制造业在应用技术解决方案进行创新、改进规划和提高车间生产率方面并不陌生。上世纪 60 年代，该行业乘着技术进步的浪潮，采用计时系统和生产跟踪系统来实施精益生产理念。上世纪 80 年代，制造商们还利用计算机辅助设计和计算机辅助制造应用软件来革新工业设计。
采用技术的趋势一直延续到网络时代，制造商采用企业关系平台（ERP）和开发库存管理流程，以提高客户满意度。如今，相对较新的技术解决方案可帮助制造商驾驭复杂的制造生态系统，这些生态系统受到需求增长、政府法规以及确保收入可持续增长的战略需求的驱动。云计算或工业云就是这样一种解决方案，本篇文章将讨论可以应用云计算的 5 个关键领域。
制造业对数据生成技术的采用率达到了前所未有的水平。在普通生产车间部署物联网、智能设备和其他设备，可利用这些资产生成大量数据集。在早期，只要能测量生产周期的吞吐量，来自这些数据源的数据在很大程度上就会被忽略。
引入工业 4.0 所倡导的互联系统意味着要捕捉和分析生产数据，以开发对车间操作员来说更高效、更安全的智能制造设备。普通车间产生的大数据集需要一个可扩展的集中平台来收集和规范数据。一般来说，企业内部数据存储技术以确保信息安全为幌子，但总的管理成本意味着它不再可行。
建立一个拥有 1024GB 存储空间的内部数据存储设备的总成本在 7 年内约为 23.5 万美元。相反，使用云计算服务 7 年的成本为 11.9 万美元，这说明云计算在将生产数据纳入统一管理时具有很高的成本效益。其他需要考虑的成本包括处理停机时间，这对于内部计算资源来说是一项个人任务，而维护工作则由云计算服务提供商负责。
工业云是一种虚拟环境，可为特定行业的应用提供支持性环境。对于工业云来说，一个完美的比喻是，它就像建筑物的地基，支撑着门、窗和其他楼层等结构。工业云为制造商提供了开发 OEE 应用程序或物联网监控应用程序等应用程序的工具，这些应用程序可适用于网络和移动应用。
在这种情况下，云可作为软件即服务（SaaS）平台，用户可使用大量开发工具。制造商可以采集数据并开发用于从中获得数据驱动的洞察力的应用程序。云还支持使用应用程序接口（API），自动收集和规范来自不同数据生产源的数据。
例如，应用程序接口可支持从部署的设备、边缘设备和物联网框架中收集数据。然后，收集到的数据会根据其使用方式自动规范化为指定的部分或类别。云计算支持的自动化功能可使数据分析师免于执行将数据输入应用程序或电子表格的重复而耗时的任务。
分散数据分析的需求已被确定为实现智能工厂的关键要求之一。在这里，分散指的是单个车间资产分析数据和采取行动的能力，而无需从集中式平台进行通信或接收指令。虽然边缘设备可以处理数据分析，但它们配备的计算资源有限，无法管理较小规模的分析。
要进行全设备分析或管理物联网解决方案的大规模部署，则需要更多的计算机资源。云计算可提供可扩展的基础设施，为边缘设备产生或丢弃的数据提供支持。边缘物联网平台也由云基础设施提供支持，这些平台用于监控和管理边缘设备，如自主机器人和部署在车间的各种传感器。
制造车间的数字化转型将为拥抱数字化的制造商带来巨大收益。这些收益来自于利用基于风险的排程软件、数字孪生、需求预测和产能规划工具等解决方案来做出数据驱动型决策和实施自动化活动。
云技术提供了一个支持性平台，使上述技术在改造流程时得以应用。例如，生产周期中的不同成员无论身处何地，都可以通过移动设备访问基于云的调度和模拟平台的优化分析。因此，在实施新的生产政策或应对复杂的运营挑战时，可为利益相关者提供单一的真相来源。
数字孪生还利用云计算来管理通过部署在车间内的物联网设备流向数字孪生平台的大数据集。工业云提供的可扩展性可确保实时数据产量的增加不会压垮数字孪生应用的计算资源。
如前所述，依靠工业云可以将维护内部存储和计算资源的成本大幅降低一半。云计算支持向工业 4.0 的转变，以及提供智能工厂所需的各种硬件和软件应用程序。向云服务提供商订购服务后，配置、更新和维护基础设施的责任就交给了服务提供商。
平均而言，云服务提供商比制造业运营商拥有更丰富的信息技术经验，后者更擅长操作技术。利用服务提供商提供的支持，制造商可以自由地专注于在优化的环境中生产高质量的吞吐量这一重要任务。
工业云为制造业正在进行的大规模数字化转型提供了所需的计算资源。这 5 个使用案例强调了利用云计算实现可持续发展的可能性，但将决定个别实施策略的责任留给了制造商。