自从1908年T型车问世以来，现代社会已经走过了漫长的道路。从早期的手动启动、没有加热、机械性能不可靠、发动机噪音大、肮脏的情况来看，毫无疑问，相比之下，今天的汽车是一个奇迹。随着车载诊断、燃料传感器、空调、半自动导航控制和其他功能的增加，今天的汽车几乎已经不是一个世纪前老旧的T型车了。
然而，乘用车现在做的事情和过去一样。它把我们从A地带到B地，用于商务、娱乐和生活。因为它的目的一直是单一的，司机们理解它的发展和它对他们的驾驶体验意味着什么。他们知道现在的汽车更安静、更清洁、更可靠、更省油。虽然他们可能不了解带来所有这些进步的发动机罩下的技术，但他们知道，这些系统综合起来影响了汽车，使它达到了今天的水平。
连接点和数据
由于汽车的用途单一，因此很容易看到新技术和新兴技术在汽车上的综合效果。不管汽车上的系统是什么，几乎所有的改进都集中在改进数据捕获和将数据应用到汽车上以实现改进。但对于制造业来说，这些技术的好处和影响以及数据的影响并不总是那么明显。即使制造商意识到他们可以获取的数据量，他们也可能不了解这些数据的价值，以及这些数据如何影响他们的运营，从而改善他们的体验。
一个原因是，与汽车不同，产品的巨大差异抑制了人们对大数据好处的单一理解。因为与生物制药公司相比，牙签制造商的需求和要求有很大的不同，它们通常看起来完全像不同的动物。但就像上个世纪的汽车一样，数据正在以惊人的速度改变制造业。以下是数据对制造业的六种影响，与产品无关:
生产效率-如果不能提高生产效率的最终目标，再多的数据捕获也无济于事。对于部署数据捕获和分析的制造商来说，结果已经带来了巨大的回报。当哈雷戴维森开始通过分析利用工厂数据时，它能够降低新订单的产量21天到6小时每年节省2亿美元。同样，好时也能实现500000美元的储蓄当它在运营中加入数据分析时，它的运营效率每提高1%。
据估计，在现代制造设备中，一台机器可以生产多达5个数字日志每周GB的数据．但如此庞大的数据量超出了人类正确分析的能力。结合大多数制造商在其操作中使用多台机器的现实，可用数据的大小将呈指数级增长。
然而，当与物联网技术和基于云的分析相结合时，企业已经开始在效率上取得了超越精益和六西格玛等应用程序所能实现的收获。其结果是减少了加工缺陷，优化了供应链中的JIT性能，减少了更换时的停机时间，并对机器和特定区域的质量变化做出更快的(通常是自主的)响应。
维护-数据捕获也正在改变工厂设备的维护方式。通过对数据的正确使用和分析，从预防性维护向预测性维护的转变正在进行中。通过获得更深入的历史和实时性能数据，管理人员和工程师可以计划在更换期间进行维修，以降低总体停机时间。他们还可以在预计的零件失效之前订购零件，以减少计划外的停机时间。其净效果可以减少高达25%的维护成本。
数据还可以用于将它们指向故障的特定位置，从而减少了传统维护实践的试错元素，以缩小受影响的部分。当与机器功能相结合时，在某些情况下，可以让设备在运行过程中进行调整，而这些调整以前是由技术人员“亲自操作”完成的。其结果是提高了质量和减少了停机时间。
可追溯性-在许多制造操作中，可追溯性一直是一个繁琐的因素。传统上，这是一个手动驱动的数据“收集”，然后输入到记录系统，以确保合规或降低产品责任风险。可追溯性的水平(按工厂、班次、机器)决定了收集和形式化数据所需的时间和劳动水平。随着大数据的出现，可追溯性减少了劳动密集型，提高了准确性。对于生产质量问题可能导致产品责任索赔或威胁生命或健康的产品的行业来说，这是一个至关重要的好处。有了分析的正确应用，数据现在可以用来提供可追溯性到机器级、区域或组件级别，并自动记录和存储数据。
.png?width=1960&name=03_comp_Job--Part-Reporting_laptop-(1).png)
IT作为生产伙伴-传统上，IT功能在制造业被认为是必要的邪恶。有生产部门，也有被认为是必要的但没有增值主张的部门。与计划和采购等部门一样，IT经常被简单地认为是“开销”。因此，IT部门和支持系统经常落后于资本规划，因为它们被认为是生产生态系统中需要控制的成本，而不是增值的合作伙伴。
制造业大数据的兴起正在改变这一点。现在，数据——结合适当的分析软件——可以识别趋势，并为提高效率提供光明。在某些情况下，它甚至可以自动部署更改或调整。如今，大数据不仅仅是提供数据支持，还允许将IT集成到生产中提高效率，超过几年前的可能。通过这种方式，人们对待IT的心态正在从一个间接的职能转变为将IT视为合作伙伴和生产中不可分割的一部分。通过将IT集成为生产过程的一部分，调度、产能、成本和特定机器的生产分析使制造商更加灵活。
打开了闸门
随着大数据的不断发展，其影响显然将彻底改变全球制造业。如何在资本计划中增加数据收集和分析等挑战也需要解决。但在这一切发生之前，每个制造商必须确定他们目前有多少数据可以使用，更重要的是，在他们能够明确如何处理这些数据之前，必须确定他们没有多少数据。一旦这些问题得到解答，他们就可以以服务解决方案的形式寻找分析方法，帮助他们驾驭和管理数据，并充分利用即将到来的浪潮。
准备好授权你的车间了吗?
了解更多.svg)
评论