立即加速：通过生态系统方法推动快速和持续的价值

在 COVID-19 大流行之后，制造业正在恢复生机，随之而来的是对数字化转型计划的重新关注。该行业正站在其备受期待的复兴的门口，很明显，制造业领导者不仅需要拥抱创新，而且需要加速创新，同时管理关键流程，例如在保持产品质量的同时增加产能。有效的合作将是做好这两件事的关键；但随着劳动力的流失并且大部分地区仍然偏远，这一点变得更加重要。

随着病毒席卷全球，很明显会有赢家和输家。可以说，许多制造商措手不及。在制造业进行上述计算之前，该行业已经因缓慢采用已经改变其他行业的以数据为中心的数字化思维方式而臭名昭著。

这在行业中得到了充分展示。即使是那些之前已经着手进行价值数百万美元的工业 4.0 或物联网计划的人，他们的努力也没有任何成果可言。我们的客户在与 MachineMetrics 合作之前，已经花费数年时间尝试构建自己的解决方案，在获得初始价值之前花费数百万用于定制开发和集成。不幸的是，当大流行来袭时，维持这些实施的资源被搁置了。他们不仅没有目前需要适应的数据，而且还被过去的物联网计划的幽灵所困扰。随着许多制造商将智能制造与这些更大的企业物联网计划混为一谈，其潜在价值已经丧失。

现在，这并不是说大流行完全应归咎于此。事实是，在大流行之前，IIoT 实施已经以极高的速度失败（81% 麦肯锡，2020 年）。这是由许多因素造成的，但主要是实施和部署的耗时且成本过高。结果是一个庞大、笨重、难以实施的物联网“计划”，没有可操作的用例可言。这些开发不仅耗时太长且成本太高，而且制造领域日益严重的人才短缺意味着整个组织的人员可能不具备 IT 或 OT 级别的知识或技能来管理制造过程的复杂性工作。

今天的问题是：当您仍然没有来自工厂车间的可用数据时，为什么要在企业层面投资数字化转型计划？智能制造不需要整个组织都致力于其成功。

对于大多数厂商来说，数字化转型应该开始 从制造运营的核心获取洞察力——制造这些产品的机器资产和运行它们的人。这些资产可能是任何制造组织最大的资本支出，并且每秒产生数千个数据点。然而，这些数据并没有被捕获或分析以提高效率，从而扼杀了持续改进。今天的工厂仍然被手动流程所消耗，这些流程导致严重的低效率，影响到组织的每个组成部分。这在 MachineMetrics 基准测试报告中很明显，该报告指出平均机器利用率低于 30%。

数据以及由此数据驱动的洞察力（和行动）可以为制造商发展业务和在竞争中脱颖而出提供基础。事实上，机器级别存在的低效率很可能是产生巨大业务影响的最容易实现的结果，更不用说推动许多未来自动化的催化剂了。

这就是为什么我们的方法的基础是提供一个易于使用的平台，该平台可自动捕获和转换机器数据或上下文化。此功能可在几分钟内实现可消耗的机器数据和洞察力。对于某些类型的资产（如机床），这项任务在实践中实际上是多么困难，我怎么强调都不过分。它不像我们听到许多供应商建议的那样通过 OPC-UA 或 MTConnect 进行标准化那么简单，因为只有一小部分机器支持这些协议。 MM 已为数百名客户连接了数千台机器。如前所述，许多制造商、顾问和系统集成商已尝试从头开始重建机器数据基础设施轮，作为更大的物联网计划的一部分，取得了不同程度的成功。即使利用水平 IIoT 平台，这些开发工作也可能需要数月甚至数年的时间。一旦建立了捕获和上下文化机器数据的机制，就需要对其进行维护。不仅维持这些解决方案的成本高得令人望而却步，而且与错误分配资源以开发已经存在的产品相关的机会和价值的损失也会导致制造商在竞争中处于劣势。

从机器资产中自动捕获和转换的准确实时数据为立即和持续提升底线价值奠定了坚实的基础。我们发现，结合通过这些数据触发的警报、分析和自动化的可见性和可操作性，可以在几个月内实现 15% 到 20% 的利用率性能提升。

一旦这个基础部分就位，通过将这些数据整合到企业工厂和产品设计组织系统中的其他孤立数据，可以在多个方向加速价值实现，到生产、质量、维护和物流（我们称之为“利用机器数据数字线程”）以比以往更快地推动无尽的自动化和创造卓越价值的机会。

这样做使制造商和合作伙伴的生态系统能够通过优化调整参与特定 IIoT 计划的实体的独特技能来加速价值实现，并最大限度地降低计划失败的风险.

当今的 IIoT 生态系统由制造商、机器制造商、机器制造商分销商、服务提供商、技术和解决方案提供商、系统集成商、顾问和软件提供商组成。每个参与者都有自己独特的能力、专业知识或知识产权，可以用来推动成功的 IIoT 计划。当这些资源错位或未优化时，IIoT 计划通常无法兑现承诺的价值主张，或者如统计数据所示完全失败。

厂商应该把重点放在哪里？我们相信这是在利用他们深厚的领域专业知识的领域。 MM 平台的美妙之处在于它使制造商及其合作伙伴生态系统能够优化关键流程并在整个运营过程中创建创新的新流程。可以使用 MM 和/或其他分析技术在边缘和云端开发和应用分析，包括 ML 和 AI 算法。这种技能和技术的结合为制造商快速、持续地创造价值创造了最佳公式。

如大流行期间所示，制造商不能不投资数字化转型，但又不确定将精力集中在哪里。次优模型，即公司试图专注于或重新创建其核心专业知识之外的东西，导致浪费的时间和资源最少。更有可能的是，结果是在差异化和推动增值的竞赛中失败并落后于竞争对手。

要解决这个问题并让数字工厂达到规模，这需要更简单。成功的 IIoT 计划需要选择正确的技术，以及生态系统中参与计划的各个实体的适当对齐。为了优化快速价值获取并降低风险，这种一致性应利用每个参与者的独特技术、知识产权和领域专业知识。重点应放在即时数据转换、开箱即用的应用程序、自动化以及与其他最佳工厂系统的集成上。

我在本文前面提到，许多制造商在这些困难时期遭受了苦难，而这些苦难中的大部分无疑是在他们手中。在这个时候我不能不说，在过去的一年中，我们都遭受了巨大的损失，其中一些损失比其他人更大。但成功的人是谁？谁是赢家？能够转型、响应和适应的公司。这不是运气。他们之所以能够做到这一点，是因为他们已经准备好数据、工具和获胜的心态。

我们在 MachineMetrics 的目标不是放慢或复制制造商当前的努力，而是加速和优化它们，帮助他们做好准备并保持敏捷，这样他们也能成为赢家。对于已投资于大型、笨重、难以实施的物联网计划的制造商：现在是休息的好时机，转而采用可立即提供帮助的垂直解决方案。

熨斗从未像现在这样热。准备好出击了吗？

使用 MachineMetrics 快速获得价值