介绍：对前几个月的解剖

没有人能够真正预测冠状病毒对我们社会在今年年初的作品的影响。这在历史性的股票市场波动中证明了（通常表明前所未有的不确定性水平），迅速改变政策决定（因为我们努力应对当天技术内部的改变），而且更加加剧的政治气候。

当我们接近秋季，随着学校和大学校园重新开放和关闭，以及流感季节，不确定和波动肯定只会增加。我们在制造业的实际情况下提供的日常更新将变得更加重要，特别是随着更多的人，即设定政策的人在预测中使用我们的数据以及指导他们的决策。

我们已经从制造公司，从制造公司到咨询和会计公司的要求，甚至从政府机构那里更详细地追溯到我们的数据实际情况。无数问题是可以理解的，因为Machinimetrics从事完全新的机器优化服务，这是一个纯云实现，因此不仅仅是提供顾客云的优势，还有我们作为行业的匿名，聚合措施的优势。在此版本中，除了最近的洞察力之外，我们将通过一些尽职调查，以了解我们如何从中收集的最新洞察力。

序言：我们甚至如何获得这些数据？

我们经常会遇到这样的问题:“当新机器连接上时，你如何更新你的数据集?”，或者“你的样本大小如何足够大，以获得这些聚合指标?”“你怎样才能确定成千上万台机器的数据是准确的呢?”

这些是伟大的问题，可以对那些不来自的人困惑两个都制造和技术背景。让我们从基础知识开始。

这是一个典型的机器店，位于美国的某个地方。机器没有连接到任何类型的机器优化或监控服务，而商店地板经理只知道当操作员告诉他们他们短暂的一天结束时的零件落后。然后，他们必须增加额外的班次或将机器放在进料器过载中以追赶，或者只是通过缺点缺失和丢失/推回交货日期来挫败他们的客户。这不是很好，但这是过去几十年来完成的事情。

这是我们进入的地方，并通过使这些机器成为行业4.0解决方案连接的他们的表现可见的每时每刻。我们能够连接到这些机器的PLC（可编程逻辑控制），其输出通常仅在机器前方的操作员可见的各种重要信息。

我们如何做到这一点？秘密酱在于我们的边缘设备，基本上是一个预装一束的Windows / Linux IoT计算机机器适配器可以翻译，清洁和解释摆脱PLC的信号。每个控制制造商都有自己的API，可以让我们这样做，我们的大部分知识产权都在解码这些API并将个别语言翻译成一个统一的语言。以下是机器PLC的镜头，您看到的绿色/黑匣子突出显示是我们的边缘和数字IO设备。我们只需连接到PLC上的以太网端口以提取控件正在输出的信息，然后将其传输到云端。我们让人们可以轻松地让人们自己安装一切，而无需让我们进入现场;复杂性基本上从客户转移到边缘设备内的复杂技术。

我们的客户从中得到什么？漂亮的仪表板，向他们展示，生活，他们的机器是如何做的。什么是工厂地板的机器在做什么？它是谁或关闭，谁在操作它，他们在他们的零件目标后面或前后？

作为一家产品公司，MachineMetrics数据科学的主要工作是使用这个庞大的数据集来预测机器何时会出现故障，并在它们给我们的客户造成损害或损失之前阻止它们。这使得我们的产品更好，这意味着它更容易销售，这意味着我们得到更多的数据来优化我们的机器。一个良性循环。例如，分析导致一个客户的机器出现故障的原因，并利用这些数据来帮助该客户和其他客户处理类似的机器和类似的问题，这是非常有用的。

但是，所有这些数据的一个美妙副作用之一是我们也可以总计的这些信息在一起，看到整体行业趋势。This was not the main goal of our company in the first place, but because we’ve been diligently making our product better and enabling self-installed machines over the last five years, we have a significant and representative sample of the US manufacturing space now. One of the keys to doing this has been through making the product easy enough to both use and self-install, so that we don’t need to go onsite ourselves for most of our integrations and trainings. This allows us to scale exponentially and not linearly; we don't need to hire more integrators or trainers to keep up with demand.

下面是我们的数据科学团队从生成此分析，擦除客户特定信息的表格。您可以看到每天的每一小时，以及每台机器，我们从我们的边缘设备自动接收：

[全尺寸镜像]

1. in_cycle_ms：机器循环中的时间有多大时间（运行G代码程序或者如果是一台没有PLC的机器，主轴产生显著电流的时间是多少)。
2. spindle_rotating_ms：那个时间，主轴本身是多少旋转？在G代码程序期间，有时内置休息和暂停。此度量标准排除了这些时段。
3. 切割：那时间，到底花了多少时间切割，即金属到金属接触？
4. Parts_produce：在此期间，PLC告诉我们有多少份零件？这通常是我们看到的G代码节目的旋转的产品以及零件乘数（或在旧机器的情况下，乘数不同电流的乘积⚡️图案显示了一部分）。

我们还从可以告诉我们的机器上的操作员收集一些手动输入物品，这些项目，生产的部件：

1. Parts_rejected：由于任何原因，拒绝了多少部件被拒绝。
2. parts_scrap：被拒绝的部分，被发送到废料。
3. Parts_nonconform：被拒绝的部分，有多少是不合适的QA标准。

您可以看到我们在这一点上有大约〜6600万机的生产数据，我们认为是制造业最大，最完整的生产数据。

我们拥有规模，地区和行业的多样性。与整个汽车的制造相比，我们略有呈低于代表的汽车，在医疗设备制造中过度代表。我们也在东北略微超过代表，因为这是我们的工程团队和总部的基础。我们的客户群的分布如下，以及一些代表公司。希望对模型或预测目的进行极其精确度量的Canny分析师，可以根据我们的原始数据构建重新加权的利用量度。随着我们的数据更广泛地使用，它对其鲁棒性，假设和来源进行了更大的审查。在这一版本的行业更新状态中，我们觉得涵盖了所有三个领域很重要。

[全尺寸镜像]

那么行业的状态现在是什么？

毕竟……让我们从我们每天在LinkedIn上发布的利用率更新开始，其中叠加了一些趋势。今年到目前为止，我们基本上看到了四种情况，它们是:

1. 一种7％在冠状病毒击中美国和各国关闭之前增加
2. 一种16％从3月到4月中旬的停机时间在他们的高峰时下降
3. 一个8％当关机开始放松时，复活节增加到独立日，
4. 一种2％在2020年夏季和秋季，减少我们目前的“观望”模式

虽然这些一般趋势可能不会对我们中的任何人令人惊讶的是，但在他们上提出完全的定量指标是我们的新贡献。从未有任何组织能够提出准确的行业代表性的高频指示器以进行制造性能。

[全尺寸镜像]

工业和地理故障

这对于准确评估行业状态具有很大的后果。毫不奇怪，这常常在我们的行业和地理故障中表现出来。我们将花费本节专注于我们必须深入某些行业和地理位置的要求。

让我们从行业一级的崩溃开始，返回今年的Covid Era。正如您所看到的那样，汽车绝对坍塌在3月底，当工厂被命令关闭和消费需求崩溃时。然而，医疗器械制造不过，通过它保持稳定。

[全尺寸镜像]

让我们删除滚动的日常水平变化，以获得更清晰的整体趋势视图。我们将坚持使用这些趋势线，这些趋势线将围绕黄土贴心，以7天的轧机平均水平为0.75（经济学家和分析师，如果您想要更多的DEET，请访问我）。

[全尺寸镜像]

然后，我们将其分为三章，并重新安装每章的黄土曲线。

[全尺寸镜像]

第1章：利用率将楼梯拿起来......电梯下降

让我们放大到2月中旬至4月中旬。在2月初，我们跟踪的所有五个主要行业都哼了一下，即将设定新的18个月高位。汽车看起来特别强大，随着较高的消费者需求和增加的采购情绪引起了许多OEM和第1层制造商来提高产量水平，从而实现机器利用。其他行业要么略微保持平坦或增加。

然后，Covid Shutdowns击中，我们看到了一个教科书案“坐在楼梯上，电梯下来”。我们在许多其他领域看到这种模式，例如股票市场。它需要很多稳定性和东西，以便向上慢慢地慢慢释放，但只是一个主要的事件，即将下降，而且很快就在那里。与强制关闭，折叠消费者需求消失的汽车制造，利用率下调40％。我们的一些客户试图在此期间重新制作呼吸机和其他医疗设备，但它几乎不足以平衡关机。4月15日，我们达到了3年跟踪机器性能（不包括假期）的最低利用点。

[全尺寸镜像]

第2章：恢复不均匀

从4月中旬到6月底，我们进入了不均匀复苏的制度。随着病毒更多地控制和锁定放宽，公司重新启动了一些生产。医疗器械制造业，不陈占地利，延长其领先地位，因为呼吸机和其他医疗设备急于。其他行业，如航空航天和国防，工业设备制造，以及在此期间上下浪潮，寻找突破恢复，但从未似乎实现了它。汽车持续下降，随着人们被迫留在家或不想出去购买并尽可能多地购物，需求持续下降。

[全尺寸镜像]

第3章：不完全是一场集会

从7月1日到我们当前的一周，我们看到略微恢复，然后在过去几周内大多是持平的性能。汽车客户开始向我们报告定期运营，我们也在增加利用率中看到这一点。在冠状病毒时代的应对和发展策略可能是这背后的主要原因，除了人们冒充更多，对经济有点信心。消费者支出总体上升了，这肯定有助于供应链。医疗制造也增加了。

[全尺寸镜像]

脚本1：交错班次的证据，按地区

我们订阅以下正式分组，以进行Covid风险 - 并且可以看到每个地理学的利用分布的差异。我们将利用率重新设计为0到1之间，因此我们可以更加强烈地看到分布差异（请注意y轴标题和值的变化）。通过这种分析，我们可以看到不同的州对待社会疏远，通过其工厂的交错方式，比其他人更认真。NY / NJ / CT尤其在3月后按小时的使用时间差异，在夜晚的时间内比平常的利用率更高。这是因为劳动力从10 AM - 4 PM的主小时移位，以更均匀地划分时钟，如NY / NJ / CT的每小时分布曲线中的“平坦曲线”所证明。另一个州在科迪德之前和之后，他们的分配明显缺乏运动。它令人着迷于美国不同亚文化的影响以及它们对冠状病毒的治疗辐射到工厂楼层的影响。我们以前有点了解这一点，但是围绕着一些严格的严谨，这是多少这是非常显着的。

covid风险分组

·第1组：NY / NJ / CT

·组2：Al，Ar，Az，Ca，Fl，Ga，Ia，Id，La，Ms，Nc，NV，OK，SC，SD，TN，TX和UT

·第3组：DC +其他（CO，IL，IN，KS，KS，MA，MD，ME，MI，MN，MO，NE，NH，OH，OR，PA，VA，VT，WA，WI，WY）

第1组 [全尺寸GIF]

第2组 [全尺寸GIF]

第3组 [全尺寸GIF]

脚本2：政策决策的后果立即可见和可量化

当我们在3月期间看，并带来正常的日常利用价值，我们可以看到政府政策对冠状病毒停工的一些非常明显的影响。下面我们再次将数据分成三个地理区域。即使只是一个粗略的浏览表明这三个地区围绕着冠心病第一次击中了美国的时间差别。

[全尺寸镜像]

具体来说，我们看到大约50%的相对利用率下降一天之后NY / NJ / CT的州长总关机订单。我们推测这意味着我们跟踪的〜50％的商店被认为是能够保持开放的基本企业。其他州没有看到这个倾向。周末活动通常是正常活动的第八，在关闭后周末在NY / NJ / CT中完全消失。

[全尺寸镜像]

在删除单个日级栏时，差异变得更加鲜明。每当介绍强大的立法干预时，我们会看到这些类型的趋势。我们怀疑评估这一点的效果将更加重要，因为我们进入今年的最后三分之一。

[全尺寸镜像]

结语

随着我们进入秋季，我们预计流感季节、学生从关闭的校园返回家以及其他不寻常的事件可能会对冠状病毒的传播产生强烈影响，进而影响行业利用。在这一点上，我们已经证明了我们的措施对政策变化非常敏感，特别是那些将影响利用率向下的变化。我们行业的健康，虽然目前处于“观望”状态，但不可避免地会受到我们今年秋天的政策选择的高度影响。我们希望我们行业的制造商、分析师和经济学家可以利用这些数据更好地为他们做出的选择提供信息。数据就是力量，我们可以利用这些数据来帮助我们的行业和我们的国家变得更强大。数据帮助我们做出微妙而理性的决定，这是基于严谨和思考，而不是情感驱动的冲动，最终只会更加伤害我们所有人。在这些动荡的日子里，我们所有人都要确保做出最好的决定，因为这是我们生活的关键时期。

我们将继续监控这些指标并定期报告。