制造业一直依赖数据来衡量业绩和识别机会领域。但随着技术的进步，许多制造商继续像过去一样运营。
手工收集生产数据的传统存在许多固有的问题。随着强大的监视和分析功能的普及，人工数据收集正迅速被自动化解决方案所取代。
手工数据收集传统上由剪贴板、笔、白板、秒表和计时器组成。这些记录过去(并将继续)用于记录生产数据、停机事件和废品率。它们也被用来测量工作场所的劳动和运动。
随着计算机技术的进步，这些工具被Excel电子表格所取代，最终一些独立的计算机软件提供了更高质量的数据和分析。但记录和测量仍然是手工的，容易出现人为错误和偏差。数据本身是延迟的，不准确的，不太可操作的。
我们的一个客户最近分享了一些他们用来填写的基于纸张的文档，以跟踪停机事件。他们现在用MachineMetrics自动化了这个过程。在这里阅读他们的完整故事．
自动化数据收集是制造业数字化转型的一部分。这个概念包括使用设备和传感器直接从机器收集实时数据。随着时间的推移，许多OEM供应商开始在他们的设备中添加自动数据收集功能。
虽然这改善了数据收集，但由于遗留系统需要手动数据输入，且软件没有连接到实时数据采集设备，所以这仍然是一个碎片化的过程。
今天，制造商使用机器数据平台来自主收集、标准化和上下文化生产数据。这为更好的决策、更高的效率和生产过程的优化提供了见解。
自动化的数据收集使制造商能够立即洞察生产问题和机会，而无需收集、标准化和分析数据。上面是一个来自MachineMetrics的停机报告示例。
人工数据收集似乎是一种体面的短期方法，但对制造商来说可能相当昂贵。
手工策略不仅效率极低、容易出错、容易产生偏差、耗时且滞后，而且还使获得准确的实时洞察变得困难。您通常必须等到一天、一周或一个月结束时才能获得数据摘要。这意味着你不能及时做出能够改进生产过程的决策。
手工数据收集也是劳动密集型的，它占用了工厂的资源，并将它们转移到排序、组织和向最终用户交付手工数据的非增值任务。这不仅会影响您当前的生产力，还会阻止人们发现机会和改进流程。
事实上,这完全违背了持续改进的理念因为这不仅占用了员工的时间，而且完全阻碍了创新．
随着业务的增长，添加更多的产品、生产线和员工，手动收集数据的成本会越来越高。我们在下面回顾这个不断增长的后果列表。
部署MachineMetrics有助于Avalign技术实现数据收集自动化，减少停机时间并提高OEE，由此带来了数百万美元的额外产能．读Avalign的故事．
手动数据收集是一种收集操作数据的糟糕方法。依赖于纸张和电子表格的流程为性能度量带来了许多问题，使它们“杂乱无章”、不准确，而且常常过于过时，无法有效利用。这往往是一个复杂的问题。
铅笔在纸上的每一笔或每一个记号都会降低工作效率。操作人员必须记下的变量和因素继续显著地侵蚀着生产率。更糟糕的是，数据越复杂，人为错误的可能性就越大。
这可能意味着每分钟操作时间的显著减少。它还分散了操作人员对重要的机器状态监测和其他影响质量和机器运行状况的任务的注意力。
这个问题扩展到分析中，在分析中，所有这些数据都必须手动编译、上下文化，并格式化为易于理解的报告和可视化。
操作人员与MachineMetrics平板电脑进行交互，使其能够跟踪预期的生产目标。
大多数操作人员和技术人员都认识到人工数据收集的固有问题。正因为如此，员工们创造了变通方法来改善流程，这可能只会让它变得更糟。许多操作员选择在休息或换班结束时批量记录，而不是按要求记录每一次发生的情况。这可能包括每隔几天进行一次批量记录，而不是定期进行记录。结果，数据的准确性和可靠性降低。
手工收集数据的过程可能会引发员工的不满。由于运动和工作测量也是手工的，记录时间在时间研究中被遗漏的情况并不少见。然后，员工面临着完成配额、达到特定生产率以及实现制造企业设定的其他目标的压力。反过来，他们憎恨停下来标记手工数据所花费的时间，因为这使他们远离了基本的机器功能。
手工数据需要编译、排序、数据输入、人工分析等，以便为管理人员提供决策时使用的见解。但是，它有时只与特定的一天、班次或小时相关。通常情况下，手工数据在完成处理时已经过时，已经没有用了。
此外，数据可能管理不善，难以运行历史报告和分析。
MachineMetrics可以用于运行历史报告，也可以深入到需要洞察的任何层，包括工厂、流程、机器或操作员级别。
生产力降低、糟糕的批数据、员工不满和过期的信息都会导致糟糕的决策。如果一个经理看到由于操作员丢失了大量记录数据的时间而影响了生产率，他们可能会认为这提高了劳动力成本。或者，他们可能会根据过期的数据确定行动过程，而这些数据对操作没有实际影响。
手动收集的数据通常是非结构化的。这种类型的数据使得除了高级分析之外很难做任何事情。对于某些目的来说，这可能是可以的，但这还不足以真正理解车间中发生的事情。你无法解决你不理解的问题。
没有趋势，就无法确定问题的根本原因。这在精益制造环境中尤为重要，因为如果不立即解决，小问题可能很快就会变成大问题。这将使找出根本原因变得相当困难。
MachineMetrics的支柱之一是连接到任何制造设备并从其收集数据的能力。这种自主的数据收集和标准化确保了数据是立即可操作的。不需要将数据编译并转换为公共模型。它已经可以在预构建的报告和仪表板中使用。
手动数据收集通常不能在主轴级到机器级到工厂或车间级“放大”或缩小。它还可能缺乏按产品或类型对机器进行分类的能力。结果，团队成员花更多的时间试图找到他们需要的数据，找出车间实际发生的情况，并做出准确的决策。这也使得查找和修复特定机器的问题变得困难。
人工数据收集最突出的问题是人为错误。这可能是简单的失误，如数字调换、书写问题或忘记记录数据。这也可能意味着更复杂的错误，比如不同班次的操作员在解释上的差异，或者用多种格式记录相同的信息。
根本原因分析在任何制造企业中都是至关重要的。这对于精益生产和那些依赖持续改进的生产尤为重要。由于人为错误、耗时的非增值任务以及与手动数据收集相关的其他问题，确定根本原因可能具有挑战性。
假设一个根本原因是基于不包括操作员记录时间或依赖过时的生产信息的时间研究确定的。在这种情况下，错误的根本原因决策会让事情变得更糟。
如果操作员正在记录一个停止或事件，他们的注意力就会从运行机器上转移。如果在记录第一个停止时发生另一个停止，则可能导致额外的停机。更糟糕的是，这种注意力的缺乏会导致危险的安全状况，因为操作者没有把注意力集中在机器上。
操作人员和管理人员可以将MachineMetrics作为“工具箱”，在日常工作中做出更好、更快的决策。此外，他们可以构建自定义历史报告，并使用实时机器数据来实现自动化。
人为错误可能降低在机器级别收集的数据的质量。但是，从一个部门传递到另一个部门或进入ERP系统的错误数据可能会导致企业内部做出错误的决策。不正确的数据会影响采购、库存准确性、调度，最终影响发货。当数据不可靠和不准确时，就会影响竞争力并推高成本。
与人工数据收集相关的问题与制造业自第一次工业革命以来几十年学到的知识背道而驰。OEM公司已经在新设备中嵌入了自动数据收集功能。
该功能与MachineMetrics机器数据平台一起工作，直接从机器收集机器性能和条件。
还可以将模拟设备等遗留系统添加到连接的生态系统中，以实现跨公司内所有机器的完整生产监控。
对于人工数据收集来说，这是不祥之兆。随着企业寻求提高市场份额和竞争优势，人工数据收集将不复存在。
数据必须是相关的、准确的、及时的、可访问的、可互操作的和透明的。手动数据收集无法满足这些要求，更不用说满足所有要求了。
自动化制造技术将使人工数据收集过时。数字解决方案可以消除手工采集，并允许操作人员、技术人员和管理人员优化流程和提高效率。
这是通过利用一流的平台实现的，可以实现所有设备之间的连接。这些解决方案根据业务需求收集、组织、结构和分析数据，并将数据实时反馈给用户。
自动化制造技术消除了手工数据收集所固有的所有问题。不再需要工作人员进行数据的收集、整理、输入和分析，因此非增值处理不再需要劳动力。
实时车间仪表板为车间的所有涉众提供可访问性，使人们能够在日常基础上做出更好、更快的决策。
MachineMetrics认为，准确、及时的数据是伟大生产过程的关键。MachineMetrics机器数据平台可以消除手动数据收集，提供干净、准确的数据和实时分析见解。
结果将帮助您优化流程，提高生产力，并改进操作。事实上，我们的普通用户看到效率提高了20%。想看看它是如何为你自己工作的吗?今天预定一个演示了解我们如何帮助您加速数字化转型，并消除对剪贴板、笔和电子表格的需求。
准备好授权你的车间了吗?
了解更多.svg)
评论