熄灯制造是一种使用全自动技术运行生产工厂的技术，几乎不需要人工干预。这需要机器学习、高频数据采集等多种技术的支持。 使用“一劳永逸”的心态进行生产一直是许多制造商的梦想。只需现身工作，让机器运转，关掉灯，然后走出门。没有工人。大楼里根本没有人。只是机器在做他们最擅长的事情——准确、重复的任务，速度远快于他们的智人同行。 这将大大减少工作场所事故、保持设施良好加热或冷却的成本以及劳动力本身的成本。制造商遇到的质量问题也会更少，因为与人类不同，机器可以日复一日准确地复制他们的行为。 这些 24 小时不间断的生产设施听起来像是纯粹的幻想，但它们如今在遍布全球的制造设施中已成为现实。没有问题。

随着 IIoT、数字化转型和下一次工业革命的进行，一些资源使技术采用听起来很容易。与此同时，许多人仍然对节拍时间、交货时间和周期时间等术语感到困惑。下面将解释这些时间指标之间的区别，它们背后的公式，如何计算每个指标，以及它们如何改善或损害生产。 节拍时间、周期时间和交货时间有什么区别？ 交货时间 本质上是从最初的产品订单到最终交付所需的总时间，而 周期时间 ，更短的时间，是完成一个产品所需的平均时间。最后，节拍时间 计算制造商必须完成产品以满足客户需求的速率。我们将深入研究以下每个时间指标： 节拍时间 周期时间 交货时间 节拍时间 什么是节拍时间？ 根据客户需求，节拍时

可以肯定地说，重型装备制造业面临着相当多的挑战。必须克服这些问题，才能生产出可以在特定的政府法规范围内销售和使用的设备。 OEM 在行业内面临的其他障碍包括物流和供应链、不断扩大的技能差距以及生产创新设备的需求。 重型装备制造业的法规标准 指导重型设备制造业的法规以安全和保持环境免受有害物质为中心。在世界范围内，重型设备制造和工厂车间使用重型设备的排放标准都存在。对于美国的设备制造商，排放法规由职业安全与健康管理局 (OSHA) 制定。这些排放法规考虑了为重型设备设计的发动机等级、这些设备选项将在其中使用的环境以及在该环境中工作的操作员的健康状况。 欧盟通过提供有关设备内的安全功能的规

在工厂车间内成功实施工业 4.0 解决方案有望为重型机械制造企业带来巨大收益。这些优势包括优化机器利用率的数据驱动制造流程、预测性维护以及将监管标准纳入制造运营。但要获得这些实质性的“胜利”，重型装备制造业的企业必须首先执行一个成功的工业 4.0 实施阶段。 克服传统重型机械的负担 对于许多重型机械制造商来说，成功实施说起来容易做起来难。重型机械制造商和 OEM 面临着各种挑战，包括： 旧设备的广泛使用 从复杂流程中捕获车间数据的挑战 使用具有多种通信协议的系统或机器。 在工业领域，大约 90% 的工厂仍然利用遗留资产来完成特定的运营。重型设备行业是一个具有 40 年或 50 年历

在最近一次关于重型设备制造商在创新和制造方面面临的挑战的采访中，Sciemetric Instruments 的首席执行官 Nathan Sheaff 谈到了数据采集和分析。他表示，“工业 4.0 的兴起意味着我们正被越来越多的数据所淹没。处理（数据）洪流的最佳方法是增加数据处理和边缘计算能力。 上述说法正确地概括了重型装备制造业与工业 4.0 的斗争以及随之而来的数字化转型。今天，许多制造商都在问诸如如何处理我们的机器产生的所有这些数据集以及我们如何简化数据处理带来的问题？这就是 IIoT 发挥作用的地方。 利用 IIoT 提高数据处理能力 IIoT 解决方案是指 IoT 硬件和软件

什么是制造业的 KPI？ 制造业中的 KPI 是可量化的指标，可提供对业务绩效的洞察力。 KPI 代表关键绩效指标，顾名思义，它们表示成功的绩效。 一种常用的制造 KPI 是“整体设备效率”（OEE），它通过计算工厂的性能、可用​​性和质量来衡量。尽管 OEE 是一种有效的绩效衡量标准，尤其是在工厂车间、特定于机器的级别，但理想情况下，应该将 OEE 与其他 KPI 一起使用，以便从多个角度更清楚地了解绩效。制造企业可以而且应该选择几个 KPI 来关注，以帮助指导决策。 为什么 KPI 对制造商很重要？ KPI 对制造商很重要，因为它们是定义的、可衡量的指标，可帮助企业专注于最重要

简介：前几个月的剖析 在今年年初，没有人能真正预测到冠状病毒对我们社会的影响。这体现在历史性的股市波动（通常表明前所未有的不确定性水平）、迅速变化的政策决策（因为我们努力应对当今技术环境的变化）以及日益恶化的政治气候。 随着秋季临近，学校和大学校园重新开学和关闭，流感季节即将到来，不确定性和波动性肯定只会增加。我们提供的有关制造业实际状况的每日更新将变得越来越重要，尤其是随着越来越多的政策制定者在预测和指导决策中使用我们的数据。 我们收到了许多组织的请求，从制造公司到咨询和会计公司，甚至从政府机构那里得到更多关于我们的数据实际产生方式的详细信息。无数的问题是可以理解的，因为 Machi

工业连接简介 当今正在发生什么正在推动工业连接？随着工业 4.0 的到来，世界需要更快的生产力、更高的质量、更高的透明度和前所未有的运营效率。随着自动化程度的提高，工厂车间比以往任何时候都充满了更多的资产、设备和机器——所有这些都必须协调一致并达到高标准。 如果没有工业连接，现代工厂车间很快就会变得混乱，每一次相关的对话都是消极的，并伴随着与性能相关的恐慌： “这台机器已停止服务”。 “那台机器没有充分利用它的能力，而它的对应机器负担过重。” “那边的机器使用的能量是它应该使用的两倍，但实际上没有人知道这一点。” “数据被锁定在孤岛中。” “几乎不存在对运营绩效的洞察力，因为没有人拥

把你带到这里的东西不会把你带到你要去的地方。这句话可能是理解采用和扩展技术差异的关键。高管们已经看到集成人工智能和物联网等新技术如何增加价值，但却错过了里程碑和投资回报率估计。下面将回顾高管如何利用机器数据实现商业智能以实现下一步。 扩展试点项目的问题 当前制造业的驱动因素之一是使用技术来增加产量和降低成本。许多早期项目专注于连接性和机器数据。虽然机器数据项目可能显示出希望，但它可能无法达到预期的投资回报率或规模与类似的结果。这通常是因为试点项目的目标是针对单个项目。 高管们应该知道机器数据项目如何在当地实现目标，但要考虑当地的成功将如何影响其他利益相关者。在了解机器数据如何适应大局

什么是工业 4.0 技术？ 工业 4.0，也称为第四次工业革命，旨在让业务变得更智能、更自动化。第三次工业革命侧重于将机械和模拟过程转换为数字过程，而第四次工业革命则侧重于通过使我们的机器更加自给自足、能够相互“交谈”并考虑以人类根本无法实现的方式获取大量数据——所有这些都以效率和增长的名义。工业 4.0 技术代表了企业运营方式的根本转变，与第二次工业革命中从蒸汽动力到电力的转变一样重要。 想了解更多？阅读我们关于工业 4.0 的完整指南。 工业 4.0 技术如何影响制造业？ 在制造业，工业 4.0 产生了广泛的影响。它用于提高运营效率、改进需求预测、打破数据孤岛、参与预测性维护

马萨诸塞州北安普敦 — 2020 年 9 月 22 日 — MachineMetrics 和 Fiix 宣布在 MachineMetrics 的尖端制造物联网平台和 Fiix 行业领先的维护平台之间建立新的合作伙伴关系，使企业能够利用来自其生产设备的实时数据来推动交钥匙自动化维护解决方案。 “MachineMetrics 是数字工厂的机器数据组件。现在，与 Fiix 一起，制造商可以利用来自我们平台的实时数据，轻松实现工厂工人维护行动和维护系统自动化，”MachineMetrics 首席执行官兼联合创始人 Bill Bither 说， MachineMetrics 和 Fiix 之间的组合

归根结底，制造就是数字。虽然一些公司仍在手动报告数据，但其他公司正在采用新的自主技术来提高生产量。然而，由于许多公司未能通过新技术达到预期的投资回报率，是时候检查数字并了解影响制造吞吐量的因素了。以下介绍如何找到痛点和解决方案以提高生产吞吐量并推动关键制造指标。 提高制造吞吐量的策略 1.检查您的工作流程 首先要了解正在收集哪些数据以及为什么要收集这些数据。当一切都与数字有关时，请记住-垃圾进，垃圾出。如果你输入的数据不好、不够，甚至是旧数据，你就不能期待有价值的输出。为了更好地了解制造吞吐量，请创建工作流程地图，包括劳动力、设备、流程以及它们如何协同工作。此工作流程图还应包括数据将

工业 4.0 的概念正在推动各种行业的数字化转型，包括医疗器械原始设备制造商。在医疗器械生产行业，对离散制造商的关注让许多人不禁要问：生产设备医疗器械制造商的企业在哪里可以找到应用数字化转型模型来解决问题的信息？ 为了解决这个难题，需要了解医疗设备 OEM 面临的独特挑战。这些挑战的范围从销售非商品化设备的有限利润率到优化多个制造设施的运营绩效。 医疗设备 OEM 面临的 4 大挑战 1.在静态利基市场中提供基于价值的设备和服务 医疗器械设备制造商在购买设备和维护方面的成本都在上升。许多医疗设备制造商认为，设备成本的增加与 OEM 目前提供的价值不符。 购买的设备也需要进行维护以使

第四工业时代将继续存在，预计生产力将提高 5-10%，这只是制造业的众多胜利之一。医疗技术行业使用的重型设备制造商也有望从数字化转型中获益。 数字化转型支持的业务模型包括基于状态的监控、预测性维护、资产性能管理、远程机器监控、数据驱动的工厂性能优化等。要利用这些模型，OEM 必须首先成功实施获取车间数据和处理分析所需的数字化计划。以下是简化医疗设备 OEM 流程的 5 个技巧。 医疗器械 OEM 的工业 4.0 商业模式 1.制定实施计划 每个生产周期都由一个主生产计划指导，该计划考虑了制造活动的每个子部分。数字化转型实施计划可以比作您的工厂使用的主生产计划，以确保每个人都在同一

生产医疗设备工程界所依赖的设备的 OEM 通常使用已经运行了数十年的遗留系统。统计数据显示，当今车间大约 30% 到 40% 的设备是遗留资产。因此，通过数字化转型计划向智能设施迁移带来了将这些遗留系统带入其中的挑战。 工业 4.0 囊括了开发互连的网络物理系统所带来的好处，而不会将遗留资产排除在列表之外。这为医疗设备 OEM 开辟了多种工业 4.0 商业模式。然而，除了优势之外，将旧系统集成到现代网络中时也会出现特定挑战。迁移到智能工厂时可能面临的问题可以分为以下几类： 缺乏足够的技术专家 可用设备中的不同技术框架 对如何处理新数据感到困惑 将旧系统升级到现代选项的成本 专家短缺是

总结：物联网通过降低与意外停机相关的成本、创建可用于跟踪资产和执行复杂模拟的数字双胞胎、提高工人安全和满意度，同时为流程和流程提供深入、可行的见解，从而使制造垂直行业的公司受益。设备改进。物联网还可以赋予制造公司敏捷性和弹性，让他们无论如何都可以保持蓬勃发展。 通过 IIoT 省钱和赚钱 各行各业的企业都从物联网技术中获得巨大价值，而行业的发展正是这种模式的体现。麦肯锡公司预测，到 2025 年，物联网的经济影响可能达到 11.1 万亿美元。从物联网设备收集的数据也在以惊人的速度增长 - 思科预测，到 2021 年底，来自物联网设备的数据可能超过 800 泽字节。 但为什么会发生这种

汽车行业在整个供应链中的世界级质量控制是首屈一指的。为保持这一标准，供应商必须遵守严格的开发要求跟踪、经过验证的制造系统，并且必须接受定期过程审核。这通常意味着要求组件级别的缺陷水平低于 1 dpm（每百万缺陷数）。为了达到这些水平的出厂质量，制造过程中的每个中间步骤都应具有可监测和控制的可量化结果。通常需要统计过程控制来突出任何偏离正常操作的情况。 制造时代已经一去不复返了，每天一批小部件可以运行一个完整的班次，并对输出进行质量抽样。经过审查后，技术人员可能会在一天结束时调整一些机器旋钮以确保合规性。当今全球制造环境的步伐要求始终坚持质量和制造一致性。监控汽车制造指标以确保能够实现质量是至

随着工业 4.0 在全球制造企业中不断成熟，许多人认为新技术将取代旧方法，以促进效率和生产的持续改进。虽然某些应用可能会出现这种情况，但这些新技术确实可以补充现有实践。 与工业物联网应用程序的价值产品非常吻合的一种方法是全面生产维护 (TPM)。 Total Productive Maintenance 建立在精益方法推广的 5S 基础之上，是一种有助于减少停机时间和提高生产的维护模型。在此模型中，维护停机时间作为制造计划的一部分包含在制造中。作为其职责的一部分，最熟悉设备的操作员和技术人员有责任进行某些方面的定期和预防性维护。 TPM 的八大支柱 全面生产性维护旨在提高生产力、效率和安

传统的汽车供应链制造维护依赖于经验观察和对设备的人工测量。这种方法只能以离散的时间间隔对机器性能进行采样。它受到基于一天中的测量时间、人为解释错误和传感器放置的可重复性问题的困扰。现在可以通过所谓的“数字双胞胎”的智能模拟以数字方式执行相同维护方法的更现代表示。 为了评估工厂内使用的复杂机械的详细操作特性，现在可以使用全数字孪生表示作为主要的智能工具。数字孪生由三个数字组件组成：数据模型表示、一组分析算法和机器操作的行为知识。数字双胞胎使用历史信息和已知性能数据来理解过去的行为。他们将直接和间接数据应用于当前机器状况。通过针对这些知识使用智能机器学习算法，可以对机器未来行为的预测进行建模。

先进制造是一项艰巨而复杂的工作。随着消费者的品味和趋势加速了对新产品的渴望并缩短了现有产品的生命周期，今天的制造商必须依靠大数据来帮助他们在正确的时间管理、预测和追求正确的产品。普华永道的一项研究表明，高达 92% 的制造商认为他们的决策要么是高度数据驱动的，要么是部分数据驱动的。 很容易将大数据视为一个巨大的实体，需要对其进行管理以获得正确的见解。但是，可以使用不同类型的数据，具体取决于公司的成熟度以及管理者和利益相关者可以部署的软件类型，以改进企业和工厂级别的决策。我们将此称为制造分析之旅，它包括四种类型的数据分析。 随着制造商分析能力的成熟，他们从描述性分析转向规范性分析。