AWS、Google、Microsoft三巨头以先进数据与软件方案驱动制造创新

Ford Motor在装配线增设多种传感器将大数据变“更大数据”，并民主化数据访问。“我们用红外监测、振动传感器补充循环时间、压力等传统数据，丰富设备生成数据池。”车辆项目制造总监Mike Mikula说，“现可围绕这些信号对产品质量、工艺效率、设备健康构建更智能分析。”

“大多大型IoT平台”助力Ford。Ford与其中之一Google宣布合作，涵盖工业云数据管理服务、分析软件应用等。为推成果至车间，Ford构建IoT数据平台，让生产工人通过低代码/无代码应用访问分析，无需计算机语言知识。新应用可扩展至处理同类流程设备的企业其他用户。

同时Ford选择性偏向人脑分析数据，更多转向内部编码而非应用供应商。“视应用而定：有时是软件，有时是数据分析师碾压数据源。我们想向机器学习和AI驱动的更自主方案演进，降低对购买SaaS依赖。”最终目标降低整体制造成本，惠及消费者。

Google的两大数据对手Amazon与Microsoft现也向制造商提供云托管与软件方案。Mikula说：“Google、Microsoft、Amazon等原工业IoT圈外玩家，识别出利用软件优势置换传统IIoT既得利益者的潜力。”

科技三巨头成“新三巨头”，仿昔日Ford、GM、Chrysler“老三巨头”。它们的工业软件助车企等实现工业4.0组件目标：数字孪生、预测性维护、机器视觉质检、自主运行等。同时它们因“造东西”拥有领域知识。

“疯狂”供应链

Google Cloud制造与工业全球总监Dominik Wee说：“我们大概是世界最大制造公司之一。Google供应链疯狂、极深，复杂度媲美任何全球制造企业。”

Google自造数据中心计算硬件、自研芯片。消费端造手机、Chromecast电视加智能键。虽自创立20余年即制造，但2018年Google Cloud总裁Thomas Kurian（前Oracle 22年资深）入职后重注制造服务。Wee曾任半导体行业工业工程师，称随制造数字化，Google为消费市场开发的方法论成工业相关技术。“我们认为当下时刻，主要是分析与AI领域、曾让典型工业工程师难用的技术，正变得在车间极易用。这是我们竞争差异化所在。”

Google让技术易用到“你甚至没察觉在用”。Vision Inspection质检即例：“机器视觉先进、多用于质检，我们让车间部署机器学习极简、极少图像即可。无需程序员或ML专家，字面意义‘点点点击’。”

易于试点并扩展：“迁移方法论无需Google或第三方介入，厂内员工自行完成。这是大解锁——机器学习从幻想走向制造业广泛应用。”开源软件保持制造商选择开放。Google主张分析AI实力无匹：“数据处理是20+年核心，没人比我们更懂。车间海量数据任何场景，我们主张最适合。”

转型劳动力

Microsoft制造业CTO Indranil Sircar或礼貌异议。“Microsoft Cloud for Manufacturing助客户重塑企业：建设更敏捷工厂、更韧性供应链、转型劳动力。”

Sircar任Microsoft近十年，前HP 20+年。虽Google、Microsoft均助制造商采集分析机器数据，但Sircar称劳动力相关组件——含AI与HoloLens 2混合现实——是区别于Google、Amazon及传统工业软件商的真正差异化。

例：Mercedes Benz USA用Microsoft Remote Assist，电脑端专家远程助佩戴HoloLens者。视频中Mercedes Coral Gables集中诊断技师Edgar Campana：“戴上即得即时支持。他们能指着我视野里的东西、圈圈、画线。是动手的：就在那里。可边聊边实时走查车辆，极直观。”

Remote Assist双向对话；Mixed Reality Guides单向，让受训者独自或结合实物与全息图交互。“Airbus典范：生产线用Guides，让工人快速看清缆线叠加与装配指引。”3D环境提供实训无法比拟的特性：任意角度三维查看元素。Airbus设计师虚拟测试设计是否可上装配线。

Microsoft造HoloLens 2、Surface Hub商用交互白板、Xbox、Surface触屏PC。“制造外包虽多，但我们全程管理从设计、采购零部件到装配线测试。”云数据端管理基础设施端到端。2002年Dynamics AX ERP为Microsoft首个工业应用。2016年Azure IoT可用，同年受邀参与德国Plattform Industrie 4.0。与BMW共同创立开放制造平台（OMP）联盟，推广通用开放数据模型——业务与分析应用共享数据语言。

用Amazon自用同款技术

Amazon.com以卖闻名，但造Kindle、Echo等消费品，也造跑基础设施的大部分硬件、自研芯片。AWS（Amazon Web Services）2020年推工业线，含IoT、AI、ML、分析、边缘产品服务。

“面向工业现场开发者、工程师、操作员的AWS及合作伙伴网络新旧服务方案，带来模块化方法实现数据采集、存储、分析、洞察。”智能工厂与工业4.0全球业务发展负责人Douglas Bellin说。Bellin 2017年入职AWS，前任Cisco 10+年。

改进从早期采集审视数据开始，AWS驯服海量“0/1”有多招。“软件数据层面，行业用350+不同协议。”

AWS Lookout for Equipment用现有传感器历史设备数据、历史维护事件信息，构建定制ML模型追踪机器正常行为模式。运行数据偏离常态即通过警报仪表盘标记提醒。

AWS IoT SiteWise建立单一数据源：简化从工厂常见数据库提取数据、本地或云端传输、结构化为易访问格式。应用框架支持工业通用绩效指标计算（如OEE），跨多设施监控运营、分析设备数据、预防高昂设备问题、减少生产间隙。

除标准化数据，遗留设备接入是建智能工厂常见拦路虎。任何配PLC机床都有数据可出，但远少于现代机械。AWS引入合作伙伴加装硬件追踪参数，自研低成本振动温度传感器Amazon Monitron用于旋转设备。

Amazon Monitron也是基于ML的设备状态监测服务，分析工业设备（电机、泵、齿轮箱）传感器信号实现预测性维护。全托管端到端系统：含采集振动温度的传感器、自动传输数据至AWS Cloud的网关、用于设置、分析、异常告警的移动App。

“Amazon Monitron基于Amazon自用同款技术，利用20+年异常检测经验提升模型精度。”Bellin说。可靠性经理几小时内无开发无专业培训即可启用设备状态追踪。制造商可用其启用预测性维护、远程监控设备、追踪难达设备状况。