介绍
2022年。

在供应链约束、劳动力短缺和日益激烈的市场竞争之间,制造业领导者面临着相当大的挑战。

在过去的一年里,油气行业是如何应对这些挑战的?

自2017年以来,MachineMetrics直接从数千台机床的控制和传感器中收集数据。这些机器遍布美国数百家公司,代表了各行各业的各种机床。

继续往下读,看看你是如何在同行业中脱颖而出的。或者看我们的行业状况报告

利用
利用2019 - 2022年
调查
专有数据
MachineMetrics的行业状况报告
成千上万的人
采样的机器
数百
数据中所表示的组织
所面临的挑战
收集这样一个数据集的难度不容低估。

制造业的数据继续被各个公司所孤立,每个制造商都为自己保留数据。这是可以理解的,因为没有中立的第三方,共享数据可能会感到有风险和没有根据。

这并不是说第三方没有试图收集行业数据。几十年来,行业协会一直通过传统方式进行全国性调查。这些调查都是自愿调查,需要提供数据作为调查结果的回报。公司将他们的数据发送给该协会,并以他们的数据换取整体行业趋势。虽然这似乎是了解行业最直接的方法,但这种方法实际上有一系列缺点。

np_survey_1051332_393b3e
关于调查偏差的说明
我们发现自我报告调查缺乏准确性的前三个原因是:
圆
反应迟钝:没有反应或改变了的反应
由于数字少而尴尬
文件夹
不精确
由于缺乏准确的报告控制
苹果
恶意的报告
影响结果,摆脱竞争对手

受访者每个月都要花时间来编译和发送他们的答案,这可能会给公司带来巨大的开销,尤其是在没有为报告设置基础设施的情况下。

经济衰退或业务放缓往往导致不报告,因为更重要的业务事项胜过利用资源向调查报告。不幸的是,这正是你的企业最需要行业信息的时候——在一个月的销售中,知道你所处的位置以及将营销努力集中在哪些领域对恢复至关重要。

有了离散制造状态报告,制造商不必担心报告或不报告。无论如何,洞察都会在那里,因为数据是自主收集和匿名的。

机数据
细节
收集的元数据包括:

•机器类型
•地理(向下至城市)
•时间戳精确到毫秒级
•公司信息
•机械车间类型

机器类型包括:

•米尔斯
•车床
•瑞士cnc
•研磨机
•邮票

机器数据收集
MachineMetrics自动清理和标准化数据,没有人为错误
成圆弧形
边缘连接
  • 即插即用机器连接从plc,数字I/O,和模拟传感器
  • 将机器数据转换为标准数据结构
  • 边缘的高频数据分析
infrastructure2
IIoT基础设施
  • 针对机器数据优化的多租户云基础设施
  • 通过api和bi集成报告机器性能和状态
  • 任何车间数据项的基于规则的工作流触发器
应用程序
特性
  • 以垂直为中心的用例将遗留制造流程数字化
  • 自动通知,提高对问题的反应时间
  • 实时和历史数据分析和提高性能
集群
在进入我们的报告之前,数据经过算法匿名化、清理和编译。
sml1
我们的报告的不同之处在于,在循环中没有人为破坏数据收集过程。

通过采用MTConnect标准,我们从所有机器中收集规范化的数据项,并以编程方式将它们聚合起来。我们的数据不是通过问卷调查获得的,而是通过自动化的数据管道获得的。没有给参与者打电话、向表格中输入数据或处理调查退出的手动过程。

sml2
在过去的五年里,我们所做的大部分工作是编译一个适配器库,它可以直接从许多不同类型的机器的plc(可编程逻辑控制)中提取数据。

这些适配器每秒都在不断地向我们的管道中注入新的数据,现在我们已经汇编了数千台机器年的加工数据。虽然我们的机器遍布全球,但本报告主要关注美国,并包含美国制造业的代表性样本。

背线数量
23.9
平均利用率2022年第四季度
- 6.7
季度间的百分比变化
25.9
平均利用率
combined-shape
关键

机器全年的月平均利用率通常在22%到30%之间,从2022年3月开始出现下降趋势。

机器的见解
按时间分机型利用率(月-月)
在今年的过程中,我们看到了每种机器类型的趋势,其中磨床表现尤为出色。大多数机器类型的利用率几乎彼此串联变化,在今年早些时候显示出更强的性能。这可能反映了更大的经济趋势。
2022年使用趋势随时间的变化,按机器类型
utotbmt
工厂级洞察
让我们深入研究工厂级别的数字,它将所有类型的机器聚集在一起。
  • 密度图

    我们可以计算出与我们合作的每一家公司的利用率,方法是对他们每个车间的所有机器取平均值。当我们在客户中查看这些公司级利用率的分布时,会发生什么?不出所料,这条曲线与机器上的密度图非常相似。虽然平均利用率约为26%,但大多数公司的利用率似乎在17-20%左右,而高绩效公司的利用率一直延续到60年代。管理者可以通过了解他们在这片土地上的位置,直接了解他们的竞争能力。

    ubh
  • 按小时计算的利用率

    当我们查看一天中的平均利用率时,会发现某些“关键时间”。从早上8点到下午3点,工厂似乎有“高利用率”,从这段时间到第二天,工厂的利用率会缓慢而稳定地下降。如果我们看一下右边的线形图,我们可以看到上午4点是最慢的时期,而上午10点是大多数机械车间全速运转的时间。

    hour-of-day-new2
  • 按星期使用

    从每周的总利用率来看,我们确认了一些偏差,这些偏差对工厂主来说可能是常识,但直到现在,要把数据放在背后一直很困难。众所周知,周末的利用率往往较低,但一个有趣的发现是,周一和周五的利用率也明显低于一周的中间时间。

    daily-util
经济学家层面的见解
总体趋势

汇总我们所有公司的所有机器,揭示了整个行业的趋势。我们可以问的最基本的问题之一是:“一年中哪些日子机器真正启动并运行?”

  • 随着时间的推移,每周的天数利用率

    当我们将过去历年的总趋势按周划分时,我们当然可以立即推断出工作日比周末更有效率。但我们也看到,当我们离开周中时,利用率变得不那么稳定。周末和工作日之间也存在一定的相关性。

    utbdow
  • 与经济指标的相关性

    我们一直在跟踪几个经济指标的利用率数据,并发现它与几个关键的经济系列高度相关,包括:杂项金属制品的工业生产(美联储对医疗设备制造业的代理)和制造商对汽车零部件的出货量价值。这对我们来说是有意义的,因为汽车和医疗是离散制造商服务的两个最大的行业。当MachineMetrics的客户为汽车和医疗设备制造更多的零部件时,他们的利用率就会上升。机械产品的产量与它们最终进入的产品的产量密切相关:汽车、卡车、金属植入物等。

    mu-vs-ma
“数据永远是真实的”
对标工作

利用这些数据,客户可以决定是否需要新设备,或者是否已经存在现有产能。一位客户向我们提到,如果他们有这些报告,他们会直接去银行申请购买新机器的资金,并引用第三方证据证明他们是同类中最好的,并且在利用率方面已经超过了行业标准。他还会把它拿给客户和潜在客户看,以证明他的店是顶级店之一,他们有数据可以证明这一点。

结论
数据讲故事

我们发布了制造业的机械计量指数,该指数是通过将2018年1月的利用率索引为100来计算的。通过这个指数,我们可以很好地了解制造业是如何随着时间的推移而发展的。

MachineMetrics的客户可以根据这些报告对自己进行基准测试,以了解他们与行业的关系。

想看看我们如何从机器中捕获这些数据,并使制造商能够做出数据驱动的决策吗?

观看视频演示MachineMetrics。或者设置和我们的团队待一段时间

国际移民组织