Cloud @ Manufacturing

小朱Microsoft Azure MVP台灣微軟資深講師

2

Agenda•雲端運算•製造業服務化•巨量資料•製造業導入雲端•Microsoft Azure 平台

雲端運算

什麼是雲？一種運用網際擴展與和多種不同的設備與應用相連的運算方法。

5

What’s Cloud Computing?•合久必分，分久必合•Mainframe ( 合 )• Server ( 分 )•Grid Computing ( 分 )• Cloud Computing ( 合 )

•一種集中性的大量運算共用池。•隨選即用，用多少付多少。•服務導向。

6

雲端運算的特性•隨選且自助 (On-demand and Self-services)•寬廣的網路存取 (Broad Network Access)•資源池 (Resource Pool)•迅速且彈性 (Rapid Elasticity)•可測量 (Measured Services)

雲端運算的服務模型

Software-as-a-Service

消費

SaaSPlatform-as-a-Service

平台

PaaSInfrastructure-as-a-

Service

主機

IaaS

8

雲端運算的部署模型•公有雲 (Public Cloud)•個人工作室、小規模團隊及中小型企業愛用的模型。

•私有雲 (Private Cloud)• 2011-2012 年被市場重視的部署模型。

•混合雲 (Hybrid Cloud)•目前最被市場重視的部署模型。

•社群雲 (Community Cloud)•產業聯盟採用的部署模型。

製造業服務化

10

製造業的特性•有實體的產品•有明確的生產流程•有明確的客戶•產品賣出去才有錢賺•有庫存壓力 ( 成本 )•毛利率低 ( 代工業 )

11

ERP•製造業不可或缺的資訊系統。•管理原料與成品資訊。•管理庫存，成本與利潤。•管理生產流程上的動態。•管理與客戶間的關係。•分析與決策。

12

服務化 (Servitization)•以顧客導向為主，提供結合產品和服務的“ bundled offering” ，以提升企業和顧客的一致目標•最大化價值 & 最小化實體成本和數量

•牽涉「製造系統的創新」•全生命週期的思維、新的價值主張、營運模式、內外組織

流程與能耐、人力訓練等配套措施 •服務導向的售前諮詢，客制生產與售後服務。•很多有趣的方向可做。

Reference: 陳信宏 + 余佩儒，「 2.5 產業」之製造服務化， 2009

13

服務化 (Servitization)•售前諮詢•如何事前就預測出客戶的喜好 ?•如何在洽談過程中提出與客戶需求相符的產品或計畫 ?

•客制生產•如何在客制的情況下降低成本 ?•如何應對客戶非預期的變化 ?

•售後服務•客戶滿意度追踪。• Case Study

14

服務化與雲端•雲端提供近乎無限的運算與儲存資源。•數千數萬部電腦的平行作業。•數 PB 及的資料儲存。•分析服務。

•服務端的需求•分析交易資料 掌握客戶的採購慣例。•分析製程資料 優化流程。•分析客戶回饋資訊 掌握可能的潛在購買趨勢。

巨量資料

16

Internet 的演進

Publis

h

Info

rm

Inte

ract

Inte

gra

te

Transa

ct

Dis

cover

(inte

lligence

)

Auto

mate

(dis

covery

)

time

scale

Soci

al m

edia

and n

etw

ork

ing

Semanticdiscovery

Data-intensiveHPC, cloudweb deep web

Data

mark

etp

lace

and a

naly

tics

Cheap Storage

$100 gets you 3million times

more storage in 30 years)

Inexpensive Computing

1980 10 MIPS/$ 2005 10M MIPS/$

Device Explosion

>5.5 billion (70+% of global population)

關鍵趨勢

Social Networks

>2 Billionusers

Ubiquitous Connection

Web traffic2010 130 Exabyte (10 E18)

2015 1.6 ZettaByte (10 E21)

Sensor Networks

>10 Billion

物聯網

Audio / Video

Log Files

Text/Image

Social Sentiment

Data Market Feeds

eGov Feeds

Weather

Wikis / BlogsClick

Stream

Sensors / RFID / Devices

Spatial & GPS Coordinates

WEB 2.0Mobile

Advertising

Collaboration

eCommerce

Digital Marketing

Search Marketing

Web Logs

Recommendations

ERP / CRM

Sales Pipeline

PayablesPayroll

Inventory

Contacts

Deal Tracking

Terabytes(10E12)

Gigabytes(10E9)

Exabytes(10E18)

Petabytes(10E15)

用途與範圍

資料量

1980190,000$

20100.07$

19909,000$

200015$

Storage/GB

ERP / CRM WEB 2.0 物聯網

何謂巨量資料 (Big Data)?

Devices: Internet & Internet of things (IoT)

Internet of

things Invisible devicesTrillions of networked

nodes

Low bandwidth last-mile

connection

100kBit/sec

Mostly addressed by local schemes

Machine-centric Sensing-focus

Trillions of computer-enabled

devices which are part of the

IoT

Global addressing

User-centricCommunication-

focus

Internet

Laptops / tablets / smartphones

Billions of networked devices

High-bandwidth access

Cable: 10Mbs+Fiber: 50-100Mbs

6+billion people

1.5 billion use net

US: 4.3 devices per adult

Hadoop

Hadoop 分散式架構

FIRST, STORE THE DATA

Server

ServerServer

MapReduce: Move Code to the Data

Files

Server

SECOND, TAKE THE PROCESSING TO THE DATA

So How Does It Work?

// Map Reduce function in JavaScript

var map = function (key, value, context) {var words = value.split(/[^a-zA-Z]/);for (var i = 0; i < words.length; i++) {

if (words[i] !== "")context.write(words[i].toLowerCase(),1);}}};

var reduce = function (key, values, context) {var sum = 0;while (values.hasNext()) {sum += parseInt(values.next());

}context.write(key, sum);};

ServerServer

ServerServer

RUNTIME

Code

Traditional RDBMS vs. NoSQLTRADITIONAL RDBMS HADOOP

Data Size Gigabytes (Terabytes) Petabytes (Exabytes)

Access Interactive and Batch Batch

Updates Read / Write many times Write once, Read many times

Structure Static Schema Dynamic Schema

Integrity High (ACID) Low

Scaling Nonlinear Linear

DBA Ratio 1:40 1:3000

製造業導入雲端

26

觀念•使用雲端的什麼 ?•運算能力 (ex: Web, Distributed Application)•儲存能力 (ex: NoSQL storage, DBMS)•服務 (ex: Hadoop Services)

•現有流程哪些可運用雲端 ?•產品資訊•製程•客戶資訊

製造躍雲端 要懂服務

Source:http://udn.com/NEWS/FINANCE/FIN3/8468511.shtml

28

導入雲端的步驟•評估公司規模。•評估技術能力。•評估可能成本。•分析營運流程與資訊流。•設計服務。•發展服務。•營運與維護服務。

Microsoft Azure

Azure footprint

2014年全球會有 16座資料中心

全球 500 大企業使用 Azure

>57%

>250k活躍中的網站數

高於

1,000,000

Azure 內的 SQL Database 數>2

0 兆個儲存物件

>300

百萬個AD 使用者

>130

億個驗證工作

>2 百萬個

要求 /每秒

>1 百萬個

開發人員註冊了 Visual Studio Online 的帳戶

開發語言與工具.NET, Visual Studio, TFS + Git, Java, NodeJS, PHP, Python, Ruby, C++

微軟雲端基礎建設

WebMobileGamingCloud services

DataAnalyticsMediaIdentity

基礎Windows VMsLinux VMsStorageNetworking

平台Microsoft Azure

Thank you.Q&A