无灯制造是利用全自动化技术、几乎无人干预运行生产工厂的技术。这需要机器学习和高频数据采集等多种技术支持。 许多制造商梦想用“设置好就不管”的心态进行生产。只需上班、启动机器、关灯、走出大门。无工人、大楼内无人。只有机器做它们最擅长的事——以远超人类的速度精准、重复地执行任务。 这将大幅减少工伤事故、供暖制冷成本和人工成本。制造商遇到的质量问题也会减少，因为——不同于人类——机器能日复一日精确复制行为。 这些全天候生产设施听起来像纯粹幻想，但它们已是全球制造设施的现实。毫无疑问。虽然大多数设施处于自动化生产活动的早期阶段，但自动化解决方案正日益被整个行业采纳。 什么是无灯制造？ 无灯制造（也称

随着IIoT、数字化转型和新一轮工业革命的推进，一些资源让技术采用听起来很简单。与此同时，许多人仍对节拍时间、前置时间和周期时间等术语感到困惑。以下将解释这些时间指标的区别、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、周期时间和前置时间有何区别？ 前置时间本质上是从最初产品订单到最终交付的总时间，而周期时间作为一个较短周期，是完成一个产品的平均时间。最后，节拍时间计算制造商为满足客户需求必须完成产品的速率。我们将深入探讨这些时间指标： 节拍时间 周期时间 前置时间 节拍时间 什么是节拍时间？ 基于客户需求，节拍时间与设备运行速度或工人移动速度无关。它是为赶上截

可以肯定地说，重型装备制造业面临不少挑战。必须克服这些挑战，才能生产出符合政府法规、可销售使用的设备。OEM在行业内面临的其他障碍包括物流供应链、日益扩大的技能缺口，以及生产创新设备的需求。 指导重型装备制造业的法规与标准 指导重型装备制造业的法规以安全为中心，保持环境免受有害物质污染。全球范围内，针对重型装备制造和工厂车间使用重型装备的排放标准均已存在。对于美国设备制造商，排放法规由职业安全与健康管理局（OSHA）制定。这些法规考虑了重型装备设计的发动机等级、设备使用环境及操作人员健康。 欧盟更进一步，提供关于设备内部安全功能的法规。这些包括急停开关和创新设计，确保操作员保持在安全操作距离

在工厂车间成功实施工业4.0解决方案，预计将为重型机械制造企业带来巨大收益。这些优势包括数据驱动的制造流程以优化机器利用率、预测性维护，以及将法规标准纳入制造运营。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成功执行工业4.0实施阶段。 克服遗留重型机械的负担 对许多重型机械制造商而言，成功实施说起来容易做起来难。重型机械制造商和OEM面临多种挑战，包括： 遗留设备的广泛使用 从复杂工艺采集车间数据的挑战 使用具有不同通信协议的系统或机器 在工业领域，约90%的工厂仍使用遗留资产完成特定操作。重型装备行业是40或50年历史的设备仍发挥重要作用的典型领域。在大多数情况下，这些

在一次关于重型装备制造商面临创新与制造挑战的采访中，Scientific Instruments公司CEO Nathan Sheaff谈到了数据采集与分析。他指出：“工业4.0的兴起意味着我们被越来越多的数据淹没。应对这种数据洪流的最佳方式是增强数据处理和边缘计算能力。” 这一说法精准概括了重型装备制造业在工业4.0和随之而来的数字化转型中的挣扎。如今，许多制造商都在询问：如何处理机器产生的海量数据集？如何简化数据处理带来的担忧？这正是IIoT（工业物联网）发挥作用的地方。 利用IIoT提升数据处理能力 IIoT解决方案指提供采集和处理大量或不断增长数据所需计算能力的物联网软硬件。工业物联网

什么是制造业KPI？ 制造业KPI（关键绩效指标）是提供业务绩效洞察的可量化指标。正如其名称所示，它们指示着绩效的成功与否。 一个常用的制造业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。虽然这是衡量绩效的有效指标，特别是在车间、机器级别，但OEE最好与其他KPI结合使用，以便从多个角度更清晰地了解绩效。制造企业可以而且应该选择多个KPI作为关注重点，以帮助指导决策。 为什么KPI对制造商至关重要？ KPI之所以重要，是因为它们是明确定义、可衡量的指标，帮助企业聚焦最关键的事项，从而在一段时间内跟踪、分析和优化绩效。 KPI让制造商知道是否走在成功的道路上、是

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

工业连接简介 什么在推动工业连接？工业 4.0 浪潮下，世界要求更快生产力、更高质量、更高透明度、前所未有的运营效率。自动化兴起，车间塞满前所未有的资产、设备、机器——所有这些必须协同、高标准运行。无工业连接，现代车间快速陷入混乱，每次相关对话皆负面且夹杂性能恐慌：‘这台机器停机了’。‘那台机器未充分利用而对应机器过载’。‘那边机器耗能是应有两倍，却无人知晓’。‘数据锁在孤岛’。‘运营绩效洞察几乎不存在，因无人有信息做有效决策或指导生产’。有工业连接则一切改变。机器开口说话。瓶颈瓦解。整个生产车间顺畅运行。且日益优化。事实上，IIoT 核心是工业连接，使组织获得工业设备洞察以更好理解性能。但操

带你来此的，不会带你去想去之处。这句谚语或是理解采纳与扩展技术差异的关键。高管们见证了 AI 和物联网等新技术集成如何增值，却错失里程碑和 ROI 预期。以下回顾高管如何利用机器数据获取商业智能，迈向下一阶梯。 试点项目扩展的问题 制造业当前驱动力之一是用技术增产降本。许多早期项目聚焦连接和机器数据。机器数据项目虽显希望，但可能未达预期 ROI 或无法同等效果扩展。这常因试点项目目标针对单一项目。 高管应知机器数据项目如何局部达标，但考虑局部成功如何影响其他利益相关者。理解机器数据如何融入大局，新技术可能在达到某采用百分比或 N 值前，不在业务层面产生变化。下文概述启动试点项目时应考虑要素

什么是工业4.0技术？ 工业 4.0，即第四次工业革命，旨在让业务更智能、更自动化。第三次工业革命聚焦将机械模拟过程数字化，第四次工业革命则深化数字技术影响：让机器更自给自足、能相互“对话”、以人类无法企及的方式处理海量数据——皆以效率和增长之名。工业 4.0 技术代表企业运营基础性转变，犹如第二次工业革命从蒸汽动力到电力的变革。 想了解更多？阅读我们的工业 4.0 完整指南。 工业4.0技术如何影响制造业？ 制造业中，工业 4.0 影响广泛。用于提升运营效率、优化需求预测、打破数据孤岛、实施预测性维护、提升工人安全与虚拟培训等。作为数字化转型宽泛概念一部分，工业 4.0 跨越计划到交付，

马萨诸塞州北安普顿——2020年9月22日—— MachineMetrics 与 Fiix 宣布新合作伙伴关系，将 MachineMetrics 前沿制造物联网平台与 Fiix 行业领先维护平台结合，使企业能利用生产设备实时数据驱动即插即用自动化维护方案。 “MachineMetrics 是数字工厂的机器数据组件。现在，携手 Fiix，制造商可利用我方平台实时数据轻松赋能工厂工人维护行动和维护系统自动化，”MachineMetrics CEO 兼联合创始人 Bill Bither 表示。 MachineMetrics 与 Fiix 联合方案使制造团队能用 MachineMetrics 实时监控

归根结底制造业是数字游戏。一些公司仍手工报数，另一些采用新自主技术提升产出吞吐量。但许多公司新技术未达预期 ROI，是时候核对数字、理解影响制造吞吐量的因素。以下呈现如何找痛点、寻方案以增加产出吞吐量并驱动关键制造指标。 提升制造吞吐量策略 1. 检视工作流 从了解采集何数据、为何采集开始。数字游戏记住：垃圾进，垃圾出。若输入坏数据、不足数据、陈旧数据，别指望有价值输出。为更好理解制造吞吐量，绘制包含人力、设备、工艺及其协同的工作流图。此图还应标注数据承载最大价值之处，或指示吞吐量效应区（对生产吞吐量影响最大的区域/工艺）。 2. 识别瓶颈 清晰工作流应使找瓶颈相对容易。通过瓶颈分析寻找并

工业 4.0 概念推动多行业数字化转型，医疗器械原始设备制造商（OEM）亦在列。医疗器械生产行业中，关注点多在离散制造商，导致许多生产医疗器械制造商用设备的企业困惑：在哪里能找到将数字化转型模型应用于解决其问题的信息？ 为解答此困境，需理解医疗器械 OEM 面临的独特挑战。挑战范围从销售非商品化设备的有限利润空间，到跨多制造工厂优化运营绩效。 医疗器械OEM面临的4大挑战 1. 在静态利基市场提供价值型设备与服务 医疗器械设备制造商在采购设备和维护成本上涨。许多医疗器械制造商认为设备成本上涨与 OEM 目前提供的价值不匹配，难以证明合理。 采购设备也需维护以保最佳运行。高昂经常性维护成本印

第四次工业革命来势汹汹，预计制造业生产率将提升 5-10%，只是数字化转型为制造业带来的众多红利之一。医疗技术行业使用的重型设备制造商也有望收获数字化转型红利。 数字化转型支持的商业模式包括：基于状态监测、预测性维护、资产绩效管理、远程机器监控、数据驱动工厂绩效优化等。为利用这些模式，OEM 首先必须成功执行获取车间数据并处理分析的数字化计划实施。以下为医疗器械 OEM 缓解此过程的 5 条建议。 医疗器械OEM的工业4.0商业模式 1. 制定实施规划 每个生产周期由总生产计划指导，考量制造活动各子板块。数字化转型实施规划可类比为贵厂用于确保所有人步调一致的总生产计划。优秀规划始于考量：运

医疗工程界依赖的设备OEM，普遍沿用运行数十年的传统系统。统计显示：当今车间约30-40%设备为传统资产。因此，通过数字化转型迈向智能工厂，面临带着这些传统系统同行的挑战。 工业4.0封装了发展互联网络物理系统的红利，不排除传统资产。这为医疗器械OEM打开多种工业4.0商业模式。优势伴随挑战：将老旧系统集成现代网络时，可能面临以下类别问题： 合格技术专家短缺 可用设备技术框架差异大 对新数据如何利用感到困惑 升级传统系统至现代方案的成本高昂 专家短缺指OEM缺乏工业物联网、边缘计算、计算网络等数字化转型技术的使用与实施经验。技术框架差异指：传统设备缺乏数字I/O或其他接口接入连接网络。多数

摘要：物联网通过减少非计划停机成本、创建数字孪生追踪资产与复杂仿真、提升工人安全满意度、提供流程设备改进深度可执行洞察，为制造业垂直领域企业创造价值。物联网还赋能制造企业敏捷与韧性，使其无论身处何境皆能持续繁荣。 用IIoT省钱与赚钱 各行业从IoT技术汲取巨大价值，行业爆发式增长印证此模式。麦肯锡预测：2025年IoT经济影响将达11.1万亿美元。思科预测：2021年底IoT设备数据将超800泽字节。 为何会如此？IoT设备为企业做了什么？可归纳为两大类：省钱与赚钱。IoT创收例：赋能企业为产品增加订阅模式，创造经常性收入。 工业物联网在制造业降本路径多元。核心在于：用预测性维护原则降低整体

汽车行业在全供应链的世界级质量管控上首屈一指。维持此标准，供应商须遵循刚性开发需求追踪、验证制造体系、接受定期流程审核。这往往要求组件级缺陷率低于1 DPM（百万分之一缺陷）。为达成此类出厂质量，制造流程每个中间环节均需可量化、可监控、可控制的结果。统计过程控制（SPC）常用于高亮偏离正常运营的异常。 单班次跑完一批零件、末端抽检质量的制造时代已逝。过去技术员可能据此在日末微调机床旋钮确保合规。如今全球制造节奏要求质量与制造一致性持续在线保障。监控汽车制造指标以确保质量达标至关重要。 面对批次装配与拆卸的离散定制化生产，流程重复性是今日复制昨日产品的关键。通过追踪关键绩效指标（KPI）与体系要

随着工业4.0在全球制造企业成熟，许多人假设新技术将替代旧方法论以持续推动效率与产出改进。虽某些应用如此，但新技术也能互补现有实践。 全员生产维护（TPM）即与工业物联网价值高度契合的方法论之一。TPM建立在精益推广的5S基础上，是一种缓解停机、改善生产的维护模式。此模式将维护停机纳入制造排程。最熟悉设备的操作员与技师，被赋予常规与预防性维护特定职责作为其工作一部分。 TPM八大支柱 TPM旨在提升生产力、效率、安全，构建将基础维护融入一线标准作业程序的文化。包含八大活动支柱： 自主保全——操作员监控工位设备状况。 设备与工序改善——组长与操作员收集信息、优先排定维护任务。 预防保全——操作

传统汽车供应链制造维护依赖经验观察与人工测量。此法仅能离散间隔采样机器性能，饱受测量时段差异、人为解读误差、传感器布放偏差等重复性问题困扰。现代方法可通过“数字孪生”的智能仿真数字化实现同类维护。 为评估工厂复杂机械的详细运行特征，完整数字孪生可作为核心智能工具。数字孪生由三大数字组件构成：数据模型表征、分析算法集、机器运行行为知识。数字孪生利用已知性能的历史信息理解过去行为，应用直接/间接数据感知当前工况，借智能机器学习算法建模预测未来行为。 完整机器数字孪生由多部件组成。每个机械零件均可用组件孪生在最基础层面数字化表征。风扇叶片、轴承、活塞、紧固件等均可作为组件数字化。组件孪生是对所属资

高端制造错综复杂。消费者偏好加速演进、产品生命周期缩短，迫使制造商依赖大数据管理、预测、追逐正确产品与时机。PwC研究显示：高达92%制造商认为其决策高度或一定程度数据驱动。 易将大数据视为单一巨型实体以求正确洞察。实则视企业成熟度与可部署软件，可用不同类型数据改善企业与工厂层面决策。我们称之为制造分析之旅，包含四类数据分析。 随制造商分析能力成熟，从描述性分析进阶至处方性分析。 制造数据分析的四种类型 描述性分析——告诉用户发生了什么。利用全厂/全公司历史数据寻找模式、关联、关系。通过数据聚合与挖掘，组织数据以产出深度过去洞察。可应用于质量、财务、营收等宏观类别，助理解趋势演变。但受限于