現今，製造業正在數位轉型之路上前行，投資於雲端與人工智能等新技術，以增強競爭力並持續成長。根據 McKinsey 的數據，約略三分之二的製造業已經使用雲端解決方案。然而，分析師表示，將數位轉型專案從POC(概念驗證)擴大至生產的實際工作對於其中大多數人來說仍然是一個挑戰。
我們認為，可擴展性的挑戰圍繞在兩個因素——缺少情境操作的資料，以及缺乏在工廠中應用複雜數據科學和人工智慧工具的技術。
為確保製造業能將數位化轉型擴大至生產，Google Cloud 宣布全新製造業解決方案，專為滿足製造業的需求特別設計。
Google Cloud 的全新製造業解決方案提供製造業的工程師和工廠管理員權限以統整並脈絡化不同資產和不同階段間的資料。
讓我們一起從工廠到雲端資料的旅程中了解新解決方案：
- 製造業資料引擎是用於處理、脈絡化和存儲工廠數據資料的基礎雲端解決方案。雲端平台透過邊緣和雲端之間私有、安全和低成本的連接，從任何類型的機器取得資料，可支援從遙測到圖像資料的廣泛資料。藉由內建的資料規範化和充滿脈絡化的功能，它提供了一個通用資料模型，以及一個對工廠最佳化的數據湖進行存儲。
- Manufacturing Connec 是與 Litmus Automation 共同開發的工廠邊緣平台，透過 250 多種機器協定，快速連線至任何製造業的資產。將機器資料轉換為易讀的資料庫，並將其傳送到製造業資料引擎進行處理、脈絡化和存儲。支援容器化工作負載，允許製造業直接在邊緣執行低延遲的資料可視化、分析和 ML 功能。
建立在製造業數據引擎之上的，是一組不斷成長的資料分析和人工智能使用案例，由 Google Cloud 和我們的合作夥伴提供支持：
- 製造業分析與洞見：以 Looker 範本提供的儀表板和分析，開箱即用的完整體驗。易於使用的免程式碼資料和分析模型，讓製造業工程師和工廠經理能夠快速建立和修改自訂儀表板，自動加入新機器、設定和工廠。本解決方案可以根據 KPI 或需求，深入挖掘資料，以發現整個工廠的新見解和改善機會。這些值得共享的見解讓企業及合作夥伴能夠協作。
- 預測性維護：預先構建的預測性維護機器學習模型讓製造商能在數週內部署，而不會影響預測準確性。製造商可以與 Google Cloud 工程師合作，不斷改進，使他們的模型完善。
- 機器級異常檢測：一種專門構建的集合，能在實時機器和感測器資料上使用 Google Cloud 的時序洞察 API，並在識別異常時提供警報。
福特汽車公司的製造技術部門總監 Jason Ryska 表示：「我們生產線上產生的感測器資料量不斷增加，在關於產品品質、生產效率和設備健康監測進行上，創造更智慧分析的機會，但這也意味著新的資料收集和管理挑戰。」。「我們與 Google Cloud 合作實施了一個數據平台，該平台現在在兩個工廠連接的 100 多台重要的機器上執行，每周串流傳輸和存儲超過 2500 萬則記錄。我們從資料中獲得了深刻的洞見，這幫助我們執行預測和預防措施，並持續提高我們製造工廠的效率。」
「作為固態冷卻和加熱技術的全球創新者，我們開發了一個永續的製造平台，使用更少的水、更少的電和產生更少的化學廢物，」Phononic 首席運營官 Jason Ruppert 說。「與 Google Cloud 的合作使我們能夠將所有製造流程中的資料脈絡化——最終為我們提供分析和見解，來最佳化我們的營運，並繼續為世界帶來可持續冷卻、減少溫室氣體 (GhG) 排放和改善環境。」
越來越多的合作夥伴正在將 Google Cloud 的製造業解決方案從連接器拓展到人工智慧驅動的案例。在我們即將推出的 Google Cloud Manufacturing Spotlight中查看我們的合作夥伴對製造業數據引擎和製造業連接的看法。
藉由 Google Cloud 的新製造解決方案，加強並整合智慧製造營運的三個關鍵部分：工廠工程師、數據和人工智慧。
使工廠工程師成為智慧製造的樞紐
過去的幾年中，美國國內生產總值的10% 以上是製造業貢獻的，和包含間接價值（意即從其他行業採購）的 24%GDP 。該行業也僱用約 1500 萬人，占美國總就業人數的 10%。然而，美國超過 20% 的製造業勞動力的年齡超過 55 歲，平均年齡為 44 歲——與世界各地的情況類似。對於製造業來說，尋找新人才來取代退休勞動力變得越來越困難。
因此，公司既要沿用現有員工團隊，也要讓產業更加吸引新人才加入。平衡這點必須讓雲端和人工智慧等關鍵技術更易於使用，並深入製造業的日常營運中。
Google Cloud 的製造業解決方案正是為此而設計。將快速執行且易於使用的強大數位工具直接交到製造業員工手中，使員工能以新方法發現全新的見解並優化運營。
我們僅需少量或甚至不需要程式碼即可設定和使用解決方案中的關鍵部分，適合各種終端使用者。這些解決方案專為規模化而設計，可以依照模板部署，並透過標準化促進重複使用。在設計時考慮了最佳實踐，製造業能夠將寶貴的資源集中在案子上，而不是底層基礎設施。
製造工程師可以使用基於 Looker 的商業智能引擎的製造業分析與洞見，將資料可視化並深入研究。與製造業資料引擎整合後，其自動設定可即時且全方位的瀏覽製造業運營。從 COO、工廠經理到工廠工程師，使用者皆能輕鬆瀏覽和探索企業、工廠、生產線機器和感測器級別的工廠資料。
除了從頭開始設計易於使用的製造解決方案外，Google Cloud 和合作夥伴還透過專門的支持服務積極幫助製造商提高他們的勞動力能力。
使每個數據點都可以讀取和操作
數據是數位製造業轉型的支柱，製造業有著豐富的潛在資料：單台機器的執行記錄每周可以產生 5GB 的數據，而典型的智慧工廠每周可以產生 5PB 的數據。
然而，現今許多製造業仍然無法得到這些豐富的資料和其中包含的洞察力：經常只有取得部分資料，然後被鎖定在各種不同的專有系統中。
Manufacturing Connec與 Litmus Automation 共同開發，提供業界領先的 250 多種原生協定連線，只需點擊幾下即可快速連接到幾乎任何製造業資產及系統，並取得資料。整合分析功能和支援容器化工作負載，使製造業者可以在本機端處理資料。
互補的雲端組件讓製造業者能集中管理、配置、標準化和更新其所有工廠的邊緣實例，以便在全球範圍推廣。集成到統一介面中，用戶便可以透過配置 Google Cloud 的數據引擎解決方案來管理發送到雲端數據的下游處理。
製造數據引擎提供數據結構化、語義化。 如此一來數據可以在整個企業中被訪問和使用。 透過抽像化增加數據的底層複雜性，製造商和合作夥伴能夠開發高價值、可重複、可擴展且快速實作分析的 AI 案例。
AI 智慧製造需要廣泛的合作生態系統
製造商意識到AI 解決方案可以提升生產上的優化並帶來實際的價值，所以有些製造商在 AI 製造有多項的專利。事實上，根據Google在 2021 年 6 月的研究顯示，製造商中有 66% 在平日營運作業中使用到 AI ，表示他們對AI 的依賴正在持續增加中。
Google Cloud 幫助製造商將雲端技術和 AI 運用至工作中，幫助工廠更快、更順暢的運作。使用 Google Cloud 製造數據引擎的客戶可以直接使用 Google Cloud 業界領先的 Vertex AI 平台，該平台提供集成的 AI/ML 工具，從面向製造工程師的 AutoML 到供專家微調結果的高級 AI 工具。 借助 Google Cloud，製造商可以輕鬆實現 AI/ML 案例開發。
在製造中使用雲端和 AI 跨越可擴展性鴻溝
我們的使命是透過彌合數據孤島（data silos）來加速數位化的轉型，並透過易於操作的 AI 技術和產業數據平台幫助每位工程師成為數據科學家。 加入我們的 Google Cloud Manufacturer Spotlight 以了解更多信息。
新的製造解決方案將於 5 月 30 日至 6 月 2 日在 2022 年漢諾威工業博覽會（Hannover Messe）上首次展示。屆時可參觀我們的展位 E68 展廳 004，或安排與我們的專家現場對談。
