、欠陥と損傷の評価、およびコンプライアンスを改善しながら、コストのかかる一貫性のない手動検査の必要性を排除します。 数分で、Amazon Lookout for Visionを使用して、画像やオブジェクトの検査を自動化できます。MLの専門知識は必要ありません。
この投稿では、シリコンウェーハの異常の検出とオペレーターへの通知をリアルタイムで自動化する方法について説明します。
ソリューションの概要
製造ラインで製品の品質を追跡することは困難な作業です。 一部のプロセスステップでは、製品の画像を撮影し、人間がそれを確認して、高品質を保証します。 人工知能のおかげで、これらの異常検出タスクを自動化できますが、異常が検出された後、人間の介入が必要になる場合があります。 標準的なアプローチは、問題のある製品が検出されたときに電子メールを送信することです。 これらの電子メールは見落とされる可能性があり、製造工場の品質を低下させる可能性があります。
この投稿では、自動化された電話を使用して、シリコンウェーハの異常を検出し、オペレーターにリアルタイムで通知するプロセスを自動化します。 次の図は、アーキテクチャを示しています。 を使用して静的Webサイトをデプロイします AWS 増幅、アプリケーションのエントリポイントとして機能します。 UI(1)を介して新しい画像がアップロードされるたびに、 AWSラムダ 関数は、Amazon Lookout for Visionモデル(2)を呼び出し、このウェーハが異常であるかどうかを予測します。 この関数は、アップロードされた各画像をに保存します Amazon シンプル ストレージ サービス (Amazon S3)(3)。 ウェーハが異常である場合、関数は予測の信頼度をに送信します アマゾンコネクト オペレーター(4)を呼び出し、オペレーターはさらにアクション(5)を実行できます。
AmazonConnectと関連する連絡先フローの設定
Amazon Connectとコンタクトフローを設定するには、次の高レベルの手順を実行します。
- AmazonConnectインスタンスを作成します。
- 接触フローを設定します。
- あなたの電話番号を要求します。
Amazon Connectインスタンスを作成する
最初のステップは、 AmazonConnectインスタンスを作成する。 残りのセットアップでは、デフォルト値を使用しますが、管理者ログインを作成することを忘れないでください。
インスタンスの作成には数分かかる場合があります。その後、作成した管理者アカウントを使用してAmazonConnectインスタンスにログインできます。
接触フローの設定
この投稿では、インポートできる事前定義された連絡先フローがあります。 既存の連絡先フローのインポートの詳細については、を参照してください。 連絡先フローのインポート/エクスポート.
- ファイルを選択
contact-flow/wafer-anomaly-detection
GitHubレポ. - 選択する インポート.
インポートされた連絡先フローは、次のスクリーンショットのようになります。
- フローの詳細ページで、展開します 追加のフロー情報を表示.
ここで、コンタクトフローのARNを見つけることができます。
- 後で必要になるコンタクトフローIDとコンタクトセンターIDを記録します。
あなたの電話番号を主張する
番号を要求する 簡単で、数回クリックするだけです。 番号を請求する際は、必ず以前にインポートした連絡先フローを選択してください。
選択した国で番号が利用できない場合は、サポートチケットを発行してください。
コンタクトフローの概要
次のスクリーンショットは、連絡先の流れを示しています。
接触フローは次の機能を実行します。
- ロギングを有効にします
- 出力を設定します Amazon Polly 声(この投稿では、ケンドラの声を使用します)
- DTMFを使用して顧客の入力を取得します(キー1と2のみが有効です)。
- ユーザーの入力に基づいて、フローは次のいずれかを実行します。
- アクションが実行されないことを示す別れのメッセージを表示して終了します
- アクションが実行されることを示すさようならメッセージを促し、終了します
- 失敗し、マシンがシャットダウンして終了することを示すフォールバックブロックを配信します
オプションで、次の方法でシステムを拡張できます。 Amazon Lex ボット。
ソリューションを展開する
Amazon Connectをセットアップし、連絡先フローをデプロイし、残りのデプロイに必要な情報を記録したので、残りのコンポーネントをデプロイできます。 複製されたGitHubリポジトリで、 build.sh
スクリプトを作成し、コマンドラインから実行します。
次の情報を提供します。
- あなたの地域
- 使用するS3バケット名(名前に単語が含まれていることを確認してください
sagemaker
). - 使用するAmazonLookout forVisionプロジェクトの名前
- 連絡先フローのID
- AmazonConnectインスタンスID
- Amazon ConnectでE.164形式で請求した番号(たとえば、+ 132398765)
- の名前 AWS CloudFormation このスクリプトを実行して作成したスタック
次に、このスクリプトは次のアクションを実行します。
- あなたのためにS3バケットを作成します
- Lambda関数の.zipファイルを作成します
- CloudFormationテンプレートとLambda関数を新しいS3バケットにアップロードします
- CloudFormationスタックを作成します
スタックがデプロイされた後、AWSCloudFormationコンソールで作成された次のリソースを見つけることができます。
あなたはそれを見ることができます アマゾンセージメーカー と呼ばれるノート amazon-lookout-vision-create-project
も作成されます。
Amazon Lookout for Visionモデルを構築、トレーニング、デプロイする
このセクションでは、オープンソースのPython SDKを使用して、Amazon Lookout for Visionモデルを構築、トレーニング、デプロイする方法を説明します。 Amazon Lookout for Vision Python SDKの詳細については、を参照してください。 このブログ記事.
モデルは、 AWSマネジメントコンソール。 プログラムによる展開の場合は、次の手順を実行します。
- SageMakerコンソールの ノートブックインスタンス ページで、を選択して以前に作成されたSageMakerノートブックインスタンスにアクセスします Jupyterを開きます。
インスタンスでは、あなたは見つけることができます GitHubリポジトリ Amazon Lookout for Vision PythonSDKのクローンが自動的に作成されます。
- に移動します
amazon-lookout-for-vision-python-sdk/example
フォルダにコピーします。
このフォルダーには、モデルの構築、トレーニング、および展開を順を追って説明するサンプルノートブックが含まれています。 開始する前に、モデルをノートブックインスタンスにトレーニングするために使用する画像をアップロードする必要があります。
-
example/
フォルダ、という名前のXNUMXつの新しいフォルダを作成しますgood
&bad
. - 両方のフォルダに移動し、それに応じて画像をアップロードします。
サンプル画像は、ダウンロードしたGitHubリポジトリにあります。
- 画像をアップロードしたら、
lookout_for_vision_example.ipynb
ノート。
ノートブックは、モデルを作成するプロセスを順を追って説明します。 最初に行うべき重要なステップのXNUMXつは、次の情報を提供することです。
推論のセクションは無視してかまいませんが、ノートブックのこの部分も自由に試してみてください。 あなたはまだ始めたばかりなので、あなたは去ることができます model_version
に設定 "1
"。
input_bucket
& project_name
、の一部として提供されているS3バケットとAmazon Lookout forVisionプロジェクト名を使用します build.sh
脚本。 その後、ノートブックの各セルを実行すると、モデルが正常に展開されます。
SDKを使用してトレーニング指標を表示できますが、コンソールでも確認できます。 これを行うには、プロジェクトを開き、モデルに移動して、トレーニングしたモデルを選択します。 メトリックはで利用可能です パフォーマンス指標 タブには何も表示されないことに注意してください。
これで、モデルをオンデマンドで呼び出すことができる静的Webサイトをデプロイする準備が整いました。
静的Webサイトを展開します
最初のステップは、のエンドポイントを追加することです アマゾンAPIゲートウェイ 静的Webサイトのソースコードに。
- API Gatewayコンソールで、次のように呼ばれるRESTAPIを見つけます。
LookoutVisionAPI
. - APIを開き、選択します インターンシップ.
- ステージのドロップダウンメニュー(この投稿の場合、 devの)、を選択します POST
- の値をコピーします URLを呼び出す.
HTMLソースコードにURLを追加します。
- ファイルをオープンする
html/index.html
.
ファイルの最後に、jQueryを使用してAJAXリクエストをトリガーするセクションがあります。 XNUMXつのキーが呼び出されます url
、値として空の文字列があります。
- コピーしたURLを新しいものとして入力します
url
値を付けてファイルを保存します。
コードは次のようになります。
- 変換
index.html
ファイルを.zipファイルに変換します。 - AWS Amplifyコンソールで、アプリを選択します
ObjectTracking
.
アプリのフロントエンド環境ページが自動的に開きます。
- 選択 Gitプロバイダーなしでデプロイする.
この部分を拡張して、AWS AmplifyをGitに接続し、デプロイ全体を自動化できます。
- 選択する ブランチを接続します.
- 環境名¸名前を入力してください(この投稿では、
dev
). - 方法選択 ドラッグアンドドロップ.
- 選択する ファイルを選択する アップロードする
index.html.zip
作成したファイル。 - 選択する 保存してデプロイする.
デプロイが成功したら、AWSAmplifyに表示されるドメインを選択してWebアプリケーションを使用できます。
異常を検出する
おめでとう! シリコンウェーハの異常の検出を自動化し、適切なアクションを実行するようにオペレーターに警告するソリューションを構築しました。 Amazon Lookout for Visionに使用するデータは、ウィキペディアから取得したウェーハマップです。 半導体製造の実際のシナリオを模倣するために、いくつかの「悪い」スポットが追加されました。
ソリューションを展開した後、テストを実行して、ソリューションがどのように機能するかを確認できます。 AWS Amplifyドメインを開くと、画像をアップロードできるWebサイトが表示されます。 この投稿では、いわゆるドーナツパターンの不良ウェーハを検出した結果を紹介します。 画像をアップロードすると、ウェブサイトに表示されます。
画像が異常として検出された場合、Amazon Connectはあなたの電話番号に電話をかけ、あなたはサービスと対話することができます。
まとめ
この投稿では、Amazon Lookout for Visionを使用して、シリコンウェーハの異常の検出を自動化し、Amazon Connectを使用してオペレーターにリアルタイムで警告し、必要に応じてアクションを実行できるようにしました。
このソリューションは、ウェーハだけにとどまりません。 輸送におけるオブジェクト追跡、製造における製品、およびその他の無限の可能性に拡張できます。
著者について
トラ・チェルウェンカ は、データと分析の認定を受けたAWSグローバルソリューションアーキテクトです。 彼女は、可能なアプローチの技術を使用して、ビジネス目標から逆戻りし、データ駆動型の意思決定を可能にする革新的なイベント駆動型データアーキテクチャを開発します。 さらに、彼女は、IOT、機械学習、ビッグデータ、分析サービスを活用するマイクロサービス、サプライチェーン、接続された工場へのミッションクリティカルなモノリシックワークロードにリファクタリングするための規範的なソリューションの作成に情熱を注いでいます。
マイケルウォールナー はAWSプロフェッショナルサービスのグローバルデータサイエンティストであり、クラウドでのAI / MLの旅のお客様がAWSomeになることを可能にすることに情熱を注いでいます。 アマゾンコネクトに深い関心を持っていることに加えて、彼はスポーツが好きで、料理を楽しんでいます。
Kリチバサンバラスブラマニヤン アマゾンウェブサービスのプリンシパルコンサルタントです。 彼は、グローバルな企業顧客のデジタルトランスフォーメーションの旅を可能にし、クラウドネイティブソリューションの設計を支援します。
- アクセス
- Action
- NEW
- 管理人
- Amazon
- Amazon Webサービス
- 分析論
- 異常検出
- API
- アプリ
- 申し込み
- 建築
- 周りに
- 宝品
- 人工知能
- 自動化
- AWS
- ブログ
- ロボット
- ビルド
- 建物
- ビジネス
- コール
- 原因となる
- クラウド
- クラウドネイティブ
- コード
- 企業
- コンプライアンス
- Computer Vision
- 信頼
- コンサルタント
- 料理
- コスト
- 作成
- Customers
- データ
- データサイエンティスト
- 需要
- 検出
- 開発する
- デジタル
- エンドポイント
- Enterprise
- 企業顧客
- 環境
- 詳細
- 名
- フロー
- 形式でアーカイブしたプロジェクトを保存します.
- 無料版
- function
- Gitの
- GitHubの
- グローバル
- 良い
- 認定条件
- How To
- HTTPS
- 人間
- 識別する
- 画像
- インポート
- 増える
- 情報
- インテリジェンス
- 関心
- IOT
- IT
- キー
- キー
- 学習
- 活用します
- LINE
- 機械学習
- 管理
- 製造業
- 地図
- メトリック
- ミッション
- ML
- 番号
- 開いた
- 開きます
- 注文
- その他
- パターン
- 予測
- 現在
- プロダクト
- 生産
- 製品
- プロジェクト
- Python
- 品質
- 上げる
- リーダー
- 減らします
- リソース
- REST
- レビュー
- ラン
- ランニング
- セージメーカー
- 規模
- SDDK
- 半導体
- サービス
- セッションに
- 簡単な拡張で
- So
- ソリューション
- スポーツ
- start
- 開始
- ストレージ利用料
- 店舗
- 成功
- 成功した
- 供給
- サプライチェーン
- サポート
- test
- 時間
- 追跡する
- 追跡
- トレーニング
- 変換
- 輸送サービス
- ui
- 値
- 車
- 詳しく見る
- ビジョン
- ボイス
- ウェブ
- Webサービス
- ウェブサイト
- 誰
- Wikipedia
- 仕事
- 作品