机器数据收集：实现数据驱动制造

使用机器数据推动工厂车间优化

自动化制造设备（如果您愿意，可以使用 CNC 机器）以及操作该设备的人员，是任何制造业务的跳动心脏，是制造商最大的资本支出之一。这些机器价值数十万美元，产生的数据比任何其他行业都多，但尽管机器人和自动化领域进行了所有创新，但这些数据并未被捕获或分析以提高效率

这些机器每毫秒产生数百个数据点，每台机器的数据结构都不同。这使得跨所有不同机器标准化数据变得非常重要。但是，对于某些设备来说，这很难做到。

它不像通过 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。我们的客户花了数年时间尝试利用 DIY 解决方案从他们的资产中收集数据并将其转换为标准模型，逐台手动对数据点进行编码。这通常会导致在获得初始价值之前进行多年的定制开发和集成，这对制造商来说是一种严重的资源分配不当。

数据驱动的洞察力和行动为制造商发展业务和在竞争中脱颖而出提供了基础。如今，制造商发现自己处于利用数据和数字线程优化和自动化业务流程的不同阶段。

在 MachineMetrics，我们与许多制造商合作，他们在旅程的早期就发现其工厂运营数据不足且不可靠。对于设备利用率等关键指标，没有自动化系统来从其机器资产中捕获转换或上下文化数据的制造商通常错误地认为他们的表现令人满意。实际上，我们的制造业客户的平均利用率为 28%，远低于预期。在 OEE、停机时间和其他关键指标方面也发现了类似的不令人满意的统计数据

手动数据收集的缺点

对性能的低水平但夸大的感知的根本原因源于手动捕获的数据。手动数据捕获通常会导致数据不准确、被操纵或丢失。当试图推动持续改进和创新时，它是一个摇摇欲坠的基础。

另一方面，从机器资产中自动捕获和转换的准确实时数据为获取洞察力和推动价值奠定了坚实的基础。当然，这说起来容易做起来难。

机器数据收集的挑战

制造商了解数据的价值，缺乏有效的数据收集和决策使用数据的很大原因有两个：

• 制造商厌恶技术或继续使用过时的做法，这会导致手动收集数据及其相关后果。
• 制造商在构建成功支持自动化实时数据收集的文化和技术基础架构方面遇到了诸多障碍。我们将在下面介绍这些挑战：

数据种类

不仅有许多不同类型的设备——车床、铣床、塑料注塑成型、冲压、激光切割机、机器人等——取决于可用于从这些系统获取数据的机制，数据点可能非常多样化。为了提供有效的工具来分析这些不同系统中的数据，必须将数据转换为通用数据模型。不仅每个机器控件都有自己的数据收集机制，而且数据点也可能因使用该控件的机器的系列、品牌和型号以及在该控件上运行的软件版本而异。

数据量

制造设备，尤其是离散制造设备，非常复杂。机器是一个由组件组成的大型系统，这些组件协同工作，导致数百个不同的数据点不断变化。根据应用，可能存在需要以 100Hz 或 100KHz 的速率捕获数据的情况。使用此信息的平台必须在系统内的多个级别分析数据，以避免在仅聚合或计算结果就足够的情况下发送和存储不必要的数据。这些系统必须能够在最合适的地方（在边缘和云端）执行复杂的处理。

直接连接到 CNC 控制器可在各种​​不同的数据点中提供大量机器数据。

数据速度

虽然某些系统可以提供低保真度和高延迟的价值，但某些物联网用例需要更多的实时数据才能有效。边缘技术需要处理大量数据，在几毫秒或更短的时间内做出决策，并采取行动防止对机器或工件造成损坏。即使是提供作业绩效可见性的仪表板也可以从低延迟中获得巨大的价值——立即关注落后或失败的流程。

离散制造引入了更多的复杂性。这始于离散制造工厂中机器的可变性。有许多不同的机器制造商，没有一个工厂只有一个品牌的机器。许多不同的机器也有不同的控制系统和通信协议。它们具有不同的年份，从具有现代控制的新产品到具有有限控制能力的 20-30 年。连接到各种工厂资产并从中收集数据也是一项艰巨的任务，因为这些机器中的大多数从未被设计为为公司今天专注于实现的那种整体、工厂或企业范围的分析解决方案提供数据.

加工数据来源

互联运营的美妙之处在于，制造商可以从众多来源收集和使用数据。只要数据具有上下文相关性，就可以帮助管理人员更深入地了解车间的状态和绩效，甚至有助于填补空白并为现有数据添加上下文。

机床

作为最有价值的生产数据来源，机床提供由 MachineMetrics 关联的数据流，用于实时生产仪表板、报告和通知。利益相关者可以立即收到机器停机事件的通知，并通过访问机器数据（包括机器状态、警报、覆盖、负载、速度和进给）来查看生产何时落后于计划。

互联系统

为了填补生产数据的空白并为上下文添加额外的层，在制造环境中的不同系统之间共享数据会很有帮助，例如 ERP、MES、CMMS、CAM 等。

MachineMetrics 具有可以从外部来源获取信息的应用程序编程接口 (API)。这种机器和运营数据的组合可以一起利用来产生洞察力或推动自动化。例如，指示故障的机器数据可以自动触发 CMMS 中的工单。

运营商

位于每台机器上的 MachineMetrics 操作员界面为操作员提供了一种通信工具，可将上下文添加到机器数据中。这是必不可少的数据层，因为它有助于解释机器停机、警报、报废零件等背后的“原因”。

通过每台机器上的平板电脑，操作员可以为机器数据提供有价值的上下文，记录停机事件和报废零件的原因。

自动化机器数据收集的 MachineMetrics 方法

在制造业中，边缘对于从机器捕获数据并将该数据转换为通用数据模型以便执行分析是必要的。它必须能够支持各种 PLC 协议，以实现跨工厂车间各种资产的连接。它还应该支持从传感器捕获数据以获取更简单的资产或当 PLC 无法使用标准连接方法时。 MachineMetrics 已开发并支持具有各种细微差别的大多数标准工业协议，并为许多不同的 CNC 机器控制构建自定义连接器。

支持的标准协议包括：

• OPC-UA
• MTConnect
• Modbus TCP
• 以太网/IP

定制的机器控制连接器包括：

• 发那科 FOCAS
• 海德汉 iTNC530 和 iTNC640
• 西铁城 M700
• 三菱 M70/M80
• Speedio 兄弟
• HAAS 系列
• Matsuura CNC（向 FANUC FOCAS 连接器添加自定义警报）

对于旧机器，通过一个简单的传感器连接就足以确定机器的活动并报告利用率。经常使用模拟电流传感器，并且支持各种数字和模拟采集设备，包括 Labjack。这使得其他需要捕获温度、振动、压力以及能够连接到机器中的继电器的用例成为可能。

PLC/Control 和 Sensor 连接都可以通过在线界面进行维护，并且可以使用专门为 IoT 数据设计的简单脚本语言对数据进行过滤、处理和转换。

对于某些控件和传感器，数据可以以低频（在事件更改时，或每秒 1 个样本）进行流式传输，也可以以高频（每秒 1000 个样本）进行流式传输。对高频数据的支持要求 MachineMetrics 构建了自己的边缘技术来支持这种高水平的数据处理和流式传输。

为了在数千台机器上扩展边缘，并能够远程维护、升级和支持边缘软件，MachineMetrics Edge 平台支持远程设备管理，用于远程配置、升级和管理收集客户数据的边缘设备网站。支持技术人员和客户自己可以使用这些内置工具解决问题、运行诊断、配置网络和测试他们的防火墙。定制的通用语言界面 (CLI) 可提供进一步的诊断和支持。此 CLI 可用于升级设备，但很快将为客户提供自行升级边缘软件的选项。

MachineMetrics Edge Platform 为制造商提供了一个可扩展的解决方案，可以自行安装以轻松地从任何一块收集数据设备并在几分钟内实现可操作的机器洞察。

机器数据收集是智能制造的基础

CNC 机床数据收集始于通过多种方法连接您的机床，包括有线和无线解决方案。

一旦能够收集数据，就会对其进行上下文化和标准化，以用于实时仪表板和通知，以及用于更深入分析的历史报告。但这仅仅是开始。

机器数据代表了数字线程的基础，支持无限数量的用例来优化和自动化业务流程，从而使制造商能够发展业务并在竞争中脱颖而出。

但是，机器数据提供的价值只有被自动捕获和转换后才能有效使用。

我们在使用基于纸张和其他手动解决方案的客户中看到的是，生产数据的效率要低得多，因为它是延迟的、不准确的、没有上下文的，并且无法扩展到简化的用例之外。或者更糟糕的是，它被填补了空白或根本不存在。

另一方面，从机器资产中自动捕获和转换的准确实时数据为获取洞察力和推动价值奠定了坚实的基础。

可以在知道基础数据准确无误的情况下，对类似机器、生产线和工厂的性能进行基准测试。机器资产性能甚至可以衡量并与公司以外特定行业的类似资产进行比较。

最后，真相只有一个版本，机器不会说谎。通过准确的数据捕获和转换，结合通过通知和工作流触发器的可见性和可操作性，可以在几个月内将利用率性能提高 15% 到 20%。

我们可以按照这个数字线程来查看在哪里添加了额外的上下文，以及如何在其他流程和系统中使用这些数据来大规模提高效率。

运营数据

您的生产来源包括车间的设备和人员。来自机器的数据是自动收集的，但我们尚未讨论操作员数据的影响。

通过在每台机器上放置平板电脑，操作员可以为机器数据添加上下文，从而更深入地了解设备的性能。

例如，操作员可以记录给定停机事件的原因，这样分析停机时间的工厂经理不仅可以准确了解他们的工厂经历了多少停机时间，还可以了解主要原因。报废零件也是如此。

操作员在平板电脑界面将停机原因归类为“灾难性工具故障”的示例。

这使管理层能够更好地了解问题，从而开发出更有效的流程来管理最严重的停机时间和报废原因。

此外，这些机器数据与操作员的上下文相结合，可以启用基于特定停机时间的通知，提醒操作员和维护团队成员注意停机事件，以便他们尽快解决问题。

机器、人员和系统

数字线程将数字工厂的多个组件缝合在一起。随着我们的跟进，机器数据开始影响制造商使用的其他系统。

当机器数据自动收集时，可以将其集成到系统中，例如 ERP、MES 或 CMMS，以便更有效地管理流程或根据组合数据做出更好的运营决策。

举几个例子来说明这一点的重要性：

企业资源规划系统

制造商通常在 ERP 中管理作业和调度，其中将存储有关作业标准和周期时间的信息。然而，作业标准和周期时间很可能不准确，这极大地影响了作业的预期运行时间，并扭曲了定价，因为商店通常根据加工给定产品所需的时间定价。

如果制造商正在收集实时机器数据，则可以在 ERP 中更新周期时间，以制定更准确的标准并确保定价符合预期的作业运行时间。这使制造领导者能够更好地了解车间能够承担什么以及他们预计会产生多少利润。

计算机化维护管理系统

在其他系统中利用机器和操作数据的另一个例子是使用 CMMS 改进和自动化维护。

在维护设备方面存在许多策略，但大多数制造商继续依赖被动维护或基于日历的维护（机器制造商提供了推荐的时间表）。

被动维护往往会导致大量停机。由于不必要的维护工作，基于日历的维护（一种预防性维护策略）往往会很昂贵。

昂贵的基于日历的预防性维护和反应性维护之间的“金发姑娘”区域会导致大量停机和维修费用大。

通过将机器资产数据和洞察纳入 CMMS，制造商可以将维护策略从被动和基于日历转变为基于使用或条件。如果没有源自机器资产的数字线程，制造商可以从 CMMS 投资中获得的价值将大大降低。

有了可用的机器数据，可以优化维护计划以与机器的使用和状态数据流保持一致，这些数据甚至可以用于触发工作流，在 CMMS 中自动生成工作指令并通知正确的人机器状况、停机事件、警报、即将发生的故障等，以便他们能够尽快解决问题，甚至在故障发生之前解决问题。

机器数据数字线程：解锁工业 4.0

随着制造商启用能够更好地捕获和转换其生产数据的解决方案，他们不仅能够推动更好的基于事实的决策，而且能够利用数据开发更好的流程并推动车间自动化。

机器数据打开了整个用例世界，使其成为生产数据的基础，并赋予制造商强大的竞争优势。

我们很乐意讨论 MachineMetrics 工业物联网平台如何为您提供帮助，无论您处于旅程的哪个阶段，无论是监控您的设备以更快地识别停机时间，还是利用高频数据来预测和防止机器故障。

如有任何问题，请联系我们，或立即安排演示。