连接的问题

虽然预测维护、人工智能、数字孪生和增强现实等流行词已经承诺使传说中的制造业数字化转型成为可能，但当谈到制造4.0时，大多数实际应用开始和结束机连接.

简单地说，大多数制造商无法实时看到车间实际发生的情况，因为他们的机器没有连接到任何类型的数据采集或数据可视化系统。这种既看不到数据又不能使用数据来推动持续改进的能力导致了巨大的低效率，影响到公司运营的每一个组成部分，从车间到C-Suite。

由于担心数据安全，许多制造商对将机器连接到任何类型的网络都犹豫不决，更不用说让他们的数据离开工厂进入云——因此，大多数机器数据可视化公司提交了一个内部实现方案。您看到的是竖井数据的新问题，这使得很难聚集足够的数据来驱动任何类型的实际影响。想象一下，如果Netflix试图建立一个推荐引擎，但只有一个家庭的数据。

离散制造业的挑战

那么，如何获得这些数据并使其可见呢?对于制造业来说，在设备上安装几个传感器并不那么容易。例如，离散制造有独特的挑战，在考虑时很难解决收集生产数据:

1. 数据种类：不仅有许多不同类型的设备 - 车床，轧机，塑料注塑，冲压，激光切割机，机器人等 - 根据可用于获取这些系统数据的机制，数据点可能是非常多样化的。为了提供有效的工具，用于分析这些不同系统的数据，必须将数据转换为公共数据模型。每台机器控件不仅有自己的收集数据机制，数据点甚至可以使用该控件的家庭，制造和模型不同的数据点以及运行该控件上的软件版本。
2. 数据卷：制造设备，特别是离散制造设备是非常复杂的。机器是一个由组件组成的大型系统，它们协同工作，产生数百个不断变化的不同数据点。根据应用程序的不同，可能会出现需要以100Hz或100KHz的速率捕获数据的情况。使用这些数据的平台必须在系统内的多个级别上分析数据，以避免在只有聚合或计算结果就足够的情况下发送和存储不必要的数据。这些系统必须能够在最合适的地方执行复杂的处理——无论是在边缘还是在云中。
3. 数据速率:虽然某些系统可以提供低保真度和高延迟的值，但某些物联网使用情况需要更有效的实时数据。边缘技术需要处理大量数据，以毫秒或更少进行决定，并采取潜在地防止机器或工件的损坏。甚至仪表板也能为作业性能提供可视性，可以从低延迟中获得巨大的价值 - 立即注意落后或失败的过程。
4. 不同系统的数量：集成旧系统是一个复杂的任务。为适用于垂直的每个应用程序具有强大的数据模型，需要充分捕获事件。此外，对来自这些系统中的每一个的数据的深入了解，还必须能够进行相关性并提供用于过程改进的相干性分析。
5. IT基础设施:高度弹性和可伸缩的系统是制造商及其IT组织的新进入者。由于物联网的高处理和存储要求，在任何时候为峰值负载提供过多的系统可能代价高昂。系统必须自动调整，根据需要添加和删除资源。考虑到成功的物联网活动可以为组织带来的价值，利用安全的云系统和虚拟硬件架构，使其具有高可用性、可伸缩性和容错性，并与地理上分离的多个数据中心进行灾难恢复，这就更加重要了。

离散制造业介绍更复杂。这始于离散制造工厂中机器的复杂性和可变性。有许多不同的机器制造商，没有一家工厂只有一品牌的机器。许多不同的机器也具有不同的控制系统和通信协议。该机器具有不同的葡萄酒，从新的现代控制到20或30岁，控制能力有限。通过连接和收集数据，各种工厂资产是一项重要的事业，考虑到大多数这些机器从未设计用于为整体提供数据，工厂或企业范围的分析解决方案公司的重点是支持。

离散的制造工厂不仅需要收集和转换数据，还需要以标准和一致的格式实时呈现数据，以便分析和利用这些数据来优化整个工厂的流程和操作。因此，多行业物联网平台很难解释这些制造业特定的关系。

投资制造4.0的离散制造商希望回答两个基本问题：“发生了什么？”和“为什么发生？”要正确回答这些问题并实际提供业务价值，需要在运营情况下了解其数据。这需要在垂直方面进行单数焦点，以实现制造4.0数字转型计划时所承诺的即时和连续值。

那么解决办法是什么呢？

面对这些挑战带来的复杂性，制造商在迈出这一关键的第一步时，往往会发现自己陷入瘫痪，这也就不足为奇了。

在MachineMetrics，我们看到了开发垂直集成平台的机会，该平台不仅易于连接，而且功能丰富且可扩展，为制造商创造持续价值和创新。实际上，我们的秘密在于提供一个解决方案和使用情况的明确定义的路线图，使制造商不仅可以连接其资产，而且可以使用该数据来驱动快速和连续的值。这是我们这样做的：

第一步：连接数据:通过一个可以通过以太网、wifi或蜂窝网络连接的边缘设备，我们可以减少IT部门的摩擦，因为它很可能至少支持这三种网络连接中的一种。

步骤2:收集数据 - MachinImetrics通过创建插头和播放数据基础架构和映射系统来开启此问题，促进与任何类型的离散制造资产的数据快速连接和集合，无论品牌或年龄如何。

第3步：转换数据：这里有一个特殊的问题-收集数据不够好，正如上面在我们的数据多样性挑战中所讨论的那样；它必须转换成一种标准格式，任何分析工具或技术都可以很容易地使用它。

第四步：分析数据——在云基础设施中以安全的方式存储数据是分析的支柱，这将是制造商价值的主要驱动因素。通过标准化、转换后的数据，我们通过数十种开箱即用的仪表盘、报告、通知和ML/AI功能，提供描述性、诊断性、预测性甚至规范性分析，或者允许我们的客户利用这些可用数据来推动自己的创新，无论是通过Tableau，Microsoft BI或power应用程序，或通过与ERP、CMMS或质量管理系统的集成来获得可扩展的价值。

最终的想法

任何工业4.0计划的启动都始于一个数据基础设施，该基础设施有助于与任何类型的资产快速连接，无论其品牌或年龄，捕捉并将数据转换为任何分析工具或技术都能轻松使用的标准格式，并将数据和分析以安全的方式存储在云基础设施中。

这不是一个简单的任务，需要多年的努力：我们首先简化了物联网连接，使用廉价的边缘设备，实现安全的以太网、wifi和蜂窝通信，同时使用数十个定制软件适配器直接连接到机床PLC和控件，这些软件适配器用于自动解锁、绘制地图、收集数据，并标准化可用的数据点（状态、模式、报警、覆盖、负载、速度、进给等）。然后，我们添加了添加传感器或将传统设备与通过web界面远程配置和管理的数字和模拟I/O连接的功能。这项任务，使连接，收集和标准化的每一件离散的制造设备是至关重要的，因为每个制造商有各种各样的设备类型和年龄，需要从数据中提取。

任何工业4.0离散制造计划都应该从强大的数据基础设施和常见的用户体验开始，辅以从数据中获取价值所需的分析技术和工具。因此，我们的数据收集和基础设施是机械测量垂直服务平台的基础。一旦转换后，这些数据就可以以多种不同的方式为所有制造业数据消费者带来价值。如果没有这种数据转变，大多数公司将继续努力实现工业4.0对制造商的承诺。

进一步了解如何使用Industry 4.0提高运营效率。现在就下载这个免费电子书。