AWS IoT Greengrass边缘推理预测性维护架构

2026年10月15日，arXiv Artificial Intelligence 刊出 Prince Kwabena Appiah Boadu 等作者的论文，提出一种基于 AWS IoT Core 与 AWS IoT Greengrass v2 的混合云边架构，用于制造业预测性维护：在边缘本地执行机器学习推理，并选择性同步至云端。论文报告，Configuration B 将云端带宽占用降低 86.8%（每 200 条读数窗口由 63.6 KB 降至 7.2 KB），决策延迟降低 256 倍（云端往返 23.1 ms 降至本地推理 0.09 ms）；在完全不涉及云端的边缘场景下，异常类 F1 分数保持 0.84、召回率 91%。评估还涉及云断开情况下的系统正常运行时间与 Stream Manager 排队，但论文将定量的断连实验列为计划中的后续工作。上述数据均为该论文自报的评估结果。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。