现代制造业的发展:更多的数据

今天的制造业看起来与几十年前大不相同，快速的技术变革重塑了一切可能。随着智能手机取代了剪贴板，制造业的日常工作已经演变为包括大数据和实时自动化。

劳动力也在发生变化，各公司的目标也截然不同。那么制造业是如何发展到今天的水平的呢?明天会发生什么?

数据革命

传统上，制造企业都在为不完整的手工流程而苦苦挣扎。一些高价值资产吸引了所有的注意力。测量从未进入记录系统，或者数据收集需要专门而昂贵的专业知识。

随着工业物联网(IIoT)的发展，数据收集和数据分析发生了翻天覆地的变化。需要数小时的专家分析，计算机只需很短的时间就能完成。自动化用更少的努力提供了更多的数据，为我们提供了数据的背景，并将数据转化为可操作的见解。

在反应性环境中，失败需要团队召集专家。这种急需的专业技术提高了维护成本，延长了停机时间。随着智能工具的引入，维护团队可以自己处理初始筛选，在故障发生前解决许多常见的设备问题，避免停机和外部费用。

由于工业4.0和智能技术的进步，操作人员和技术人员正在做更多的内部工作。随着工具变得更智能，它们也变得更多功能和更便宜。随着电子技术的不断发展，工业测试和测量的可能性将不断扩大。

从运行到故障到可靠性

虽然可靠性的概念已经存在了30年或40年，但智能技术已经使各种规模的企业都能实现这一目标。许多制造企业已经进行从运行到故障的维修工作几十年了。但越来越多的公司看到了一条更好的前进道路，并接受了这一点，即具有竞争力意味着采用新的想法。这意味着对员工进行再培训，并利用数据洞察来获得优势。

可靠性曾经被认为是一个好拥有的概念。维护团队和管理人员会说:“如果我们有资源或时间，可靠性就会很好。”这种做法似乎仅限于停机时间或资产非常昂贵的大公司——需要一百万美元修理的顶级机器需要传感器和遥测技术来保持健康。今天，即使是小公司也在采用可靠性策略来保持竞争力。一个运转顺畅、效率高的工厂利润更高，也能更好地招聘新人才。

变化的人口统计数据,经验

随着拥有数十年专业经验的团队成员的退休，许多制造企业不得不应对知识的流失。很难聘请具有相似专业技能水平的替代者。由此产生的技能差距对采用预测性维护实践造成了重大障碍。对于创新型公司来说，好消息是新员工通常更精通电脑。数字原生代能够很快学会自动数据收集、数据操作、仪表盘创建和实时分析。

在过去，维护团队专注于故障排除和定期维护。当一项资产失败时，我们的目标是让它尽快恢复运行。如今，目标是提前发现潜在问题，并预测即将发生的故障。这意味着团队成员必须更加跨职能和相互依赖。这种类型的工作不仅仅是根据日历节奏更换轴承、密封件、联轴器和皮带。数字化转型使早期发现根本原因成为可能，并使机器运行得更好、更久。团队可以通过监控条件变化和充分利用每个部分来减少开支。

从100%被动维护到计划维护或基于条件的维护(CBM)的转变不会在一夜之间发生。成功的公司从使用小型试点项目开始，然后通过证明小规模的成功来获得基于结果的投资。正确的工具集成到一个用户友好的系统中，可以跟踪和趋势数据，在问题导致停机之前检测出问题。通过最大化正常运行时间和生产，维护已经成为影响盈利能力和增加制造业务价值的战略实体。

未来的优势

虽然IIoT和工业4.0是众所周知的概念，但它们并没有被广泛采用。但是，物理设备中的数据连通性具有明显的业务价值，这些物理设备可以相互通信并被远程监控。工作流程可以变得更高效，数据输入错误被最小化或消除，正常运行时间增加，故障减少。

适当收集和利用数据可以提供关键的见解，并使之能够在最方便的时间采取行动。计算机化维护管理软件(CMMS)这样的工具消除了过去妨碍可靠性的数据竖井，让团队可以随时获得所有需要的信息。

拥抱效率可以帮助公司建立长期的成功。一些公司忽视了能源使用或环境影响等成本，因为他们关注的是底线或产品流出的数量。

越来越多的公司明白这些是实际成本;所使用的能源是所花的钱，导致有害环境影响的政策会造成真正的伤害。随着电力和燃料成本的增加，制造企业有必要好好管理它们所使用的所有资源。关注比底线更能创造商业价值。

随着技术的不断进步，制造业将继续发展，以解决新的问题。

约翰·贝内是机械应用和产品专家，福禄克公司。由内容经理马克·t·霍斯克编辑，控制工程、《媒体，mhoske@cfemedia.com．

关键词:工业物联网、数据分析、智能维护

数据经常被收集很少能变成可操作的见解。

信息使预测性维护成为可能而不是浪费的计划维护或运行到失败的场景。

试点项目可以帮助证明工业4.0和工业物联网的好处。

考虑一下这个

什么信息能帮助您的流程更顺利地进行吗?