制造业正利用新的数据和人工智能技术提升效率。随着人工智能的触角扩展到制造业，英伟达和Databricks等公司最近发布了几款专门构建的产品，帮助制造业企业从物理运营到供应链等各个方面收集并处理大量数据。
Snowflake也参与到这一行动中，其制造业数据云首次亮相。该公司表示，这一新产品将使汽车、技术、能源和工业部门的公司能够利用Snowflake的数据平台、合作伙伴解决方案和特定行业的数据集，挖掘孤立的工业数据的价值。
Snowflake数据云为数据仓库(Data Warehouse)、SQL分析、机器学习、数据工程和第三方数据货币化提供了一个平台。制造业数据云以这些能力为基础，提供行业解决方案，帮助制造商为其业务奠定基础，提高供应链性能，并推动智能制造计划。数据云是一个完全可管理、安全的平台，具有统一的治理和多云数据整合功能，该公司声称可以支持几乎任何规模的存储、计算和用户。
Snowflake全球制造主管Tim Long表示：“我们对Snowflak平台以及我们的合作伙伴解决方案和数据在制造业数据云中汇集感到非常兴奋，因为我们知道这将对制造商有很大帮助。”
Long领导进入该行业市场的团队，并与50多个合作伙伴合作进行此次发布。与数百家全球制造商会面，了解他们面临的挑战，同时借鉴他在半导体制造业20年的经验。Long曾领导半导体制造商美光(Micron)的数据和分析实践，该公司采用Snowflake，并发现它是统一公司数据和提高工厂绩效的最佳平台。他说：“我们在短短四个月内就将整个制造业数据足迹从现场转移到了云中的Snowflake。”“通过这段经历，我了解第一手的制造商在数据方面面临的机遇和困难。”
供应链效能对成功的制造操作具有巨大的影响，跳出工厂的四面墙，看看整个供应链正在发生的事情是关键：“我们的论点是，提高企业的绩效，实现这一目标的途径是通过更好的可见性。提高可见性的方法是拥有更好的数据，这些数据超出了第一方数据的范围，超出了企业的直接视野。”
Snowflake的制造业数据云通过将其专有数据与合作伙伴数据和Snowflake Marketplace的数据结合起来，在组织的整个供应链上进行数据共享和协作，从而提高下游和上游的可见性。然后，公司可以使用SQL和Snowpark来利用这些数据，Snowflake是Python、Java和Scala的开发框架。该平台允许不同的团队与共享数据合作，为预测需求、原材料价格和能源价格等用例构建AI和ML模型。
解决方案建立在Snowflake之上，利用Snowflake的数据协作提供数据连接，并可以深入了解供应商的表现。Snowflake Marketplace提供的其中一个合作伙伴，来自货运跟踪专家公司FourKites的解决方案。该公司为陆上或海上运输的产品提供近乎实时的跟踪见解，制造商可以直接从Snowflake制造业数据云中获取这些FourKites数据。Long解释了他们如何将这些见解与内部数据相结合，以更好地安排时间，确保客户货物以可控的成本按时到达，同时提到3M是当前该功能的客户。
提供工业应用程序的其他合作伙伴包括基于云的供应链风险管理和商业市场平台提供商Avetta，以及供应链优化软件专家Blue Yonder和云原生供应链自动化平台Elementum。
AWS是此次发布的众多技术合作伙伴之一，其解决方案使制造商能够调动位于不同位置的数据集进行全面分析。另一个是Fivetran，该解决方案在将数据从SAP系统和SaaS应用程序等数据库转移到新的制造数据云时，可以自动化ELT流程的各个方面。Dataiku还是批次性能优化器的合作伙伴，可将传感器、物联网和历史批次数据纳入Dataiku，以评估和预测批次结果。
除了供应链优化，Snowflake的制造业数据云还致力于改善工厂运营。
“如果我们转向工厂内部，我们会看到制造商试图使用智能制造或有时被称为工业4.0的技术来提高效率。”Long说：“下一次工业革命实际上要归功于数据和人工智能的可能。”
人工智能技术极大地扩展了数据接收能力，制造数据云为半结构化、结构化和非结构化数据提供了本地支持，包括来自车间传感器和设备的高容量物联网数据。在Snowflake中统一这些数据有助于制造商简化多个工厂的运营，并具有预测维护需求、分析周期时间以及提高产品产量和质量的能力。
直到最近，车间的技术进步还不如制造业的其他方面。运营技术(OT)涉及到运行车间的系统，这些系统是核心制造业务的核心。Long表示，这些系统由运行楼层的工程师监督，通常不在IT的权限范围内。OT数据是由传感器和有时可能相当旧的遗留设备生成的。
Long指出：“制造商通常无法使用这些数据，因为很难提取这些数据并将其带到一个可以挖掘这些数据的地方，以了解产品产量和工厂效率。”
本次发布的Snowflake的相关合作伙伴是Riveron，他是一位OT专家，打包了一组技术，Long说这些技术是同类技术中最好的，可以以可扩展和高效的方式将数据从车间或他所说的其他边缘位置带到Snowflak。
Riveron的产品之一来自Opto 22，这是一家工业自动化公司，生产一种专用的物理硬件设备，能够使用任何可用的网络接口连接到许多类型的机器设备。该设备运行另一家专业公司Inductive Automation的软件，可以跨数百种通信协议进行翻译，在Cirrus Link的帮助下，将它们以标准消息格式汇集在一起，并传输到Snowflake中。
Long说：“(解决方案)完全是边缘驱动的，这意味着可以在那里定义车间的资产。”“定义是像‘资产本身是什么，正在收集什么测量值，测量单位是什么?’这样的信息将直接流入Snowflake，在那里它被动态物化以用于分析和在Snowflake云中定义这些资产不需要额外的配置设置，支持Cirrus Link消息标准中的所有不同数据类型，这是Snowflake与其竞争对手相比的另一个关键区别。”
几家大型全球制造商已经在使用Snowflake制造数据云，包括计算互连供应商Molex，该公司正在使用该平台推动其数字化转型工作。
另一个客户是Scania，这是一家卡车、公共汽车和工业发动机制造商，它使用Snowflake来连续传输数据，并支持用于监测车辆性能的机器学习计划。
Long谈到Scania时说：“随着转向电动汽车，他们意识到数据对下一代产品的成功有多么重要。”“他们正在使用Snowflake捕获道路上60万辆卡车的连接车辆数据，并利用这些数据为卡车运营商提供高价值的服务，如优化的维护计划、建议调整这些车辆的运行方式等，以使车辆获得最大价值和性能。”
Scania公司的产品负责人Peter Alåsen在一份新闻稿中表示：“Snowflake的制造数据云为我们提供了所需的数据基础，可以从我们从60万辆汽车中收到的1.5亿条流媒体信息中获得见解。”“通过Snowflake，我们能够根据车辆运行和车间可用性建议维护，同时增加服务和其他数字或物理服务的创收活动，从而减少停机时间。”
Long对新版本为全球制造商带来的全球前景和机遇充满热情：“我们在制造业数据云中利用Snowflake解锁了很多机会。我们很高兴能与世界分享这些机会。”
以上是制造业数据云使行业拥抱数据和人工智能的详细内容。更多信息请关注PHP中文网其他相关文章！
