随着其制造数据云的首次亮相，Snowflake 现已成为这一行动的一部分。该公司表示，这一新产品将使汽车、技术、能源和工业领域的公司能够利用 Snowflake 的数据平台、合作伙伴解决方案和行业特定数据集，挖掘孤立工业数据的价值。
Snowflake 数据云为数据仓库、SQL 分析、机器学习、数据工程和第三方数据货币化提供了一个平台。制造数据云以这些功能为基础，提供行业解决方案，帮助制造商为其业务奠定基础，提高供应链绩效，并推动智能制造计划。数据云是一个完全托管的安全平台，具有统一治理和多云数据整合功能，该公司声称可以支持几乎任何规模的存储、计算和用户。
“我们对 Snowflake 平台以及我们的合作伙伴解决方案和数据在制造数据云中的整合感到非常兴奋，因为我们知道这将对制造商有很大帮助，”Snowflake 全球制造主管 Tim Long 在接受采访时表示数据纳米。
Long 领导该行业的上市团队，并已与 50 多个合作伙伴合作推出此产品。他与数百家全球制造商会面，了解他们在半导体制造行业 20 年的经验中面临的挑战。Long 在半导体制造商 Micron 领导数据和分析实践，该公司采用 Snowflake 并发现它是统一公司数据和提高工厂绩效的最佳平台。“我们在短短四个月的时间内将整个制造数据足迹从本地迁移到云中的 Snowflake，”他说。“通过那次经历，我直接了解了制造商在数据方面面临的机遇和困难。”
通过可见性优化供应链绩效
供应链绩效对成功的制造运营有着巨大的影响，Long 认为，在工厂的四堵墙之外观察整个供应链正在发生的事情是关键：“我们的论点是提高该业务的绩效，实现这一目标的途径是通过更好的可见性。提高可见性的方法是拥有更好的数据，这些数据可以扩展到第一方数据之外，扩展到企业的直接视图之外。”
Snowflake 的制造数据云通过将其专有数据与合作伙伴数据和来自 Snowflake Marketplace 的数据相结合，通过跨组织整个供应链的数据共享和协作来提高下游和上游的可见性。然后，公司可以通过 SQL 和Snowpark来利用这些数据，Snowpark 是 Snowflake 的 Python、Java 和 Scala 开发人员框架。该平台允许不同的团队与共享数据协作，为预测需求、原材料价格和能源价格等用例构建人工智能和机器学习模型。
Snowflake 解决方案建立在 Snowflake 之上，使用 Snowflake 的数据协作提供数据连接，并且可以深入了解供应商的表现。Snowflake Marketplace 中提供的这些合作伙伴解决方案之一来自货运跟踪专家公司FourKites。该公司为陆运或海运产品提供近乎实时的跟踪洞察，制造商可以直接从 Snowflake 制造数据云中获取 FourKites 数据。Long 解释了他们如何将这些见解与内部数据相结合，以更好地确定他们的时间优先级，以确保客户货物以可控成本准时到达，同时提到 3M 是该功能的当前客户。
提供工业应用程序的其他合作伙伴的例子包括基于云的供应链风险管理和商业市场平台提供商Avetta，以及供应链优化软件专家Blue Yonder和云原生供应链自动化平台Elementum。
AWS是此版本的众多技术合作伙伴之一，其解决方案使制造商能够调动驻留在不同位置的数据集以进行综合分析。另一个是Fivetran，其解决方案可以在将数据从 SAP 系统和 SaaS 应用程序等数据库移动到新的制造数据云时自动执行 ELT 流程的各个方面。Dataiku还是批处理性能优化器的合作伙伴，可将传感器、物联网和历史批处理数据提取到 Dataiku 中，以评估和预测批处理结果。
为工业 4.0 提高工厂效率
除了供应链优化外，Snowflake 的制造数据云还致力于改善工厂运营。
“如果我们转向并审视工厂内部，我们会看到制造商试图使用智能制造或有时被称为工业 4.0 等技术来提高效率。下一次工业革命真正归功于现在数据和人工智能的可能性，”Long 说。
人工智能技术极大地扩展了数据摄取能力，制造数据云为半结构化、结构化和非结构化数据提供原生支持，包括来自车间传感器和设备的大量物联网数据。在 Snowflake 中统一这些数据可帮助制造商简化多个工厂的运营，并具有预测维护需求、分析周期时间以及提高产品产量和质量的能力。
直到最近，车间的技术进步还不如制造的其他方面。运营技术 (OT) 与运行车间的系统相关，车间是核心制造业务的核心。Long 表示，这些系统由现场工程师监督，通常不在 IT 的权限范围内。OT 数据由传感器和有时可能非常陈旧的遗留设备生成。
“制造商通常无法使用这些数据，因为提取这些数据并将它们带到可以挖掘它们以获得有关产品产量和工厂效率的见解的位置非常困难，”Long 指出。
此版本的相关 Snowflake 合作伙伴是Riveron，他是 OT 专家，打包了一组技术，Long 说这些技术是一流的，可以从车间获取数据，或者他称之为边缘到雪花，以可扩展和高效的方式方式。
Riveron 的产品之一来自Opto 22，这是一家工业自动化公司，生产专用物理硬件设备，能够使用任何可用的网络接口连接到多种类型的机器设备。该设备运行来自另一家专业公司Inductive Automation的软件，该软件可以翻译数百种通信协议，将它们以标准消息格式汇集在一起，由Cirrus Link 提供便利，以流式传输到 Snowflake 中。
“[解决方案] 是完全边缘驱动的，这意味着车间的资产可以在那里定义，”Long 说。“定义是诸如‘资产本身是什么，正在收集什么测量值，测量单位是什么？’之类的东西。” 这些信息将直接流入 Snowflake，在那里它被动态地具体化以供分析和 Snowflake 使用。不需要额外的配置设置来定义云中的这些资产，我们认为这是 Snowflake 产品所独有的。” Long 还提到支持作为 Cirrus Link 消息传递标准一部分的所有不同数据类型，他说这是 Snowflake 与其竞争对手相比的另一个关键区别。
用数据和人工智能驱动行业
几家大型全球制造商已经在使用 Snowflake 制造数据云，包括计算互连供应商Molex，该公司正在使用该平台推动其数字化转型工作。
另一个客户是斯堪尼亚，这是一家卡车、公共汽车和工业发动机制造商，使用 Snowflake 持续传输数据并支持机器学习计划以监控车辆性能。
“随着他们转向电动汽车，他们意识到数据对于下一代产品的成功有多么重要，”朗谈到斯堪尼亚时说。“他们正在使用 Snowflake 捕获道路上 600,000 辆卡车的互联车辆数据，并使用这些数据向卡车运营商提供高价值服务——比如优化维护计划、建议调整这些车辆的运行方式、等，以从车辆中获得最大价值和性能。”
“Snowflake 的制造数据云提供了我们所需的数据基础，可以从我们从 600,000 辆汽车的车队收到的 1.5 亿条流消息中获取洞察力，”斯堪尼亚产品负责人 Peter Alåsen 在一份新闻稿中说。“借助 Snowflake，我们能够根据车辆运行和车间可用性推荐维护，从而减少客户的停机时间，同时还可以增加围绕服务以及其他数字或实体服务的创收活动。”
Long 对新版本为全球制造商带来的全球前景和机遇充满热情：“我们在制造数据云中使用 Snowflake 解锁了很多机会。我们很高兴能与世界分享这些，”他说。
