最初发表于 Modern Machine Shop。 当跟踪工作效率的纸笔方法让 AccuRounds 的工程师和经理一头雾水时，该车间转而使用 MachineMetrics。但机器监控也带来了士气挑战。 在尝试用笔和纸跟踪车间效率后，AccuRounds 选择在 MachineMetrics 的帮助下实施机器监控系统。这种数据驱动的实践很快证明了实时监控的好处。这也使车间员工之间的紧张关系浮出水面。 AccuRounds 的故事可以作为如何有效实施此类技术的案例研究。 AccuRounds 总部位于马萨诸塞州埃文，是第二代家族拥有的先进制造商，为医疗和航空航天等行业提供机加工部件。

制造业是数据收集者的领导者。传感器数据、员工运动跟踪、停机时间数据、与预测性维护相关的数据、需求——在制造设施内收集信息的机会很多。 一方面，这听起来很棒。有了所有这些数据，制造商应该能够使用越来越窄的客户细分更好地定制产品和服务，利用机器学习来降低风险并通过分析和场景构建来指导决策，甚至更好地了解他们应该使用哪些产品和服务下一个报价。对吧？ 不幸的是，这种情况并非如此。尽管是顶级数据聚合器，但许多制造商仍在努力将数据用于任何实际效果。使用数据有这么多优势，为什么制造商落后于技术曲线，而且以如此强硬的方式？ 为什么未使用制造数据 为了讨论解决方案，让我们从问题开始。为什么制造

与任何新技术一样，围绕工业自动化既有很多炒作，也有很多恐惧。由于互联网上充斥着如此多的神话，因此很难将事实与虚构区分开来。不过，这些感知上的波动是意料之中的。它们是炒作周期的主要方面，是一系列事件，影响了几乎所有真正具有颠覆性的技术，从发现到早期采用，再到大规模采用。工业自动化遵循与其技术前辈相同的曲线，这一事实为其优势和持久力提供了坚实的基础。 我们在这里揭穿关于工业自动化的一些神话，以试图更好地调整对该技术能力的期望和现实。 以下是我们将要讨论的关于工业自动化的四个常见谎言： 机器人做任何事情都比人类做得更好 自动化既昂贵又耗时 工业自动化正在抢走工作机会 自动化并不适用于所有制造商

石油和天然气行业与替代性绿色能源的竞争以及公众对更多问责制的呼吁促使该行业采用数字化转型技术来刺激增长和创新。据 Quantzig 称，领先的石油和天然气 OEM 正在寻求 IIoT 等数字技术来改进决策流程，并挖掘新的收入来源以提高盈利能力。 石油和天然气行业的数字化转型始于捕获数据以了解复杂流程的能力。因此，必须能够捕获和处理从提取场和制造设施中部署的设备产生的数据。获取石油和天然气相关数据的责任落在了生产行业使用设备的原始设备制造商 (OEM) 的肩上。这意味着 OEM 必须开发创新的设备和解决方案，为行业提供优化运营所需的数字化转型工具。 石油和天然气原始设备制造商继承了更广泛行业

尽管石油和天然气行业已经开始对工业物联网 (IIoT) 及其可能性进行热身，但 Gartner 表示，该行业 53% 的企业尚未采取任何实施策略。这些企业包括生产行业所依赖的设备的石油和天然气原始设备制造商 (OEM)。 石油和天然气 OEM 不愿接受 IIoT 的原因可以追溯到过去几年赚取的利润、对运营现状的满意以及成功启动数字化转型计划的障碍。但随着替代能源开始成熟并为各种应用提供更多动力，石油和天然气原始设备制造商必须找到新的方法来保持竞争力，同时增加或维持产生的收入。在石油和天然气 OEM 的数字化转型中，这是 IIoT 可以发挥重要作用的地方。 IIoT 增强石油和天然气

石油和天然气行业的数字化转型技术受到了整个行业利益相关者的冷遇，导致大约 53% 的公司推迟采用这些强大的工具。石油和天然气原始设备制造商的这种非常平均的采用率的原因可以追溯到各种障碍，包括“不改变当前有效的方法”（或“如果没有损坏，就不要修复它”）的信念和70% 的 DIY 物联网实施都失败了。 高失败率可能抑制了数字化转型的热情，但必须结合背景来看待这些数字。 DIY 方法对企业主来说似乎更实惠、更安全，但往往会成为无法按照纸上建议处理或实施的夸大项目。然后将其留给了解石油和天然气原始设备制造商 (OEM) 为修复损坏而苦苦挣扎的专业人士。为避免此类代价高昂的错误，如果您的石油和天然气设

合同制造商经常处理围绕预期质量的耻辱。尽管 OEM 与 CM 的关系已经建立了一些人类历史上最好、最耐用、广为人知的产品，但仍然存在一个顽固的观念，即“合同制造商”是“低质量”的代名词。鉴于这一点以及更深入的数据收集和分析的趋势，OEM 正在寻求对 CM 进行越来越严格的审查。以前 OEM 只会从生产线末端的角度处理质量问题，而现在 OEM 审查涵盖了从头到尾的整个生产过程。以下是物联网帮助合同制造商在严密的 OEM 审查中保持镇静的方式。 原始设备制造商在寻找什么？ 原始设备制造商正在检查生产线，寻找低效率和低质量控制的迹象。他们想知道他们期望 CM 向客户交付超高质量商品的可靠性有多

原始设备制造商的社会和环境意识正在上升，这是有充分理由的——62% 的 Z 世代买家更喜欢从可持续品牌购买，大多数人愿意为无罪的产品支付高达 10% 的溢价。这对合同制造商产生了重大影响，因为联合制造趋势继续加强，因为 OEM 寻求符合其客户理想的设施，而不仅仅是质量合理的最低出价者。 1。减少浪费 在可持续发展思想的口中，浪费也可能是一个四个字母的词。废物意味着更多的垃圾填埋问题、海洋中的塑料以及浪费宝贵资源和破坏地球的一次性文化。 现代合同制造商使用工业物联网设备以多种方式减少浪费： 减少产生的废品数量 减少因更换太快或太晚而导致其他设备损坏的工具的材料浪费。 物联网使合同

使用 MachineMetrics 在工厂车间创建自动化 MachineMetrics 专注于让制造商可以使用数据，以便他们可以对这些数据采取行动以提高生产力。我们这样做的一种方法是提供必要的技术来创建可操作的工作流程，这些工作流程可以自动化部分生产和流程。这些工作流以从机器监控数据中获得的洞察力开始，这些数据充当触发器以自动触发操作 - 通知、事件或 Webhook。工作流程都是关于在正确的时间与正确的人沟通——不仅仅是关于机器状况，还有他们可以做些什么来纠正它。 我们推出的 MachineMetrics Workflows 在实现制造数据的灵活可操作性方面迈出了显着的一步。工作流程的

什么是工业自动化？ 工业自动化是使用控制系统（包括机器、执行器、传感器、处理器和网络）来执行任务，以实现生产自动化。 工业自动化的历史始于简单的传送带将零件拉过装配线。机器执行的基本任务和工作减少了体力劳动。今天，工业自动化是一系列用于连接工业环境的机器、执行器、传感器、处理器和网络。从 PLC、人工智能、机器学习和 IIoT 设备来看，现代工业自动化正专注于利用技术的最佳方式。下面将介绍工业自动化、其类型以及引领全球行业、扩大市场和不断演变的竞争的好处。 PLC（可编程逻辑控制器）是构建互联工业环境的关键组件。 (来源:Pierre75000) 工业自动化系统的类型 从传

了解自己的位置是到达想去的地方的第一步 您知道当您忘记启动 Apple Watch 或 Strava 时的感觉，而且您的整个锻炼都没有得到认可——这就是在没有基线的情况下跳入数据驱动项目的感觉。不管你在做什么，如果你不知道你从哪里开始，你可能对你走了多远或者你实际取得了什么没有准确的看法。计算行驶距离或取得进展的关键变量是知道你从哪里开始。这就是基线过程的全部内容——了解你在哪里，这样你就可以知道你走了多远。 技术实施的目标通常是对运营或流程等产生影响，而 MachineMetrics 也不例外。我们的目标是改善全球制造组织的运营。帮助制造商了解随着时间的推移他们对我们的产品的改进程度意

COVID-19 已经清楚地表明，供应链的崩溃会迅速加剧危机，有时会在此过程中导致自身的灾难。从用于医疗保健工作的 N95 口罩到为每个人提供的卫生纸，这场流行病清楚地表明，我们的供应链并不是我们认为的强大可靠的资源流，而是相当脆弱。尽管这种趋势在冠状病毒之前就开始了，但鉴于大流行，近岸外包正在经历大幅上升。这对制造商意味着什么？ 为什么近岸外包对制造商很重要？ 近岸外包是一种在地理上分散供应链的方法。离岸外包涉及公司将项目生产等项目外包给位于非常远且非常便宜的国家的公司，而近岸外包涉及将这些项目外包给那些比在内部进行更便宜但比在地理上更昂贵且地理位置更接近的国家的国家符合离岸外包条件。

什么是边缘分析？ 边缘分析是一种用于收集、处理和分析网络中某个非中心点（位于网络边缘）的数据的方法，而不是在云上或另一个集中式系统中。边缘分析通常发生在传感器、网络交换机、外围节点或其他一些连接设备处或附近。与更传统的大数据方法相比，边缘分析的去中心化、本地性质的优势在于它速度更快，带来更快、更准确的商业智能，同时还减轻了网络负载。 在这个模型中，大量信息在边缘进行分析，然后只有最相关和最关键的信息才会上传到云端，以进行更慢、更深入的分析。边缘分析主要是越来越多的物联网设备的产物，它们都需要更快的数据分析，有时是在偏远、未连接的区域，并且它们本身可以执行边缘分析。在某种程度上，边缘分析是一

利用先进制造技术推动数字化转型 过去的工厂是非常静态的环境。你有建筑物、设备、工人和配额。打卡，完成当天的配额，然后回家吃晚饭。虽然在他们的时代是革命性的，但这种类型的工厂在现代文化中表现不佳，需求不断波动，对速度的期望，以及激烈的竞争和合作。现在事情发展得更快——信息、货物、机械。一切。 传统制造商实施先进的制造技术以保持敏捷。它为他们提供了多功能性、灵活适应市场需求的能力，并更有效地利用他们的资源。这种策略降低了风险——一家僵化的公司可能会在面临危机或需求减少时分崩离析，而先进的制造商可以适应世界对他们的任何挑战。 这些先进制造商正在使用哪些技术来赋予他们这样的优势？虽然有很多，但以

物联网和边缘计算 物联网随着从智能灯和烤箱到工业分析数据捕获设备等连接设备呈指数级增长。据 IDC 称，到 2025 年，预计将有 416 亿台联网的物联网设备，产生 79.4 泽字节 (ZB) 的数据。相比之下，1 zettabyte 大约是 10 亿 TB。 在物联网的早期，这些设备中的大多数会将他们收集的所有数据发送到云端进行分析。但是，当您开始尝试向云发送数万亿字节的数据时，数据管道开始有点堵塞。这就是边缘计算的用武之地——它可以帮助物联网设备在本地处理一些数据，而不是在将其发送到云端之前，或者有时代替将其发送到云端。这就是名称的由来——数据在您自己网络的“边缘”进行处理，而不是被

库存责任是合同制造商和原始设备制造商之间决定成败的问题之一，通常只有在为时已晚时才会曝光，例如在危机时期。这是一个在和平时期和市场稳定时期经常被略过的话题。了解和降低库存风险应该是 CM 和 OEM 的优先任务，并且在签订合同之前应该明确地澄清这个主题。然而，尤其是在小型 OEM 中，从预测数据转变为不让任何人过度暴露于重大风险的实际库存计划可能是一项艰巨的任务，许多 OEM 只是将他们的预测传递给他们的 CM。 然而，当影响供应链的危机发生时，“正常”使用的零件溢出成为争论的主要来源——他们是谁的责任？ 借助库存责任战略计划，OEM 和 CM 可以提前就哪些零件被认为是 OEM 产品独有

随着对提高吞吐量和降低成本的持续需求，制造商正在寻求自动化和工业 4.0 解决方案来提高效率。在本文中，我们将探讨自动化在制造中的应用，包括不同类型的自动化、自动化制造的示例以及自动化的主要优势。 什么是制造自动化？ 在制造业的背景下，自动化是使用设备来自动化系统或生产过程。最终目标是通过提高生产能力或降低成本来提高效率，通常两者兼而有之。 自动化已被更多地称为使用机器来减少人类执行的工作。它已经与被编程以执行多种类型的过程的机电系统相关联。虽然自动化可能并不适合每个制造商，但大多数公司都能从以下类型的自动化中找到好处：固定、编程或灵活。 制造自动化的类型 固定自动化 以大批量

制造商明白，维护是一项成败攸关的活动，尤其是在高成本、快速发展和竞争激烈的垂直行业。在当今瞬息万变的世界中，过去的维护策略根本无法削减，仍在使用这些做法的制造商正在迅速退出市场。现代维护利用包括用于数据收集的物联网设备和用于数据处理的机器学习在内的技术来获得更好的预测和可操作的见解。综合起来，计划外停机时间可以减少到几乎可以消除的程度，更不用说其他好处了，例如提高员工士气、降低机会成本、增加客户印象和减少浪费。 虽然这一切听起来都不错，但值得提出的问题是：您如何将您的制造公司从被动维护状态转变为预测性和规范性维护？您如何从现代维护策略中获益，同时避免过程中的陷阱？ 要了解这些问题的答案，

工业物联网、机器学习、人工智能、自动化、机器视觉、大数据和更多流行语正在制造领域。这些新技术对制造商意味着什么？先进技术是否适合所有人？下面将回顾这些问题，同时提出采用新技术的一些技巧和挑战。 市场因 IIoT 的混乱而增加 所有这些新技术对制造商意味着什么？ 跟上需求是一项挑战。许多行业都在寻找自动化和其他先进技术解决方案中的优势。然而，这项技术涵盖了广泛的技术。大多数以连接为中心。当听到不断增长的市场和竞争对手对 IIoT 技术进行大量投资以降低成本和劳动力同时提高产量和质量时，经理们可能会感到焦虑。 IIoT 市场估计 预计年份 Est.市场规模（十亿） 联合

总结：物联网和自动化技术通过提供远程温度检查、访问控制、社会疏远执法和在家工作的能力等安全预防措施，使制造商能够在大流行期间重新开业。从运营和财务的角度来看，这些技术还可以减少浪费、延长维护周期并节省时间和金钱。 多年来，物联网和自动化一直在制造商中获得关注，但面对 Covid-19，采用率飙升。随着临时停产和永久性工厂关闭对某些人来说是迫在眉睫的担忧，而对许多人来说是当前的现实，该行业迫切需要一种方法来安全地继续开展业务。自动化和物联网 (IoT) 为拒绝被疫情打败的制造商提供快速实施的解决方案，同时让所有相关人员都将安全和效率放在首位。 大流行中的工厂工人安全 我们中的许多人已经