云創(chuàng)未來 | 云計算技術如何變革工業(yè)領軍企業(yè)運營模式

亞馬遜首席技術官Werner Vogels博士在接受華爾街日報采訪時談到，他一直都對工業(yè)革命深感興趣，并深入探討了工業(yè)領軍企業(yè)如何利用云計算技術變革運營模式的話題。工業(yè)革命期間涌現出大量技術創(chuàng)新，徹底改變了工業(yè)運營模式，商品可以大規(guī)模生產，且價格不斷降低。他不由得萌生出一個想法，將工業(yè)革命與目前在進行的科技革命進行比較。18世紀，蒸汽機使制造業(yè)發(fā)生巨變；同樣，當今云計算技術通過互聯網按需提供IT資源，也正在重構工業(yè)運營模式。

數據湖、物聯網（IoT）、邊緣計算技術、機器對機器通信技術，以及機器學習（ML），都是工業(yè)數字化轉型的組成部分。工業(yè)數字化轉型也稱為工業(yè)4.0，其中最值得一提的是云計算技術，其不僅可以幫助工業(yè)企業(yè)降本增效，還可以提升企業(yè)的敏捷性、產品質量、安全性及可持續(xù)性。

Werner說，“在亞馬遜云科技，我有幸與大眾汽車、喬治亞太平洋、INVISTA、開利和通用電氣等工業(yè)巨頭合作，它們均正在使用云計算技術變革運營模式。這些企業(yè)，以及其他成功實現數字化轉型的企業(yè)，深諳大規(guī)模收集和管理數據之道，并且擁抱機器學習及邊緣解決方案；同時，它們在這一方面，并非孤軍奮戰(zhàn)?！?/p>

大規(guī)模數據收集和管理

工業(yè)企業(yè)在數字化轉型初期面臨的最大挑戰(zhàn)之一是大規(guī)模收集和管理數據。工業(yè)企業(yè)每天創(chuàng)造TB級的數據，而這些數據往往分散孤立，散布于專有本地數據存儲、工業(yè)應用程序和物聯網設備。因此，它們幾乎無法從一個或多個工廠的不同生產線，獲取生產效率及設備可用性等重要指標。

然而，對于大眾汽車等云端企業(yè)而言，擴展存儲容量、計算規(guī)模和分析范圍卻輕而易舉。它們僅需幾分鐘，即可完成擴大或縮小操作。同時，云計算技術還提供了集中整合和存儲數據的場所，便于企業(yè)隨時隨地訪問和分析數據。大眾汽車有124家工廠，分布于世界各地，分別采用不同的數據解決方案；通過將這些工廠的數據遷移至統(tǒng)一的云端存儲架構，大眾汽車的生產效率有望提高30%。

在邊緣設備上實時進行機器學習

云計算技術對于預測性維護和自動化質量控制也至關重要。要實現預測性維護和自動化質量控制，需要海量數據訓練機器學習模型，但是在數據分散孤立的情況下，這一點難以做到。然而，如果數據集中存儲在云端，機器學習便具有可行性。

此外，快速識別缺陷產品或機器，同樣也十分重要。以一臺典型的紙制品機器為例，如果該機器發(fā)現劣質品并做出生產決定，需要60秒，則在做出決定時，該機器可能已生產出大量不合格品。機器要實時、自動做出決定，需要在邊緣設備上進行機器學習。

邊緣設備，例如工業(yè)設施內的傳感器等，依靠云計算技術處理、分析、存儲數據及進行機器學習；同時，邊緣設備自身也執(zhí)行一定的處理操作，例如機器學習推理等，以縮短延遲時間。

綜合運用邊緣計算領域的機器學習能力和計算機視覺技術，可以進一步提高機器識別缺陷產品的速度。通過計算機視覺技術，機器可以更快速，更高效地識別圖像中特定事物，例如缺陷產品等，而且識別準確度達到甚至超過人眼水平。例如，喬治亞太平洋在生產紙巾過程中，使用計算機視覺技術、機器學習和邊緣技術，減少了破裂紙巾數量，幫助提高了產品質量，增加了數百萬美元的利潤。

專家提供協助

工業(yè)企業(yè)單靠自身力量，難以實現大規(guī)模數字化轉型，因為大規(guī)模數字化轉型通常需要一系列技術。因此，工業(yè)龍頭企業(yè)正在與云計算技術領域經驗豐富的組織合作，加快數字化轉型進程，打造持久競爭優(yōu)勢

例如，中聯重科與亞馬遜云科技開展了業(yè)務合作，將云谷工業(yè)互聯網平臺ZValley OS遷移上云。它承接了中聯重科的物聯網和大數據平臺，連接了總價值超過千億的高價值設備資產，積累了PB級別的相關數據。從系統(tǒng)的架構設計、服務器資源配置、人員培訓到現場輔導，亞馬遜云科技專業(yè)服務團隊為中科云谷提供了及時的幫助，使其技術人員能夠快速掌握亞馬遜云科技的使用，加快產品的開發(fā)和迭代速度。

具有獨特視角的云服務提供商

25年來，亞馬遜一直在設計和制造智能產品，并憑借全球分銷網絡，銷售了數以億計的產品。亞馬遜云科技依托亞馬遜這25年的豐富經驗，以獨特的視角，為客戶制定工業(yè)云解決方案。

我們提供專門針對工業(yè)客戶的一系列服務，包括物聯網、人工智能、機器學習、數據分析、計算、存儲和邊緣計算服務，使客戶無需具備豐富的云計算技術或機器學習經驗，即可輕松取得數字化轉型進展。

*本文摘錄部分內容，原文稍有改動，并結合中國本地客戶案例。