虽然我们中的许多人正在通过击中健身房，吃得更好，并花费少的钱来开始改变自己，但制造商在他们的手上拥有一个更重要的转型：拥抱不断变化的数字制造景观和新兴行业4.0技术。

2019年，物联网（物联网）终于在工业空间内获得了势头，而制造商现在能够利用全新的数据库来驱动决策。在越来越复杂的制造环境中，公司正在寻找任何边缘，在整个全球化的经济中保持竞争力。

在MachineMetrics，我们的目标是为我们的客户提供他们需要的数据，以获得必要的优势，使他们保持盈利和尽可能有竞争力。多年来，我们的数百个客户一直使用MachineMetrics来驱动性能和减少计划外停机时间。MachineMetrics轻松连接到任何机器的独特能力，使我们的平台迅速获得巨大的吸引力，并聚合了我们认为是世界上最强大的机器性能全球数据集。通过对这些匿名汇总数据的分析，我们现在可以向我们的客户、合作伙伴和制造社区提供最高级的洞察力。

随着我们2019年行业（SOTI）的2019年国家（SOTI）的释放，我们正在向以前从未实现的级别提供承诺，我们很激动，以便让每个假期都可以自由地提供。专门由来自数百家公司和全球数千台机器收集的实际制造数据驱动，MachineMetrics的报告是它的第一个，并为许多关于该行业的肠道感受提供了确认，并揭示了意外的制造行为和以前从未明白的趋势。

到目前为止，没有业务有机械型测定学的能力，可以连接到多种机器类型并汇总所需的数据，以便在报告中准确地提供这些洞察力的具有真正统计显着性。以前的行业报告已根据自我报告的自愿调查答复编制，这些答复要求来自贡献者的数据作为返回调查结果。随着大多数制造商根本无法访问必要的数据，自我报告的调查通常不准确。

不能低估收集这种数据集的难度。制造业中的数据仍然被各个公司抵触，每个制造商都有他们自己的数据。经济衰退或业务放缓往往导致非报告，因为使用资源向调查报告的资源更具迫切的业务问题。然而，这通常是企业需要行业信息的最多 - 在一个月内有一个月的时间，知道一个人的代表以及哪些部分关注营销努力，可以对恢复至关重要。

2019年回顾:我们看到了什么样的洞见?

我们将报告分为三个部分:机器层面的见解、工厂层面的见解和经济学家层面的见解，每个部分都在数据驱动下讲述自己独特的故事。例如，在今年的过程中，我们看到了每一种特定机器类型的趋势，其中grinder表现得特别好。大多数机器类型的利用率大致相同，在今年早些时候表现出更强的性能。这反映出今年制造业的放缓。

但是，除了收集原始利用数据外，我们还提示运营商提供长时间停机的原因。在其平均运营和维护需求方面，查看各种停机原因的速率显示各种机器类型的一种“指纹”。邮票脱颖而出，由于缺乏操作员，特别容易失去生产率，并且往往会更频繁地停止变化。这与整体低利用率一致。与其他机器类型相比，卧式车床展示了相对高的清洁和计划机械服务。相比之下，磨削机和瑞士人数量越来越少数，通常遇到停机时间，而且通常是更广泛的原因。店主可以通过与这些模式进行比较来学习很多关于自己的机器和操作。

在工厂级别（聚合在一起的所有机器数据）挖掘数据揭示了更独特的见解。我们计算我们通过平均各自商店的所有机器工作的每个公司的利用率。当我们查看客户之间的这些公司级利用时，会发生什么？大多数公司似乎在25％的利用率下执行，其中一些高性能者伸展到60年代。店主可以立即感受到他们的竞争对手，只要学习他们落在这条曲线上。

最后，汇总了我们所有公司的所有机器，揭示了整个行业的趋势。我们可以问的一个最基本的问题是:“机器商店在日历年的哪一天真正开始运作?”圣诞节这一周的利用率较低，这意味着很多商店都在这个时候关门，但像哥伦布日或马丁·路德·金日这样的联邦假日不会出现这种情况。这些见解可以帮助你制定人力资源政策。其他员工哪天休假?也许最合理的做法是将你的运营假日与行业假日相结合，这可以帮助你整合资源，更好地为客户服务。在MachineMetrics我们做了这个。由于这个数据，我们在圣诞节前后增加了更多节假日，并删除了哥伦布和马丁·路德·金假期。

Our data has also been tracking our correlation to several economic indicators, and we’ve found ourselves to be highly correlated to several key economic series including Industrial Production for Miscellaneous Metal Goods (the Fed’s proxy for Medical Device Manufacturing) and Value of Manufacturers’ Shipments for Motor Vehicle Components. This makes sense to us, as automotive and medical are two of the biggest industries discrete manufacturers serve. When MachineMetrics’ customers manufacture more of the component parts of cars and medical devices, their utilization goes up. The output of machined goods like engine parts, brakes, surgical implants, and bone screws serves as a very tight correlate to the production of the products they ultimately go into: motor vehicles, trucks, metal implants, etc.

关于2020年:这一切对制造业和制造业的未来意味着什么?

制造数据的民主化无疑将永远改变制造业景观。2020年，大约60％的全球制造公司将使用连接的设备数据进行分析（Deloitte，2019），这证明了IOT在我们所知道的是一个臭名昭着的缓慢采用行业的证据表明IoT已经推动了前所未有的中断。物联网技术已经将传统的制造供应链转化为动态，互联的数据系统，这些数据系统影响了制造生命周期内的每个利益相关者。

来自中小型制造商;运营，供应链和IT领导;操作员和工程师;它和OT系统集成商;平台和软件供应商;设备建设者;研究，教育和培训，每个人都可以从这些新技术和数据驱动的洞察中获得。遗留业务和运营结构将变换为水平，灵活，敏捷的商机，更容易成为关联伙伴关系生态系统的一部分。这种新发现能够专注于每个人最擅长的能力将揭示更可持续的工业经济的机会。

当然，数据民主化是一项巨大的挑战，因为我们已经学到了，但如果正确杠杆杠杆，所有制造生命周期成员的持续改进的机会将比以往任何时候都大。

不要只是拿我们的话：去看看报告m.mangfpt24h.com/stateoftheindustry2019当你这么做的时候，试着想想这个:在2020年，你将如何使用数据来改善你的业务?

查看此处的行业报告的全部状态！