制造业数据管理的挑战

当自动化和工厂IT团队克服分歧并有效地一起工作时，会发生什么?公司有机会在竞争中胜出，并在工业4.0项目上取得进展。

2020年10月29日

最近由Tech-Clarity进行的研究(来自自动化的世界订阅者)的报告，“制造业数据挑战:来自顶级表现者的教训”，显示制造业的顶级表现者更有可能拥有自动化或运营技术(OT)团队与工厂IT密切合作。事实上，超过一半的公司在同一个组织中拥有这些学科，或者紧密地整合在一起。

然而，除了OT和IT一起工作的组织问题之外，每个人都需要解决制造数据管理的许多其他方面。

投资重要的东西
大多数制造商都希望创造一个新的、更数字化、更精简的未来。无论他们称之为工业4.0、智能制造、数字化转型，还是其他什么，工业正在转向新的工作方式。

无论使用什么术语，工厂数据管理都是核心。关于实际生产的完整且相关的数据集是连接、自动化和分析能够成功的基础。通过我们的研究，我们确定了七个与制造业数据相关的项目:

以多种格式从多个分布式来源收集数据;
清理数据以消除错误;
使数据规范化，以达到一致和连贯的画面;
存储最有助于决策和改进的数据;
确保存储的数据足够一致以供使用;
用上下文丰富数据——通常来自其他数据流;而且
分析即时工厂行动和离线数据。

我们进行的调查的大多数受访者认为，这六个因素对他们在工业4.0中取得成功至关重要。

超过一半的受访者积极使用这两种工厂数据管理程序:

集成设备、工厂和企业系统(54%)
将OT数据与工厂IT数据相结合(52%)

在这两种情况下，都有超过80%的人认为这些工厂数据管理程序很重要。一旦公司认识到它们的重要性，他们就必须投资于这些工厂数据管理程序。但这仅仅是最重要的两个领域——大多数生产公司还没有积极实施工厂数据管理的其他方面。

整合:一个长期的挑战
几十年来，工厂底层数据源之间的集成一直是人们谈论的话题。尽管如此，这仍然是一个消耗大量资源的挑战。我们询问整合和维护MES、质量、维护、调度、IIoT和其他设备或机器数据之间的集成需要多少。超过80%的受访者表示需要适度(29%)、大量(28%)或大量(28%)的时间、专业知识和努力(图1)。

集成的部分挑战来自植物数据的多样性。格式、粒度和时间段的变化是不可避免的。结果是在关联各种流和数据类型时产生了巨大的复杂性。

然而，这是工业4.0成功的基本要素。让数据在整个设施中流动，将为深入了解流程和分析整体生产操作创造重要机会。

表现最佳的结果
我们的研究方法确定了一组用于比较的回答，我们称之为最佳表现者。在这项研究中，这些表现最好的人是那些给自己打了至少9分(满分10分)的人，其中敏捷性和持续改进(CI)各占5分。表现最好的人约占受访者总数的35%。

表现最好的企业在工业4.0方面取得重大进展的可能性是其他企业的三倍。他们不仅有几个项目正在进行，而且他们觉得自己正在走向更大的成功。

稳定地关注总体上要改变什么，以及当情况发生变化时如何应对，这种结合带来了其他好处。例如，在过去三年里，表现最好的员工在一系列关键绩效指标(kpi)上大幅提高的可能性至少是其他人的两倍(超过15%)。

他们更大的进步体现在kpi上，这些kpi表明公司如何让客户满意:上市时间、质量和完美的订单。表现最好的公司也更有可能在运营指标上大幅提高，包括产量、产能利用率和设备可用性。

那么，他们使用哪些工厂数据管理实践来实现这一成功呢?毫不奇怪，他们在不同的人员、流程和技术之间做不同的事情。

人们的做法
更多的顶级企业已经解决了IT/OT的分歧。他们更有可能将IT和OT放在同一个组织中，或者紧密集成在一起(超过56%的顶级绩效者这样做，而非顶级绩效者只有36%)。密切的工作关系有助于克服许多最棘手的问题，这些问题一直困扰着这两个控制大多数制造数据、自动化和工厂IT的团队之间的关系。

顶尖的执行者也更有可能配备完整的生产领域专家，并充当IT和OT之间的联络人。这些都是至关重要的立场。有迹象表明，生产中的技能短缺可能会变得更加严重。许多工业4.0和高级分析项目之所以失败，是因为缺乏既了解信息系统问题又了解生产流程需求的人员。联络人可以帮助弥合这种差距。

过程能力
制造数据流程和操作流程最需要在哪里结合在一起?我们确定了数据交付速度、跨学科工作、“单一真相来源”协议、IT和OT系统之间的集成以及将数据放入公共环境中进行分析的六个方面。

表现优秀的人在这两个方面拥有出色能力的可能性是其他人的三倍: