制造业在数据采集器中处于领先地位。传感器数据、员工移动跟踪、停机时间数据、预测性维护相关数据、需求在制造设施内收集信息的机会很多。
一方面，这听起来像是一件好事。通过所有数据，制造商应该能够使用越来越狭窄的客户分割更好地定制产品和服务，利用机器学习通过分析和情景建设来降低风险和指导决策，更好地了解他们应该的产品和服务提供接下来。正确的？
不幸的是，情况并非如此。尽管是顶尖的数据聚合商，但许多制造商仍在努力将这些数据用于任何实际效果。使用这些数据有这么多好处，为什么制造商落后于技术曲线，而且是以如此强硬的方式？
为了讨论解决方案，让我们从问题开始。为什么制造商不有效地利用他们收集的数据?阻止他们的是什么?
在最广泛的意义上，它归结为过时。来自员工技能到架构的一切都在努力与现代技术困境。虽然许多制造商通过添加IOT传感器和类似的设备来添加了一款薄薄的数字转换胶圈，但事实是制造的核心完全失败了有意义地跟上。这并不一定是将旧方法紧张到传统方法的附件，而是缺乏能源，并且需要进行能够保证持续业务的改革类型。
然而，对于一些制造商来说，现在是决定成败的时候，以免被时间洪流冲走，被更精通技术的竞争对手所击败。
许多制造商使用的数据收集设备嗡嗡声，收集他们应该的信息，但数据将直接汇集到筒仓中，数据孤岛不起作用，特别是具有大量的传入信息。这意味着正在向操作发送一些数据来管理和分析，其他数据被发送到采购，或QA或另一个部门。“好吧，我们不能只是在大家上扔掉一切！”租用许多制造商。
好吧，为了反击，是的，你可以。你们都可以而且应该。各自为政的数据杂乱无章，效率低下--它常常导致多个团队分别处理同一个问题，部门拥有完全不同的过时数据，而且通常与作为一个有凝聚力的组织的工作脱节。
毫不动摇的事实是，制造业充满了老化员工，在制造历史上为一个完全不同的时代培训，它们的影响继续通过政策和优先事项得到回应。运营智能工厂所需的IT技能并不是他们培训过的东西，实施这些类型的技术的想法可能会让人觉得难以忍受和不舒服（尽管比公司倒闭更不舒服）。
与现代“智能”选项相比，今天运营的一些工厂实际上是遗弃的，他们对更新设备的改变几乎没有支持。机器旧，正如这些工厂的建筑和基础设施都是旧的。操作完全连接的车间的物流似乎易于触及，特别是如果决策者只意识到早期的自动化和数据收集，例如要求要求制造商的传感器可以将贵重机械的保修失效。
虽然工厂地板狭窄和老化，但操作的过程和数据收集的流程开始在他们收集的数据的重量下崩溃。一些制造商在这里使用临时流程并在那里快速解决，但这种解决方案的拼凑仅仅会创造一个更大的问题，因为数据LED经济增长。在过去的工业时代建立的制造过程必须转变为满足智能设施的需求，但变化可能是不舒服和恐吓。这些过程有助于使用他们收集的任何数据来储存制造商。
在一个重新思考数据报告，很明显，许多制造商在数据策略和实施中严重缺乏。这场斗争中的一个主要因素是没有数据组。只有10％的组织报告有完整的Dataops，以及三分之二的制造商根本没有数据。如果没有这项倡议来战略和结合收集，数据和工具，可以从所有努力中提取意义，仍然存在断开，数据噩梦继续存在。
对于已经开始实现某些智能技术的制造商，如IOT和Edge计算设备，第一步是雇佣人员进行数据操作.这些人将数据连接到人民及其决定。它们是实际使用您收集和使用它的数据的基础。这些将是您的AI，机器学习，边缘计算和基于云的数据管理的人。
接下来，为DataOps团队提供所需的信息。打破你的数据仓库并查看当算法可以看到完整的图片时可以推断的连接和模式和见解，以及通过合作而不是在闭门后工作的时间恢复多少时间部门。
通过所有这些数据，您将需要一种方法管理它并存储它，以便易于访问它当该用的时候。根据前面提到的重新思考数据报告，这是数据利用的五大障碍之一。您还必须找到一种方法来确保所有这些信息的安全，因为生产数据通常包含专有信息。MachineMetrics在这方面提供解决方案，包括一个自动化的数据转换引擎，该引擎将数据结构标准化，以实现一致的报告和分析。我们还提供边缘计算设备和方便、可扩展、即时传输到云端的存储和分析，只使用最好和最新的安全协议和加密数据传输。
最后但同样重要的是制定一个积极和邀请数据使用的工作场所文化.例如，MachinImetrics让工厂车间工人直接在机器上输入数据设备，以将人类背景层添加到收集的数据中。这种类型的交互性以及实时报告，更少的停机时间和较少的损坏工具和废料部分导致员工容易拥抱数据LED培养。
准备了解有关MachineMetrics IoT平台如何帮助您的公司收集，分析和存储制造数据的更多信息？在这里预订一个演示.
准备好授权你的车间了吗？
学到更多.svg)
评论