福特汽车正在其装配线中增加传感器的种类，以将大数据转化为更大的数据，同时使对所收集信息的访问变得民主化。 “我们通过添加红外监测和振动传感器等传感器来丰富设备生成的数据，以补充[收集的]传统数据，如循环时间和压力，从而创建更丰富的数据池，”制造总监 Mike Mikula 说。车辆程序。 “我们现在可以围绕这些信号对产品质量、过程效率和设备健康状况的贡献构建更智能的分析。”
Mike Mikula帮助福特努力的是“大部分更大的物联网平台，”他说。福特和其中一家物联网平台公司——谷歌——宣布建立合作伙伴关系他是工业云数据管理服务和分析软件应用程序以及其他服务的一年。
为了将生成的信息用于车间，福特正在构建一个物联网数据平台，使生产工人能够访问分析通过不需要或几乎不需要计算机语言知识的低代码和无代码应用程序。
然后，新设计的应用程序可以扩展到企业中处理类似流程和设备的其他用户，Mikula
与此同时，福特也有选择地偏爱人脑而不是软件来分析数据，并且越来越多地转向内部编码人员而不是应用程序供应商。
“解决方案将是取决于应用程序，”Mikula 说。 “有时是软件，有时是处理数据源的数据分析师。我们希望转向更加自主并由机器学习和人工智能驱动的解决方案。去al 将减少对购买的 SaaS [软件即服务] 的依赖。”
最终，Mikula 说，这些努力旨在降低制造的总体成本——节省下来的费用然后可以转嫁给消费者.
谷歌的两家竞争数据巨头亚马逊和微软现在也向制造商提供云托管和软件解决方案。
“有很多玩家一直在外面Mikula 说：“像谷歌、微软和亚马逊这样的工业物联网，他们认识到他们有潜力利用自己的软件优势取代一些传统的工业物联网现有企业。”
科技巨头组成了一个新的三巨头，类似于过去的三巨头福特、通用汽车和克莱斯勒。科技巨头为汽车制造商和其他公司提供的工业软件有助于实现工业 4.0 的组成部分和目标——数字双胞胎、预测性维护、机器视觉 qu质量检查、自主运营等。
虽然这些科技巨头正在利用他们在数据和软件方面的专业知识成为工业 4.0 的一部分，但他们也拥有制造事物的领域知识。
“疯狂”的供应链
“我们可能是世界上最大的制造公司之一，”Google Cloud 制造和工业全球董事总经理 Dominik Wee 说。 “谷歌拥有一个疯狂的、极其深入的供应链。我们的供应链与任何一家全球制造公司一样复杂。”
该公司在其数据中心制造计算硬件并设计自己的计算机芯片。在消费者方面，它生产手机以及为电视添加智能功能的 Chromecast 加密狗。
Dominik Wee 说谷歌云为 m制造产品，就像它以前为消费者所做的那样：使它的技术易于使用，以至于你甚至不会注意到你在这样做。虽然谷歌自 20 多年前成立以来一直是一家制造商，但它开始Wee 表示，在 2018 年谷歌云总裁 Thomas Kurian 受聘时，谷歌大力投资其为他人提供的制造服务。 Kurian 之前在 Oracle 工作了 22 年。
随着制造业变得数字化，谷歌为消费者市场开发的方法正变得与行业相关，Wee 说，他曾在半导体行业担任工业工程师.
“我们相信，我们正处于这样一个时间点，这些技术——主要是分析和人工智能领域——对于典型的工业工程师来说一直非常难以使用，现在正变得如此容易在车间，”他说。 “这就是我们相信我们的竞争优势所在”
Wee 说谷歌在 Kurian 的领导下对其制造技术所做的模仿了它以前在消费者方面所做的事情：让它变得如此容易使用，以至于你甚至不会注意到你在
他说，使用 Google Cloud 的视觉检测进行质量检测就是一个很好的例子。
“由于机器视觉非常先进，因此被广泛用于[质量检测]因此，我们使在车间环境中部署机器学习变得非常容易，并且只使用很少的图像即可完成此操作。你不必成为程序员或机器学习专家就可以做到这一点，”Wee 说。 “它实际上就是指向和点击。”
他指出公司可以轻松地试用 Vision Inspection 然后扩展它：“要转移方法，你不需要从谷歌或让 XYZ 公司为您做这件事。厂里的人都能做到。这是大解锁&mdash；机器学习从幻想转变为在制造业中的广泛应用。”
Wee 说，易用性是公司的竞争优势。
“我们谈论试点差距，”他说。 “许多公司都尝试过机器学习、增强现实和预测性维护，他们在全球制造足迹的某一部分的某个时间点进行了这项工作，而且工作量很大。需要非常专业的人员，但他们永远无法将其扩展。”
Wee 说，除了易于使用外，Google Cloud 还使用开源软件，这使制造商的选择保持开放。
Google 还声称其分析和 AI 的实力是无与伦比的：“作为一家以数据处理为核心的 20 多年存在的公司，我们可以说没有人比我们更了解这一点做，”他说。 “如果您在任何情况下都需要处理大量数据，包括来自商店的 f
劳动力转型
Microsoft 制造业首席技术官 Indranil Sircar 可能会恭敬地不同意 Wee。
Indranil Sircar“Microsoft Cloud for Manufacturing 将帮助客户重新构想他们的企业，建立更灵活的工厂，创建更具弹性的供应链，并转变他们的员工队伍，”他说。
Sircar 已经在微软工作将近十年。在此之前，他在惠普工作了 20 多年。
虽然谷歌和微软都在帮助制造商收集和分析机器数据，但 Sircar 表示，他公司服务中与劳动力相关的部分——包括人工智能和使用 HoloLens 2 的混合现实——重新与 Google 和 Amazon 以及传统工业软件解决方案提供商的所有差异化因素。
例如，梅赛德斯奔驰美国公司使用 Microsoft 的 Remote Assist，它可以让电脑前的人远程帮助佩戴 HoloLens 的人。
p>
在微软网站上的一段视频中，科勒尔盖布尔斯梅赛德斯奔驰的中央诊断技术员埃德加坎帕纳说，“我只需戴上它 [HoloLens] 就可以立即获得支持。当我看着它时，他们可以从字面上向我指出事情。他们可以把它圈起来。他们可以画线。亲力亲为：就在眼前。我可以与他们交谈，实时检查车辆。它非常直观。”
虽然 Remote Assist 是双向的，可以让用户来回交谈，但 Mixed Reality Guides Solutions 只是一个方向，允许受训者单独与全息图或结合物理对象进行交互.
“空客是一个很好的例子le，”Sircar 说，并指出该公司一直在“他们的生产线中使用这些指南，使工人能够非常快速地看到电缆顶部的覆盖层以及它需要如何安装。”
3D 环境可以提供现实训练无法提供的功能，例如从任何角度查看三维元素的能力。
空中客车设计师可以虚拟测试他们的设计，看看他们是否准备好迎接装配线。
Microsoft 生产 HoloLens 2 和 Surface Hub，后者是一种商务交互式白板。它销售实体产品，包括 Xbox 视频游戏机和 Surface 触摸屏个人电脑。
不过，“正如我们所说，制造业已经外包了很多，但......我们肯定管理整条生产线，所有从设计和采购补充件到装配线测试，”Sircar 说。
在云数据方面，公司管理制造
Microsoft 的第一个行业应用程序是在 2002 年，使用名为 Dynamics AX 的企业资源规划软件，他说。 Azure IoT 于 2016 年面世。
同样在 2016 年，Microsoft 受邀参与德国政府的倡议 Plattform Industrie 4.0，Sircar 说。
Microsoft 共同创立了 Open Manufacturing与宝马的平台 (OMP) 联盟。 OMP 推广一种通用的开放数据模型，这是一种供业务和分析应用程序使用的共享数据语言。
使用与 Amazon 相同的技术
Amazon.com 以销售大于制造。但它生产 Kindle、Echo 设备和其他消费产品。它还生产运行其基础设施和自己的计算机芯片的很大一部分硬件。
AWS（亚马逊网络服务）在 2020 年推出了一条工业生产线，包括物联网、人工智能、机器的产品和服务学习、分析和边缘解决方案。
Douglas Bellin该产品线的特色是“来自 AWS 和 AWS 合作伙伴网络的新的和现有的服务和解决方案，专为工业现场的 [软件] 开发人员、工程师和操作员打造，”智能工厂和工业 4.0。“总的来说，它们带来了一种模块化方法，可以进行数据收集、存储、分析和洞察。”
进行这些可能的改进的过程从收集和审查数据的早期开始，并且 AWS 已经想出了几种方法来驯服所有这些“0”和“1”。
“如果你从软件和数据级别开始，有超过 350 种不同的协议在行业中使用，”贝林说，他在思科工作了 10 多年后于 2017 年加入 AWS。
AWS Lookout for Equipment 使用来自现有传感器的历史设备数据，以及来自历史维护事件的信息，并构建了一个自定义机器学习模型来跟踪该机器的正常行为模式。当运营数据偏离已知正常值时，Lookout for Equipment 会通过警报和仪表板将偏差标记给适当的用户。
另一个产品 AWS IoT SiteWise 通过简化从数据库中提取数据来建立单一数据源通常在工业设施中发现，将数据传输到本地或云端，并对其进行结构化处理，以便用户和应用程序轻松访问。该应用程序框架允许计算常见的工业性能指标，例如整体设备效率。它还监控多个工业设施的运营，分析工业设备数据，防止代价高昂的设备问题并减少生产差距。
此外要实现数据标准化，创建智能工厂的另一个常见障碍是整合遗留设备。任何配备 PLC 的机床都会有一些数据要放弃，但与现代机械相比，这将是微乎其微的。作为回应，AWS 有合作伙伴可以添加必要的硬件来跟踪一些机器参数。它还为旋转设备创建了自己的低成本振动和温度传感器，称为 Amazon Monitron。
Amazon Monitron 也是一种基于机器学习的设备状态监控服务，可通过分析传感器信号实现预测性维护来自工业设备，例如电机、泵和齿轮箱。
它是一个完全托管的端到端系统，包括用于捕获振动和温度数据的传感器，以及用于自动将数据传输到 AWS 云的网关，以及用于设置、分析和通知异常机器行为的移动应用程序。
“Amazon Monitron 基于与 Amaz 使用的相同技术上，利用 20 多年的异常检测经验进一步提高模型准确性，”Bellin 说。
借助 Amazon Monitron，可靠性经理可以在几小时内开始跟踪设备状况，而无需任何开发工作AWS 表示，或需要专门培训。
Bellin 补充说，制造商可以使用 Amazon Monitron 实现预测性维护、远程监控设备并跟踪无法访问设备的状况。
