驾驭数据：智能工厂如何推动工业4.0效率
被工业4.0数字化承诺压倒？别怕。智能工厂全关于获取准确精确信息，应帮助制造商产出更多零件、消除主要刀具和加工问题。
智能工厂：2018国际制造技术展到处可见。从语音指令控制CNC机床到主要刀具商扩展进软件数字化加工，新方向破晓。互联网技术是行业未来主要部分。
为什么？因为现在可能提取比以往更多精确运营信息。
传感器不新。射频识别也不新。但带更多上下文、易分发利用的运营信息是新的，工业制造来源说。
“今天是制造业的‘互联网时刻’，”MachineMetrics市场总监Graham Immerman在接受Better MRO采访时说。“许多行业10年以上前有‘互联网时刻’，制造业现在轮到它。”
“数据是未来工厂生命线，”制造专家Tom Leeson在Open Text帖《挑战未来工厂六大趋势》中写。
Leeson将数据置于此技术语境：“通过应用AI和高级分析，数据将驱动所有流程、检测运营错误、提供用户反馈、改善产量和质量。”
尽管技术术语繁重，制造商也信其承诺。2017年76%制造商称有“进行中或规划中”智能工厂举措，超55%投资$1亿，据Capgemini研究。遗憾的是仅14%对努力满意。
痛点？采用需努力——意味着投资和时间。
准确完整数据是智能工厂引擎
“潜在数千联网设备的车间现场从数据角度有显著价值，”Siemens美国数字工厂部总裁Raj Batra在IOT Evolution World文章说。“问题是，虽能收集这数据，如何分析使其对业务目标有意义有价值？”
合理问题。可分析太多——使所有数据成有凝聚力决策叙事不必然易。需更多IT世界系统和技能——和关于传统OT世界如何协同的新思维方式。
什么不变？按时交付更多零件压力。
需帮助提升零件产出？读“5种延长刀具寿命放大生产力方法”。
更精密加工和刀具信息可能助力，但无数据准确性可能挑战。今天许多制造商在白板和纸片捕获相关机床数据，Immerman说。但一旦开始联网那些信息使透明，数据能用更多方式——和比仅白板附近团队更多团队。
“我给个我们数据洞察(MachineMetrics)：大多数制造商以为设备产能利用率约60-80%。那些数字完全不准，”Immerman说。“行业平均机床利用率27%。车间实际发生与制造商以为业务发生间有巨大断层。”
数据躺在断层里，Immerman说。
车间现场纯粹缺乏可见性，车间与其他业务系统间缺乏数据集成，无论ERP系统、质量或装配、加工或刀具。
“真相在数据里，大多数人没数据讲真相。所以这是行业现状，”Immerman说。
智能工厂数据挑战：离散制造系统海量数据
Capgemini数据真突出：仅14%公司对智能工厂结果满意？
原因：整个运营生态系统全可见性难——对许多制造商让人不知所措。
“公司反应像‘你们说我需建整个数字工厂？实施八种不同软件？我咋整？’”Immerman说。
无论数据来自ERP(企业资源规划)、质量系统、坐标测量机(CMMS)、检验数据、装配系统、CNC加工单元、刀具——及其他制造流程——有太多知和可见，Immerman解释。
“更迫切挑战是智能工厂涉及海量数据，”数字安全公司Trend Micro在博客《智能工厂窥探：IIoT创新模型》说。“因此企业建立智能工厂前，必须有协议和系统妥善使用处理如此大量数据。”
起步点：隔离PLC机床数据并利用它
非所有人利益尝试一次性拿下所有工业4.0。智能工厂可从车间零件制造机床小处起步活起来。
MachineMetrics案例，直接从机床PLC提取数据，经小型无线“边缘”设备发送信息。信息加密通过安全云供客户查看。核心上，MachineMetrics是分析平台，提供生产数据、维护团队系统健康、原始设备制造商和设备分销商远程服务。
“所以我们得零件计数，从PLC得多达200数据点……也得机床数据，如用哪把刀，”Immerman说。“得负载信息、主轴压力……得机床直接报警。”
这是性能可用性数据。本质：怎么、什么和为什么。有所有这数据，公司能开始帮自己避免停机、回答问题，如：
- 机床停因换刀？
- 机床停因装夹太久？
- 误估工作时长？
“听过OEE(整体设备效率)？”Immerman问。“常与客户合作发现机床利用不足首因是性能预期完全不准……每个零件预期循环时间多长？装夹该多长？给定班次以为能产多少零件？”
性能预期由ERP系统驱动，Immerman说，若不准，“就给其他公司留下抢您生意空间。”
归根结底，智能工厂关于帮制造商改进、省时、用可共享最佳信息做更好决策。
MachineMetrics称所有制造商仅用27%机床产能。您信吗？论坛反应。[需注册]
工业技术