行业4.0由智能制造工艺定义，如数据驱动设备优化，工业自动化和预测性维护。由于这些流程依赖于车间数据，因此配置智能或熄灯设施，从设置有效的数据收集系统开始。
这个数据收集系统对制造商来说是一种投资，他们希望从中获得回报。对投资的评估必须包括涉众预期回报的速度、回报采取的形式，以及与所做的投资相比，回报的有形程度。
作为一个会计术语，回收期被定义为项目产生的现金流入抵消最初投资所需的时间。在制造业，发现投资回报不仅仅是追踪现金流入。
使用离散制造工具作为示例，通过机器优化成功降低了以前的运营成本，或者最终能够接受到生产周期的每个阶段的洞察力都是值得庆祝的里程碑。在这个例子中，虽然降低运营成本可以很容易地在财务上量化，但从收集车间数据中获得的可操作的见解却不能，即使它影响生产过程的每个方面。
考虑到这一点，以下参数有助于找到智能制造投资的回报:
生产力改进- 这是指智能制造在提高机器利用和车间员工的性能水平方面的影响。可以使用生产力改进总设备效能计算(OEE)和其他指标标准．这使得简单地计算集成智能制造的回报。
质量改进-生产的产品质量是衡量投资回报的另一个参数。每百万次机会缺陷(DPMO)计算和其他六西格玛计算模型使得跟踪质量改进的回报成为可能。
能源优化- 在制造中，能源消耗通常占制造产品总产成本的约18％。因此，优化能源使用是定义智能制造投资回报的方法。
预见性维护-确保车间资产在不经历计划外故障的情况下最优运行是智能制造的原则之一。与预见性维护在美国，制造商能够预测设备故障并减少停机时间，这对他们的投资回收期和总体投资回报有重大影响。
根据工业物权投资的规模和复杂性，回收期可以在一个月到一年多的地方。
许多制造商期望智能制造模型的集成能立即产生效果。在某些情况下，制造商在实施数据收集系统后的第一个月和第三个月就会收到回报。
例如，BC机加工有限责任公司，一个金属零件的合同制造商，提供了一个很好的案例研究。在这种情况下，MachineMetrics为其数控机床建立了一个数据采集系统，并将它们连接到MachineMetrics IoT平台．
在一个月内，生产数据被收集、分类和分析。到第3个月，数据驱动的生产率优化流程已经到位，使BC机加工的OEE提高了10%。
此示例展示了可以实现智能制造的回报的快速。
在其他情况下，如质量改进和预测性维护，研究表明回报应该在6到12个月内预期。这是因为，要准确地分析与这些概念相关的数据，需要较长的持续时间。延长的持续时间确保收集足够的数据，以确定机器性能和车间地板模式。这些数据可以用来制定维护计划或质量控制政策。
在这些情况下，MachineMetrics可以加快回报过程。我们的IOT平台集成了遗留设备和新机器的基准数据。该基准数据包括机器运行时，负载，最佳速度和运行温度。数据在制定最佳质量控制或预测维护策略之前，这些数据提供了对机器的能力的洞察力，而无需等待12个月。
预计智能制造将增加大约为全球经济创造了1.5万亿美元的价值到2022年。对单个制造商的预期直接收益包括提高生产率、质量改进和优化机器使用。
MachineMetrics定位了这些优势，并将它们带到您的设施。它还确保您通过我们提供的即插即用服务收到您的投资回报。如果您希望大幅减少智能制造投资的投资回收期，请与我们的团队取得联系．
准备好授权你的车间了吗?
了解更多.svg)
评论