当我们许多人以进健身房、吃得更好、少花钱为新年决心开启新年时，制造商手头肩负着更重要的变革：拥抱不断变化的数字制造版图与新兴工业4.0技术。 过去一年，无法逃避关于IIoT或互联网4.0的头条。这些技术赋能制造新模式已被世界顶级制造商大多进入实施阶段。 虽然数据驱动制造收益太大不可忽视、将使许多人在日益激烈竞争版图交付竞争优势，但约50%美国公司仍承认无数字制造解决方案推广计划。因无数字制造标准路线图，公司常不确定从哪开始、成功需要什么基础能力。 2018年MachineMetrics团队致力于赋能您的公司不仅采用最新技术、更在转型旅程中取得成功。没有比现在更好的时间制定团队攻坚计划，废话少说

  每一天，在每个制造环境，故障和停机都在发生。面对执行重复任务的设备，这是现实。问题在于，当今市场制造要求效率和质量生产。在“准时制”制造环境中，仅一台机器非计划停机就能导致延误、客户不满、客户流失至竞争对手、直接冲击公司底线。 (Internet of Things)增长带来的真正伟大成果之一，是机器数据可被利用限制停机（计划和非计划）的运营成本和影响。这即预测性维护。 什么是预测性维护？ 预测性维护——PdM，简称——是预判工厂车间机器维护需求的方法。通过分析机器运营数据，浮现模式让操作员理解故障模式、预测任何给定单元何时需要维护，允许在低成本时段计划维护。 过去，制造商依赖反

更新于2021年5月13日   工业4.0伴随大量流行词和趋势。制造商难以掌握概念、判断如何可能采用工业4.0解决方案。毕竟，“工业4.0”是模糊的宏观概念。难以实操思考、开始推出整合进企业愿景的路线图。 讨论如何开始工业4.0，我们先定义它。引用我们完整指南： 工业4.0，即第四次工业革命或4IR，是全包术语，指计算机、数据和自动化如何演进融合、改变工作方式，特别是制造业。 这不是可执行策略，而是由智能技术（包括IoT）驱动连接、信息处理、自动化的新一代制造。 制定工业4.0策略 取决于行业、业务、运营性质，有无限用例可追求、大量工业4.0技术可部署。无法指导您如何开始。我们将基

*更新于2021年2月10日 工业4.0的重要性何在？ 第四次工业革命，或工业4.0，对制造业极其相关且日益重要，理由多元。尽可能简单说，工业4.0代表推动跨运营效率的下一波技术浪潮。 未能采用第四次工业革命技术将导致组织落后，因其运营数字化程度不足以匹敌竞争对手。 为何工业4.0在制造业重要？ 有几个关键原因导致制造商将越来越多采用工业4.0技术： 成本效率：机器监控解决方案、预测性维护策略和其他先进运营技术将帮助制造商减少停机、增加吞吐量、总体降低供应优质零件成本。 数据民主化：同许多行业，制造业深受数据孤岛之苦，不仅组织内部门间，也存在于不同层级（即机器层级、工厂层级、企业层级）。连接运

形势已变。 数字化转型关乎商业模式变革，关乎企业不仅利用最新技术创造的巨大机遇，更为其持续演进做准备。 云端数据管理系统的引入给制造商带来些许文化冲击，但收益太大不可忽视。越来越多公司日渐将工作负载迁移云端，目标在未来几年将一切迁上云。数据数字化使它们在日益激烈的竞争格局中交付竞争优势。 然而，随着业务更数字化，固有网络安全风险增加，问题日益严重。对企业在转型期开发维护IT安全的能力审视更严。 简单说，企业再不能袖手旁观、接受当前安全现状。 迁移云软件要求愿意将潜在敏感生产数据移出企业“四面墙”安全区，许多公司需推动全公司IT文化变革。尽管有障碍，采用云的组织发现：就收益而言，天空才是极限。

工业化4.0绝对影响国际业务和货物运输。全球化与工业化对行业的影响显著。 “自第一次工业革命以来，工业化就影响国际业务。特别是运输和电信进步影响巨大。随着贸易和通信增加，越来越多公司跨陆跨海延伸触角。” 制造业向数字化转型影响公司间沟通方式并加剧竞争。“这意味着公司必须专注于满足不断变化的消费者需求。保持制造生产灵活、融入自动化技术可缩短生产时间、让公司更快响应、增强竞争优势。” 什么是工业全球化？ 工业全球化是组织实现跨境生产的过程，允许识别并利用新市场。这可带来优势，如降低物资和劳动力成本、合作伙伴机会、额外商业市场。 对制造业，最简单通信技术出现使企业能全球建立生产设施，帮助大幅降低成本

业务敏捷性曾是制造企业可渐进追求的目标。但高度易变的动荡、不可预测的商业气候、激增的需求和竞争，迫使企业将业务敏捷性视为当务之急。 比以往任何时候都更重要：基于实时、准确、可靠数据做出快速、明智决策。 许多公司传统上依赖制造执行系统（MES）管理生产流程、辅助决策。但传统MES系统被证明不足，尤其是与数字化制造解决方案提供的机会相比。 ERP或MES是否扼杀您的创新和持续改进？让我们探讨可能的情况。 MES如何拖您后腿 传统制造管理系统在许多方面阻碍企业。MES软件在响应数据驱动工厂潜力时缺乏敏捷性和灵活性。归根结底，MES是响应流程驱动输入而非数据的软件系统。它们常代表来自收购和插件的功能拼

自工业自动化伊始，制造业就利用传感器。最初用于触发机械响应以减少人工。随着传感器技术演进，设备改进为从单台机器采集数据，以便公司分析生产流程、识别改进领域。 鉴于机器监控解决方案和工业物联网兴起，手工分析数据和对传感器输入的简单机械响应已显低效多余。随数据采集和分析速度精度指数级提升，传感器技术演进为服务IoT系统，而非成自动化流程终点。 今天，制造传感器仍是IoT和数据采集拼图的重要一块。制造商发现，工业传感器因遗留设备在可预见未来仍将被需要，但IoT进步已帮助定义其在车间和数据采集中的角色。 什么是制造传感器？ 制造传感器用于数据采集，测量机器物理状况。由接收或测量输入并生成数据输出的装置

对许多制造商而言，实现工业4.0解决方案价值颇具挑战。近年经历巨大动荡，企业目睹稳定、精益、可预测的供应链让位于缓冲库存维持运营的新时代。 现实是这些系统曾经过成本优化以增加企业内部价值。模式改变下，劳动力和设备利用率成焦点。随之而来的是迫切需求：以数据为持续改进和成本控制的枢纽，挖掘隐性产能、优化流程来增值。 幸运的是，车间机会遍地。只需用精准生产数据揭示它。 通过投资管理者的视角审视IIoT等工业4.0解决方案，制造商可利用现有商业知识理解特定工业4.0举措可达成的ROI。这帮助制造商选型技术方案时做有效决策，也能向高层证明投资合理性。 评估工业4.0解决方案ROI的框架 许多制造商对“又

在制成品成本结构的所有组成部分中，材料成本对几乎任何行业都是最昂贵的之一。当然，没有原材料和组件就没有生产。但若因质量不合格拒收过多材料，会显著冲击公司利润率。甚至单是刀具成本就很高！ 跨行业，被拒材料称为废品。没有什么比高废品率更能引起管理层关注。问题极其关键，类似人工和设备利用率，降低废品的计划几乎总是制造商持续改进举措的一部分。 制造商必须考虑废品率，而非仅关注最大产出，否则利润将重创。 但究竟什么归类为“废品”材料？管理者如何主动减少废品产生？我们探讨废品概念、如何计算废品率、以及减少废品返工的策略。 什么是废品？ 制造废品是制造运营中将被丢弃的不可用材料。 废品可细分为几类，同时作为

制造商长期使用制造执行系统（MES）辅助生产管理。无论是独立系统还是作为更广泛ERP系统一部分，MES在管理和改进生产中发挥了重要作用。 话虽如此，传统MES解决方案存在显著缺陷。 虽然MES帮助将制造数据提升到日常设备和生产流程管理的更高层级，但它仍依赖流程驱动运营，配合手工数据采集和录入。它也是人驱动的，常因与其他企业软件缺乏互操作性而受困。 为提升MES有效性，制造商可开发车间宝贵资源：机器数据。这数据一旦释放，提供实时信息流，可用于更好决策、更有效管理、甚至自动化。 机器数据与MES的关联 制造商需要了解车间的真实情况，并能据此行动以改进产出、效率、质量和产能利用率。强大的MES能提供

释放制造业数字化潜能 近期，我们有机会举办MachineMetrics用户与意向客户活动，了解制造领军者如何利用数字技术提升运营效率。我们的“Lets Get Digital”活动圆满成功，让本地制造商实地参观AccuRounds工厂，并在当地酿酒厂Trillium与同行交流。（敬请期待：未来我们将举办更多此类线下活动！） 我们还举办了圆桌论坛，邀请多位制造领军者深入探讨数字化运营的驱动因素，以及如何利用数据做出更好决策。这由我们的资深价值工程师Rob Urbani的演讲补充，他概述了衡量数字化解决方案ROI的框架。 以下分享圆桌论坛的几个问答。再次感谢三位嘉宾的精彩分享：   问

理解工业物联网、探索高价值用例、应对常见挑战的资源手册 利润收窄、通胀上升、竞争空前激烈，众多企业正经历数字化转型以在当今市场保持竞争力。 工业物联网（IIoT）是企业打造智能工厂、夺取更多市场份额的关键技术。事实上，许多公司已采用连接解决方案降本增效。 但究竟什么是“工业物联网”？ 这一概念如何推动数字化转型、优化商业模式、创造更高运营效率？它是银弹吗？制造商实际上如何用这些解决方案创造价值？ 下文我们将深入剖析IIoT背后的技术，重点介绍常见用例、挑战和收益，为您提供全景概览。 什么是工业互联网（IIoT）？ 工业互联网（IIoT）指物联网（IoT）在工业环境中的应用。包括从智能连接设备

工业数据平台的兴起源于物联网在制造业的广泛应用。海量、多源、异构的数据类型促使制造商实施平台，在众多机器和系统间收集、标准化数据。 这些“工业数据平台”由此实现更高运营效率、完整生产可视化，并推动持续改进举措。 但这些平台究竟是什么？如何演变而来？对制造业将产生何种影响？ 什么是工业数据平台？ 工业数据平台从工业环境中的设备和系统收集、标准化、语境化、存储并提供数据访问。 制造企业使用MRP和MES系统已有数十年。但随着工业物联网、高级分析、人工智能（AI）、机器学习（ML）和边缘设备的兴起，数据量呈指数级增长，分析新能力层出不穷。这种爆发催生了多解决方案协同的需求，以处理、存储、分析海量数据

制造业向来依赖数据衡量绩效、发掘机会。但随着技术进步，许多制造商仍沿用旧有模式运作。 手工收集生产数据的传统方式存在诸多固有弊端。随着强大的监控和分析能力触手可及，手工数据采集正迅速让位于自动化解决方案。 手工与自动化数据采集对比 1. 手工数据采集 传统手工采集依赖记事板、笔、白板、秒表和计时器，用于记录产量、停机事件和废品率，也用于测量车间内的工时和动作。 随着计算机技术发展，这些工具被Excel电子表格，最终被部分独立计算机软件取代，以提供更高质量的数据和分析。但记录和测量仍是手工进行，易受人为误差和偏见影响。数据滞后、不准确、可操作性差。 我们的一位客户最近分享了他们过去用于记录停机事

面对当前制造业遇到的种种挑战，要为未来做好规划并非易事。不仅通胀和供应链中断导致成本上升，行业还面临持续的技能短缺危机。 为了更好地应对未来，制造商可以利用产能规划，更清晰地了解满足预期需求所需的资源。虽然没有完美的模型，但有效的生产产能规划是一个流程，它帮助管理者设定预期，确保组织做好准备以支持未来目标。 此外，它还能帮助发掘现有产能中的关键机会领域。 什么是制造产能规划？ 制造产能规划是整体生产规划的一部分，旨在量化公司拥有的生产能力以及完成订单所需的产能。 这包括劳动力和员工产能需求、产品组合、供应链及其他变量。产能是指利用可用资源所能达到的最大产量。 有效的产能规划能凸显瓶颈、降低风险

本文属系列文章，聚焦制造企业在工业4.0与工业物联网方案上的核心顾虑。技术迭代飞速，难辨真价值与噱头。我们致力于澄清认知，助您自信推进。系列文章： 你真的已准备好迎接工业4.0：理由在此 工业物联网是必选项而非锦上添花 担心云与SaaS？你错过的关键价值 恐惧合理，但迟缓代价高昂 团队未就绪IIoT？ 新技术总遭遇怀疑，未必是坏事。若这是阻碍，理解根因才能寻得前行路径。 对新兴技术早期采纳的恐惧、对现有技术舒适区的依恋，让制造商犹豫。可能是高管视IIoT为银弹、根深蒂固的操作员文化拒绝“大哥大”监控、或不堪重负的IT部门担忧被替代。 但鉴于IIoT方案成长成熟，怀疑若不化解，将沦为与抢先捕

IIoT组件(IoT硬件、软件、通讯协议)的无缝集成在制造业中分步演进。 早期工业自动化系统为基础传感器、行程开关等，数据直送打印输出或HMI，几无分析能力。管理层仍需数据录入独立软件平台。简单软件与企业级系统互操作性差，数据处理速度深度受限，可视化多限于机床端HMI。 自1970年代起，工业自动化常依赖PLC。云平台进化至可在标准化协议下与PLC协同。PLC传输数据至云平台，经分析交付系统与人员，提效、改善工艺、减废、输出可执行洞察。 PLC与云：是什么？ PLC与云平台是工厂监控系统与IoT分析平台所需的两大截然不同组件。应用层面差异大，但现代IIoT自动化监控系统需二者互赖。理解差异有

MachineMetrics凭ISO 27001认证达成最佳信息安全标准 国际公认标准验证MachineMetrics对高阶数据安全实践的承诺 马萨诸塞州北安普顿，2022年4月19日——面向制造商的机器数据采集与生产分析领导者MachineMetrics今日宣布，其工业数据平台通过国际标准化组织(ISO)/国际电工委员会(IEC) 27001:2013认证。审计经严格独立评估完成，反映MachineMetrics在保障客户数据可用性、完整性、机密性免受威胁方面的坚定承诺。 “MachineMetrics将安全置于每个决策前沿。产品建立在数据至上价值观上，我们视数据保护为服务制造商的核心能力

上月我出席了密歇根大急流城举办的GVSU汽车供应商研讨会。作为制造技术从业者，此次活动极具启发性，两场演讲尤为共鸣。 首场为GM供应链执行总监David Leich主旨演讲：分享GM在多重干扰下确保供应链韧性的举措，及对供应商未来预期。次场为S&P Global Mobility(原IHS Markit)汽车分析执行总监Mike Wall演讲：基于俄乌冲突发布的全球汽车产量最新情景推演。 以下梳理两位专家核心观点及制造商应对行业动态变化的筹备策略。 为什么买不到新车？ 关键数据：美国新车库存崩塌至122万辆，疫情前为400万辆。 David Leich抛出非传统观点：“OEM生产将