行业展望：规划前行路径

引言：剖析前几月

年初没人能真正预测冠状病毒对整个社会的影响。这体现在历史性股市波动（通常预示前所未有的不确定性）、快速变化的政策决策（因我们努力应对当下技术环境变化）、日益恶化的政治气候。

进入秋季，学校和大学校园开学又关闭，流感季来袭，不确定性和波动性必将加剧。我们提供的制造业实际状态每日更新将愈发重要，尤其是制定政策者越来越多地在预测和决策中使用我们数据。

我们收到许多组织请求——从制造公司、咨询会计事务所到政府机构——想了解更多数据生成细节。问题众多合情合理，因 MachineMetrics 从事全新机器优化服务品类，纯云实施不仅给客户云优势，也给我们行业匿名聚合度量优势。本期我们将梳理数据如何获取，并从中汲取近期洞察。

序章：我们究竟如何获取这些数据？

常被问：“新机器接入如何更新数据集？”、“样本量如何足以得聚合指标？”、“如何确保数千台机器数据准确？”

好问题，对非同时具制造和技术背景者可能困惑。从基础说起。

这是美国某典型机加工厂。机器未连接任何机器优化监控服务，车间主管只能在一天结束时操作员告知缺件才知落后。只能加班或超速进给追赶，或只能推迟交期挫伤客户。不理想，但过去几十年一直如此。

我们介入，让机器连接、性能可见。我们能连接机器 PLC（可编程逻辑控制器），其输出各类重要信息——通常仅操作员站在机器前可见。

怎么做？秘诀在边缘设备，本质是预装一堆机器适配器的 Windows/Linux 物联网计算机，能翻译、清洗、解释来自 PLC 的信号。每个控制器厂商有自有 API 让我们做此事，我们知识产权大部分在解码这些 API、将个别语言转为统一语言。下图为机器 PLC，高亮绿/黑框为我们边缘和数字 IO 设备。我们仅接入 PLC 以太网口提取控制器输出信息，流式上传云端。我们让安装足够简单，客户可自行完成无需我们上门；复杂性本质转移至边缘设备内部精密技术。

客户获得什么？漂亮仪表盘，实时显示机器状况。车间另一头机器在干什么？开或关、谁操作、是落后还是领先零件目标？

作为产品公司，MachineMetrics 数据科学主要工作是用海量数据集预测机器何时故障、在造成客户损失前阻止。这让产品更好、更易销售、获得更多数据优化管辖机器。良性循环。例如，分析导致某客户机器故障的原因，利用数据同时帮助该客户和有相似机器相似问题的其他客户。

然而，所有数据一个美妙副作用是我们可聚合这些信息，洞察整体行业趋势。这非公司初始主旨，但因过去五年我们勤于完善产品、赋能自装机器，现拥有显著代表性的美国制造业样本。关键在于让产品足够易用易自装，无需我们亲自上门集成培训，从而指数级而非线性扩展；无需雇佣更多集成师培训师跟上需求。

下表为数据科学团队生成分析的工作表，已擦除客户特定信息。可见每小时每天每台机器，我们从边缘设备车队自动接收：

[全尺寸图片]

1. in_cycle_ms: 机器在循环中时间（运行 G 代码程序或无 PLC 机器主轴吸取显著电流时间）。
2. spindle_rotating_ms: 其中主轴实际旋转时间。G 代码程序中有时内置停顿，此指标排除那些时段。
3. cutting_ms: 那段时间中实际花在切削即金属接触金属时间。
4. parts_produced: 此期间 PLC 告知生产多少零件。通常为观测到 G 代码程序旋转数乘零件倍数（或老旧机器指示制造零件的不同样式电流⚡️模式乘积）。

我们也从机床操作员收集一些手动输入项，关于生产零件：

1. parts_rejected: 因任何原因直接拒收零件数。
2. parts_scrap: 拒收件中报废数。
3. parts_nonconform: 拒收件中不符合 QA 标准数。

可见我们已记录约 6600 万机床小时生产数据，相信是制造业最大最完整数据集之一。

客户在规模、地区、行业多元。与整体制造业相比，汽车略低代表性，医疗器械制造略高代表性。东北略高代表性，因工程团队和总部在彼处。客户分布如下，及一些代表性公司。渴望极精确模型输入或预测目的的敏锐分析师，可基于原始数据构建加权利用率度量。随着数据更广泛使用，其稳健性、假设、来源接受更大审视。本期行业状态更新，我们觉得涵盖三领域重要。

[全尺寸图片]

行业现状究竟如何？

经过以上铺垫……从我们在 LinkedIn 每日发布的利用率更新及叠加趋势开始。基本看到今年迄今四个阶段：

1. 冠状病毒袭击美国州关闭前利用率增 7%
2. 3 月至 4 月中旬关闭高峰期利用率降 16%
3. 复活节至独立日放松关闭时利用率增 8%
4. 当前夏季入秋“观望”模式利用率降 2%

这些大趋势虽不令人意外，但给出精确定量指标是我们新贡献。从未有组织能给出准确、行业代表性、高频制造业绩效指标。

[全尺寸图片]

行业与地理细分

这对准确评估行业状态影响巨大。不出所料，常在行业地理细分体现。本节聚焦我们收到的深入特定行业地理的请求。

从行业层面细分看，回溯疫情前今年。如下图，汽车在 3 月底工厂被令关闭、消费需求崩塌时绝对崩盘。医疗器械制造却全程稳定。

[全尺寸图片]

移除每日滚动变化获更清晰总体趋势。坚持用这些趋势线，基于 7 日滚动平均、跨度 0.75 的 LOESS 拟合构建（经济学家分析师想要更多细节可找我）。

[全尺寸图片]

再分三章，各章重新拟合 LOESS 曲线。

[全尺寸图片]

第一章：利用率爬楼梯上……坐电梯下

聚焦 2 月中至 4 月中。2 月初，我们追踪的五大主要行业皆欣欣向荣，将创 18 个月新高。汽车尤其强劲，高消费需求和购买情绪致使许多 OEM 和一级供应商提高产量、机器利用率。其他行业持平或微增。

然后新冠关闭来袭，我们见教科书级“爬楼梯上、坐电梯下”。股市等许多领域见此模式。向上需大量稳定和顺遂缓慢挪移，但一个重大事件就能让事情快速下滑。配合强制关闭，消费需求崩塌摧毁汽车制造，4 月中旬利用率降 40%。部分客户尝试转产呼吸机等医疗设备，但远不足抵消关闭。4 月 15 日，我们触及 3 年追踪机器性能最低利用率（除假期）。

[全尺寸图片]

第二章：不均衡复苏

4 月中至 6 月底，进入不均衡复苏阶段。病毒受控、封锁放松，公司重启部分生产。医疗器械制造不出所料扩大领先，因呼吸机等医疗设备需求激增。航天国防、工业设备制造、合同制造等其他行业此期摇摆，寻找突围复苏但似从未实现。汽车持续下滑，需求持续低迷，因人们被迫居家或不愿外出采购。

[全尺寸图片]

第三章：非真正反弹

7 月 1 日至当前周，见轻微回升，随后过去几周大多平线。汽车客户开始报告常规运营，利用率回升可见。应对冠状病毒时代策略发展或为主因，加上人们外出更多、对经济信心稍增。消费支出整体上升，必影响供应链下游。医疗制造也增加。

[全尺寸图片]

后记 1：按地区证据显示错峰轮班

我们采用以下新冠风险正式分组，并能见各地理利用率按小时分布明显差异。利用率重归一化为 0-1 以更强烈看分布差异（注意 Y 轴标题值变化）。通过此分析，可见不同州对社交距离（通过工厂错峰轮班）重视程度不同。NY/NJ/CT 3 月后利用率小时分布差异极大，深夜时段利用率远高于常态。因劳动力从主要时段 10am-4pm 转移，更均匀分布全天，证据为 NY/NJ/CT 小时分布曲线“变平”。其他州分布在新冠前后无明显变动。美国不同亚文化对冠状病毒对待差异辐射至车间层面，着实迷人。我们某种程度上知晓，但给“究竟多真实”加些严谨性颇为卓越。

新冠风险分组

· Group 1: NY / NJ / CT

· Group 2: AL, AR, AZ, CA, FL, GA, IA, ID, LA, MS, NC, NV, OK, SC, SD, TN, TX, and UT

· Group 3: DC + Other (CO, IL, IN, KS, KY, MA, MD, ME, MI, MN, MO, NE, NH, OH, OR, PA, VA, VT, WA, WI, WY)

Group 1 [全尺寸 GIF]

Group 2 [全尺寸 GIF]

Group 3 [全尺寸 GIF]

后记 2：政策决策后果即时可见可量化

看 3 月中旬，引入归一化每日利用率值，能见政府冠状病毒关闭令对政策影响极清晰。下文将数据再分三地理区域。即使粗略一瞥也显示三区域在冠状病毒首袭美时表现截然不同。

[全尺寸图片]

具体，NY/NJ/CT 州长发布全面关闭令次日，相对利用率降约 50%。我们推测意味着我们追踪约 50% 车间被视为必要业务得以留开。其他州未见此跌。周末活动（通常为正常活动八分之一）在关闭令后周末在 NY/NJ/CT 完全消失。

[全尺寸图片]

移除单日柱状图，差异更 stark。强立法干预引入时总见此类趋势。我们推测评估此影响将愈发重要，因我们进入年最后三分之一。

[全尺寸图片]

尾声

进入秋季，预期流感季、学生从关闭校园返家、其他异常事件可能强烈影响冠状病毒传播，进而影响行业利用率。此时，我们已证明度量对政策变化极度响应，尤其是向下影响利用率的政策。行业健康虽处“观望”阶段，但必将深受秋季政策选择影响。希望我们行业的制造者、分析师、经济学家能用此数据更好告知选择，随着我们步入九月。数据即力量，我们可用数据助行业和国家更强韧。数据助我们基于严谨思考做细微理性决策，而非情绪驱动冲动只会让我们伤得更重。一切掌握在我们手中，确保在动荡时代做最佳决策，因这些是我们生存的关键时刻。

我们将持续监控这些指标并定期报告。