Google Cloud推出Manufacturing Data Engine和Manufacturing Connect兩項全新的解決方案，協助製造業夥伴連接既有的孤島資產、處理和標準化資料，並提高從廠區生產到雲端的資料可視性。在資料完成整合後，這些解決方案將能應用於三種以AI和分析為基礎的關鍵用途－製造分析和洞察、預測性維護和機器層級的異常檢測。
在客戶期望值上升、供應鏈波動、買家行為轉變等因素的推動下，製造商正在進行大規模的數位轉型。然而，只有21%的製造商在生產中積極導入AI技術，來協助解決相關問題。儘管能透過人工蒐集來自不同系統間的資料，用以進行AI和分析測試，但要達到可以用於實際生產時的資料規模，仍需要即時地將孤立的資料集中存取。此外，許多既有的AI和分析解決方案都僅供數據資料學家使用，這對製造業者而言並不友善。
有了Manufacturing Data Engine和Manufacturing Connect的協助，製造商能透過雲端基礎架構中易於使用的分析和AI解決方案，整合資料並提升工作效率：
- Manufacturing Data Engine是一種端到端解決方案，可在Google Cloud的資料平台上處理、脈絡化和存取工廠資料，並為工廠資料的擷取、轉換、儲存和存取，提供可靈活自訂的藍圖。Manufacturing Data Engine更整合了Google Cloud的幾項重要產品，包括Cloud Dataflow、PubSub、BigQuery、Cloud Storage、Looker、Vertex AI、Apigee等，至製造業專屬的解決方案中。
- Manufacturing Connect是Google Cloud與Litmus Automation共同開發的工廠邊緣運算平台，基於多達逾250種機器通訊協定的龐大資料庫，可以與幾乎所有的製造資產和工業系統快速連結，並將資料傳輸到Google Cloud中。透過與Manufacturing Data Engine的深度整合，更能將機器及感應器上的資料快速導入Google Cloud中進行處理。透過能將容器化的應用程式和機器學習模型部署到邊緣環境的能力，為Google Cloud的技術應用帶來更多可能。
資料一旦由Manufacturing Data Engine和Manufacturing Connect集中整合後，就可以為越來越多的產業專屬用途提供解決方案，包括：
- 製造分析和洞察：幫助製造商快速建立可自訂的資訊主頁，從工廠KPI（如整體設備效率）到單一機器感應器資料等，以視覺化的方式呈現關鍵數據。與Manufacturing Data Engine整合後，工程師和工廠經理可以自動建置新的機器和工廠，並啟用標準化的資訊主頁、檢視KPI和隨選分析功能，進而發掘整個工廠的新洞察和機會，且這些內容更能在企業和合作夥伴之間輕鬆共享。
- 機器層級的異常檢測：幫助製造商識別異常狀況，並利用Google Cloud的Timeseries Insights API針對機器和感應器的資料（例如噪音、振動或溫度）提供即時警報。
- 預測性維護：讓製造商可以利用能在數週內完成部署的機器學習模型和高準確度的AI最佳化技術，協助他們預測資產的服務需求，進而減少停機時間和維護成本。
Google Cloud供應鏈和製造業部門總經理Hans Thalbauer表示，整合系統間的差距，並將易於使用的AI解決方案直接提供給製造業工程師，將能帶來更好的成果。這些全新的解決方案能為工程師提供自給自足的工具，用以支援工作團隊的轉型計畫，而無需數據資料學家或額外的整合程式碼幫忙。