特性通信和网络
你需要多少大数据?

2019年5月24日—我一直在和那些质疑工业4.0如何与他们的运营相关的经理和高管们进行讨论。

他们很忙，有预算意识，不愿意承担采用新技术的风险，这是可以理解的。

对他们来说，好消息是迈向工业4.0的第一步并不一定是巨大的飞跃。工业4.0的核心是数据。不仅仅是收集数据——这已经是老生常谈了——还要及时、综合地组织和分析数据，以提高效率、质量和上市时间。

在制造商可获得的所有数据集中，有一个数据集具有令人难以置信的价值，但仍然经常被忽视和未充分利用，那就是总装部件数据。当零件/装配沿着装配线移动时，这包括来自每个子装配测试和过程的所有数据。

利用现代收集和分析工具更有效地利用这些数据，可能会对制造商的运营产生重大影响。而且它不需要高风险或高成本的方法。

以下七个问题可以帮助你的团队决定是时候迈出第一步了。

1.你们的生产线是系列化的吗?
如果答案是肯定的，那就成功了一半。如果一行正在生产序列化的部件，那么很容易为每个部件创建一个“出生历史记录”，并根据其序列号进行索引。然后可以将涉及该部件的每个流程和测试的所有数据收集到这条记录中，以便于检索和分析。现代数据收集和分析也可以应用于批量生产。

2.客户是否在推动改进可追溯性?
这个问题与作为大型OEM供应链一部分的制造商最为相关。显然，如果客户开始要求现有的质量和法规保证，那么改变的时机就在眼前。问责制和透明度都是工业4.0的标志。

一个产品是按照规格设计的吗?如果是的话，数据在哪里?是否有任何质量问题可能会引发危险信号——再次强调，哪里有数据可以证明没有问题?如果发现了缺陷，您的团队能否对情况进行分类并跟踪可疑的部件和最终产品?

深入分析零件数据是解决这些问题的关键。OEM的声誉是由市场对其产品质量、安全性和可靠性的认知来定义的。没有供应商希望被认为是价值链中的薄弱环节，因为它缺乏提供可接受质量保证水平的数据能力。

3.质量问题是否侵蚀了盈利能力?
可能是由于生产线上测试站的故障导致的高报废率和返工率。或者直到行尾测试才会出现问题，此时唯一的补救办法是昂贵的拆卸和停产。也许那辆满载着货物的拖车应该被拖到后面去。此外，还有保修问题，需要召回产品。

无论在哪里出现质量问题，都将耗费你的时间和金钱。你的声誉也会受到损害。在召回情况下，供应商不能再躲在原始设备制造商后面。当一辆汽车因安全气囊或转向系统故障而被召回时，最终成为媒体关注焦点的是这些部件的供应商，他们必须为自己负责。

拥有数据分析能力以尽快捕获质量问题，并尽可能接近问题的源头，这是至关重要的。如果目前的质量保证和检查方法未能在缺陷对底线产生影响之前发现缺陷，那么是时候做出改变了。

4.是否存在持续存在问题的过程和测试站?
每条生产线都有问题点，操作员和质量工程师都很苦恼。这可能是一个苛刻的泄漏测试，一个表现不佳的压合操作，难以连接点来跟踪泄漏故障与上游工艺的缺陷，或者需要减少周期时间来提高产量。额外的挑战来自模型差异，当生产线必须生产相同产品的不同模型，并在所有模型中保持相同的质量标准时。

现代数据收集和分析是获得及时洞察力的关键，这是管理所有这些场景所需的，以提高和维护质量、效率和产量。

5.数据竖井是否使您难以以这种方式使用数据?
我遇到的制造商很少会对这个问题说“不”。他们的工业4.0挑战不是收集新的数据来源，而是更好地整合和分析现有的数据。

他们这样做的能力仍然受到工艺和生产线上的试验站设备的限制，这些设备来自不同供应商的不同年份。每个机器都声称具有一定的数据分析能力，但是数据不容易访问，而且功能也不存在，因为这些机器之间没有通信。数据被困在竖井中，可能在一台机器上通过部件序列号跟踪，在另一台机器上通过日期或时间戳跟踪。这些情况使得及时和有效的数据分析几乎是不可能的。

6.如果你能更好地利用你的数据，你能实现什么目标?
影响是深远的:

• 优化您的测试站，以实现可靠的通过-失败在最短的周期可能。
• 持续监控和改进生产工作站的性能，以减少意外停机时间，并更容易地适应产品差异。
• 通过降低废品率和返工率提高首次成品率。
• 向客户提供符合要求的证明。
• 提高初始质量以减少保修索赔的频率。
• 有数据存档，用于质保/质量问题发生时的根本原因分析和可追溯性。
• 将召回范围缩小到数据标记为可疑的部件/部件。回忆一下那些序列号。

然后利用这一洞察力来完善和收紧相关流程和测试站的限制，以防止同样的缺陷再次发生。

此外，在模拟试验台中随时使用历史数据进行持续改进，防止未来出现质量问题。

7.你是否需要提供更好、更快的报告?
对于我遇到的大多数制造商来说，现状意味着需要花费几天，甚至几周的时间来提取报告，以追踪质量问题的根本原因。数据竖井是问题的一部分。另一个原因是必须费力地在成堆的电子表格中手工比较和处理数据。如果质量问题导致生产停滞，或者让你怀疑装卸台上的托盘是否可以装运，那么你就不能承受这样的延迟。

鉴于我们经常听到大型原始设备制造商或《财富》500强公司的数字转型计划失败的可怕故事，可以想见，中小型制造商并不想破坏现状。但是，将生产线迁移到工业4.0并不需要冒险的大规模更改或昂贵的更换。

相反，所需的技术投资可以是附加的，通过从各种来源获取数据的与供应商无关的数据平台。最重要的是，它们是从小规模开始设计的。
＿＿＿＿＿

杰夫·麦克比是辛辛那提测试系统．

这篇文章最初发表于《制造自动化》2019年5月号．