你的智能工厂有多智能？

从引进装配线到全球供应链，再到引进机器人技术，汽车工业一直处于制造业持续性变革浪潮的前沿。现在，它正在投资于下一个重大变革——智能工厂。该阶段的特点是连接、弹性和生产环节中大规模地产生和利用数据。作为工业4.0的核心组成部分，我们相信智能工厂会显著提高生产率。但将工厂连接到云端并收集数据并不能使其成为一个智能工厂。创建多用途数据和分析基础才能增加智能工厂项目交付的净价值。

事实上，大多数最初的“智能工厂”项目都是由数据和分析孤岛提供的，这些孤岛提供了一小部分优秀的产品。与内部部署方案相比，在云上管理这些解决方案具有显著的成本和部署优势。然而，如果缺少策略来构建集成的数据来支持所有的智能工厂计划，那么单个项目的方法将很快导致无法预见和管理的成本，从而导致失败。

新挑战，高期望

一个以提供高质量、高效率的产品而自豪的行业现在意识到，它必须动态地改变自己，以满足客户快速发展的需求。为大众市场建立的生产线必须转变为提供大规模的定制产品，而不必增加成本或降低效率，因为这些成本或效率在几十年的进步中已被有效地改善了。由智能工厂能力驱动的柔性制造原则是答案的核心部分。

危险在于，运行单独的、孤立的智能工厂项目不会带来预期的生产力的阶段性变化。这些项目既不可重复也不可共享，而且数据和分析管理的开销，很快就会产生超过收益的成本。为了应对成本上升，分析也需要产业化。这一挑战已被制造商视为适用于所有人的全行业挑战，许多行业领袖已结成联盟——开放式制造平台——直接应对大规模智能制造的共同挑战。

我们需要的是数据连接的基础。代表每辆车的每一个过程步骤的数据可以而且应该在数字领域中连接，为每个VIN编号创建一个数字线程。这种数据的数字化线程对于理解工厂中每个生产步骤之间，以及内部的相互作用至关重要。如果使用正确，数字线程可以检测生产过程中所有更改的影响。反过来，也可以面向全球的优化需求开展大规模定制。

连接和复用

连接的数据能够为企业甚至整个生态系统里的“门店”提供可复用、可共享和可移植的分析解决方案。每个项目团队收集和准备数据，通过构建分析模型，解决特定的改进机会。这是“已发布”的，因此可以很容易地在整个企业或生态系统中复用（部分或全部）。由于使用机器数据是质量、生产和维护分析中常见的需求，因此可以使用相同的数据来实施其他解决方案，从而从基本相同的数据集中进一步提升价值。这也是Teradata引以为傲的合作伙伴——大众汽车的工业云实施的前提条件。

降低总成本基数

工厂是成本中心，所以总是必须少花钱多办事。正如共享车辆平台，在过去几十年中，改变了行业领先的汽车公司的成本基数和效率一样，集成数据平台也可以在互联工厂中管理成本。所有数据集都要承担维护成本，常规分析也要承担维护成本，以确保数据质量不会漂移，分析与业务保持同步。人工智能和机器学习算法需要对大数据集进行定期训练，这进一步增加了利用这项技术提高产出的成本。

OEM厂商如果希望提高生产率和灵活性的同时，降低总生产成本的话，那么必须考虑采用集成的数据平台来支持这项工作。如果没有能提供共享分析模型和流程的集成平台，OEM厂商可能会发现自己只是将成本从车间转移到了数据中心，而不是通过分析解决方案实现生产力改进的全部价值。由于实施智能工厂所涉及的数据和常规分析体量非常庞大，因此分析和数据管理成本可能会迅速上升。复制这些数据集以及伴随的常规分析工作会增加智能工厂部署的非必要维护成本。

Teradata Vantage结合了Teradata在数据运营与分析运营方面的专长，已经验证可以实现规模化的分析，是实现真正的智能工厂的理想的基础平台。同一代码库可以直接转移到Teradata本地、云服务提供商的实例上—即使分析托管平台策略在不同国家或工厂之间有所不同，也可以确保使用寿命和复用性。Teradata可以为智能工厂赋能，并致力于高效地批量生产和大规模定制高质量产品。