波士顿——制造业领先工业数据平台 MachineMetrics 今日宣布任命 Jon Cowan 为首席营收官（CRO）。作为 CRO，Cowan 负责推动 MachineMetrics 增长，以满足客户对 MachineMetrics 经验证解决方案日益增长的需求。Cowan 从 PLEX Systems 加入 MachineMetrics，后者最近被 Rockwell Automation 以 22 亿美元收购，他在此担任销售副总裁，拥有成功的企业软件销售管理记录。他在企业软件和 SaaS 领域领导和扩展销售组织的丰富经验，加上他在制造和物联网技术领域的专业知识，使 Cowan 成为 Ma

制造商处于持续改进状态，但提升效率和缩短交期让机器非生产时间备受关注。企业往往低估停机成本和数量，尽管它极大影响整个车间产能。以下将探讨追踪、分类、暴露并最终减少非计划停机的策略和解决方案，确保制造商产生最大吞吐量。 停机究竟给制造商造成多大损失？ 制造商通常知道有问题，并称最大问题是停机。但这可能是他们对问题了解的全部。2017 年一份报告指出，大多数公司严重低估真实停机成本。此外，超 80% 公司缺乏数据或准确计算停机成本的能力。随着 IIoT、机器连接和监控解决方案的近期趋势，制造商开始获得他们甚至不知道本该问的问题的答案。 停机的主要原因有哪些？ 识别停机主要原因是寻找改进的良好起

在工业 4.0 时代，每家企业都在寻求竞争优势，制造商按时交付高质量产品从未如此关键。生产瓶颈和延误、不断攀升的生产维护成本、漫长的机器停机简直无法容忍。 这就是为什么有远见的制造商正开创新方式，利用最新资源监控系统驱动效率。确实，资源监控正迅速成为工业物联网（IIoT）技术的首要用例。 如果您正在寻找更智能的方式追踪工厂资源使用，请继续阅读。 什么是资源监控？ 所有制造商在日常运营中都使用各种资源。资源监控涉及测量、分析和优化指定资源。MachineMetrics 工业物联网平台具备自动机器数据收集和生产分析，在几分钟内交付数据驱动洞察。 我们通过三个关键步骤实现： 1. 连接、收集并可视

MachineMetrics 宣布 2000 万美元 B 轮融资 工业数据初创公司开启制造商自主加工新时代 波士顿——通过自主加工提升制造绩效的工业数据初创公司 MachineMetrics 今日宣布完成 2000 万美元 B 轮融资。公司将利用资金在全球扩展平台，普及驱动制造运营的机器洞察。 “制造业正处于数字文艺复兴的边缘。软件、大数据与物理机械的交汇是制造业的下一个前沿，也是克服当前生产和劳动力短缺的验证方案，”MachineMetrics 联合创始人兼 CEO Bill Bither 表示，“当今工业机器效率低下，因为它们需要大量人工干预才能运行。MachineMetrics 让利用

MachineMetrics 于 2015 年创立，旨在利用机器实时数据变革制造业。在开始构建产品前，我们采访了约 100 家中小型制造商，得出以下结论： 高管认为机器利用率为 60-70%，但实际似乎更低（后来发现行业平均水平不足 30%） ERP 系统用于追踪生产，但数据须在班次或日末手工录入。无实时生产可视性。有些工厂不得不让操作员每小时在白板书写追踪产量。 机器常因非计划维护问题停机，如意外刀具失效等 制造商难以招聘设置编程机器、装料、换刀、定期维护所需的熟练操作员 经验丰富的操作员会听机器声音判断运行是否正常。随着这些操作员退休，这种部落知识正在消失。 对中小制造商而言，现有机器

利用车间管控从容管理 智能车间管理是现代管理方法的基本前提。事实证明，最优运行的车间操作直接正面影响管理层确保业务达成生产目标、避免延误影响交付承诺的能力。它还促进了组织高层与制造总监之间建立定期、及时、无缝的沟通，后者可进而确保对厂长、车间主管及其团队活动有直接的视线。 正确执行时，现代车间管理方法能提升全组织员工的生产力和士气。运营可按行业最佳实践标准化。生产流程中的漏洞或薄弱环节可被快速识别。问题可现场解决。 所有这些赋能组织建立持续过程改进的节奏。 此外，精简高效的制造车间运营为高管团队提供数据驱动洞察，支持他们在减少停机、增加产能、缓解瓶颈、证明资本支出合理性等方面做出明智决策。 归

什么是机器维护？ 机器维护是对机器进行保养以确保其持续正常运行的过程。它包括作为常规例行工作或在故障损坏前进行的维护——如清洁表面、润滑齿轮、检查皮带等部件的磨损情况。也包括监控设备潜在故障迹象，如振动模式变化、温度升高或能耗增加。机器维护还包括故障后的处理过程，如评估损坏和更换零件。 本质上，凡是让工厂车间的机器保持功能正常、按预期工作的措施，都可视为机器维护。维护服务通常由维护技术人员执行，并由机器控制器、传感器和机器接口的数据支持，帮助评估何时需要或将需要维护。 如何维护机器？ 机器维护有多种方法，可根据相关机器及其维护需求的可预测性策略性使用。 在许多场景中，更成熟复杂的维护策略能带

什么是工业 4.0？ 工业 4.0 的概念涵盖面广——包括工业物联网（IIoT）、云计算、边缘计算、数字孪生等技术，以及机器对机器通信（M2M）和网络物理系统（CPS）等核心概念。 第四次工业革命的基石是自动化。所有收集和通信数据的系统，其目的都是让工业和制造实践更高效、更自主。 工业 4.0 技术旨在通过软硬件连接原本分离的系统，提供信息透明度，增强人工决策过程，并将决策下放到技术系统中，从而减少人工干预频率。 想深入了解工业 4.0 技术与优势？阅读我们的完整指南。 工业 4.0 对精益制造意味着什么？ 精益制造中，组织优先减少浪费、最大化生产力。精益生产理念与工业 4.0 创新完美契合

大多数企业高度重视提升产能的能力。如果能在不增加设备成本的情况下实现这一点，价值就更大了。毕竟，制造业的本质是生产产品，而现代运营正变得越来越高效。 本文将深入探讨什么是产能，以及您可以用来挖掘车间隐性产能的策略。 什么是产能？ 产能是在制造商品生产中可达到的最大产出。它通常是一个基于零件的指标，用于确定在给定资源（时间、人工、材料）下能创造的最大商品数量。 例如：一周内我们可以生产 500 个零件。 任何制造商的理想状态都是在满负荷下运行。这意味着所有设备都以最高利用率运行，并通过优化流程避免不必要的停机时间。但大多数制造企业的产能都受到几个因素之一的制约。 在致力于提升产能之前，最好先了

作为最贴近生产的员工，操作员拥有车间深度可见性。反之，车间经理、制造工程师等利益相关方常因生产状态、团队绩效对目标达成度、设备资源利用效率不可见而困扰。 幸而，联网设备提供数据、分析、报表、沟通工具，照亮传统制造的生产顽疾。 停机分析 管理者面临的最常见挑战是机器停机——非生产时间。分析公司最大停机成因时，认知缺口即刻显现： 车间停机总量几何？ 机器为何停机？ 停机成本几何？ 最大改进空间在哪？ 回答这些问题是停机分析一环。车间经理、工艺工程师等利益相关方汇聚车间数据运行分析，识别问题、机会、洞察以削减停机。 如何追踪机器停机？ 虽属常识，制造商需生产数据才能开展停机分析。 传统上，制造商

制造商面临的最大痛点之一是停机。更棘手的是：大多数制造商不清楚工厂停机真因。幸而，联网技术与云计算平台具备连接、采集、分析数据并生成自动化友好报表的能力。 机器监控让制造商看清停机量级、影响与成因，从而采取措施削减停机。本文探讨联网方案如何赋能管理者与操作员实时洞察车间、提供精准信息减少停机。 未知的未知 多数制造商知晓因停机损失时间金钱，却难精准回答： 停机每年成本几何？ 特定机器可容忍多长停机不影响后序工序？ 机器为何停机失效？ 我们详述过人工采集弊端，制造商从自动化采集系统获益显而易见。快速总结： 平台软件应连接设备与人员，实时全景洞察车间实况。传统人工记录在上报、分析、提炼改进信息

大数据与制造天然契合，因制造业务大多可度量可优化。数据流规模、相关性、数量随制造商涌入强大能力、预测、洞察的车间数据而增长。 但数据真价值仅当制造商成功构建文化、部署基建支撑自动化实时车间数据采集时可触达。将体验快速价值创造与即时生产力提升，基于更高数据量、更多数据源与自动化解锁更高阶用例。 为何数据采集对制造商至关重要？ 核心在于：可见性。采集车间数据让制造商更好度量、理解、优化生产。掌握正确车间数据，以事实为锚做决策。这正是为何精准实时生产数据必须向所有利益相关方普及。 操作员通过机器界面查看状态、件数、KPI，确保达成产量目标 厂长通过可视化生产仪表盘识别需支持操作员或停机机器 工程师

更快解决机器停机 制造商持续寻求多产良品路径，最大拦路虎是机器停机事件。 MachineMetrics助力更快解决报警与停机，削减非计划停机，提升操作员生产力。 本指南分享MachineMetrics助力团队快速解决问题、保障机器最大化运行的多元路径。 利用实时车间可见性 知晓停机或报警发生是最快解决前提。痛点在于：许多制造商缺乏精准实时生产数据。 机器数据可见性是随时掌握车间实况的关键，这正是MachineMetrics切入点。 MachineMetrics客户用大屏显示全车间生产仪表盘，界面如下： 每个瓦片代表一台机器，按绩效色彩编码。操作员与管理者可瞬间识别落后目标或停机的机器。 这不

以机器数据驱动车间优化 自动化制造设备（CNC机床）及其操作人员，是制造运营的心脏，也是制造商最大资本支出之一。这些设备价值数十万美元，产生的数据量超越任何行业，尽管机器人与自动化创新层出不穷，这些数据却未被采集分析以提效。 这些机器每毫秒产生数百数据点，且不同机器数据结构迥异。跨所有机器标准化数据至关重要，但对特定设备极具挑战。 并非简单通过OPC-UA或MTConnect标准化——仅少数机器支持这些协议。客户曾耗费数年尝试DIY方案，逐个数据点、逐台机器手工编码转换标准模型，常导致数年定制开发集成才获初始价值，严重错配制造商资源。 数据驱动的洞察与行动，是制造商业务增长与竞争差异化的基石。

云技术以前所未有的方式连接工厂、人员与机器数据。鉴于当今快节奏、高度分布式的工业环境，以及维护管理优化的关键性，制造业运维团队借助云技术获得实质竞争优势。 传统ERP系统无法提供快速远程访问决策所需信息。面对分布式劳动力、资产与车队，这是当今竞争力的关键挑战。 反之，云端ERP、维护及其他工业软件方案，以远低于传统系统的成本，提供同等或更优功能与更高灵活性。云方案还提供跨职能可见性、跨职能平台一致数据访问、快速低成本升级、更低运营成本，且通常附带OEM担保的内部客户数据安全。 制造商正加速拥抱云技术，通过MachineMetrics等物联网平台将创新直接带至生产车间与装配线。 以下梳理云技术为

精准的作业标准决定制造商的运营与财务成败。缺乏换型与循环时间的实时验证方法，导致预测偏差，冲击波贯穿全组织。 本文探讨制造商如何利用MachineMetrics轻松以实绩数据验证作业标准，以及打磨标准如何助力精准报价与精准排程。 为何标准化作业与换型时间至关重要？ 制造商通常设定零件加工时间与作业换型时间的标准。这些标准常在设计/编程阶段制定，此后鲜少更新。因制造商常以此为定价排程依据，导致预期与实际作业/换型时间背离。 由此引发贯穿运营的多重问题： 基于预期与实际生产速率差距（预期往往过度乐观），操作员面对不切实际目标而士气受挫 准时交付目标难达成，因完成订单普遍耗时更长 利润率低于报价，

「全自建」时代已去，制造界许多人乐见其逝。今天，软件即服务（SaaS）主导制造技术版图，实至名归。SaaS在释放内部资源的同时，为充分利用其能力的制造商带来诸多红利。在产品与交付期待日益复杂的当下市场，SaaS是制造商保持领先、维持竞争力的关键路径。以下是SaaS对制造商的五大核心优势： 1. 降低间接成本与风险 自建软硬件隐性资源密集。不仅采购维护物理硬件成本高昂，维持IT团队开发软件、管安全、修硬件、保运行的薪资支出亦巨大。设备需定期升级，员工需持续培训跟进。甚至在升级节点，许多制造商因成本高企无法采购理想级别设备。安全是制造商转向SaaS的最迫切关切之一。工业物联网与智能工厂普及下，数据

为什么效率对制造商至关重要？ 提升生产效率是制造业核心信条。利用精益策略在保质增产的同时压降成本，是恒久挑战。但以持续改进心态面对，这更是机遇而非问题。 毕竟，制造商效率有上限，只要超越竞对即为赢家。但随着新技术涌现、数据驱动决策普及，「行业标准」的门槛将水涨船高。例如，制造业就业人数下降而产出却在增长。 生产力 vs 效率：概念辨析与实战意义 生产力与效率非同义词，虽常混用。两者均为优化方向，但制造商须理解各自内涵与关联，以科学引导改进。 生产力是效率的一种度量，反之不成立 Product、Production、Productivity——制造车间高频词，同根同源。这是记忆生产力含义的最佳捷

制造商面临的最大挑战之一是掌握车间实况。为此，制造商使用OEE软件采集关键数据，为部门负责人、主管、操作员提供车间活动的实时信息，支持更快、更自信的生产决策。 但若实施生产监控软件的目标是了解当前绩效、随时间度量绩效并持续改进，首先必须定义绩效。制造商最常用的指标是综合设备效率（OEE）。 OEE不仅能识别潜在损失、定位流程短板，更是持续改进战略的基石——远超单一绩效指标。 什么是OEE？ 综合设备效率（OEE）衡量机床效率，综合考量机床运行期间的可用性、性能、质量三大变量。 OEE = 可用性 × 性能 × 质量 OEE计算所用的三个基础指标定义如下： 1. 可用性 可用性即正常运行时间。指

后疫情时代，制造业强势复苏，数字化转型议程重回聚光灯下。行业站在久违复兴的门槛上，制造领导者不仅要拥抱创新，更要加速创新，同时管控产能扩张与质量维持等关键进程。高效协作是双赢关键，而在远程办公常态化下，协作显得更为关键。 疫情全球蔓延时，赢家与输家迅速分化。众多制造商措手不及。早在此前，制造业就以对数字化、数据中心思维的迟缓采纳著称——而这已重塑其他行业。 此次危机中暴露无遗。甚至此前投入数百万推行工业4.0或物联网计划的企业，也无任何成果可言。我们有客户，在接触MachineMetrics前，耗时数年自建方案，投入数百万定制开发集成，却迟迟无法获得初始价值。疫情袭来，维系这些实施的资源被迫搁