Keadaan Industri:Ke Mana Kita Pergi Dari Sini?

Pendahuluan:Pembedahan Beberapa Bulan Sebelumnya

Tidak ada yang bisa benar-benar memprediksi dampak virus corona pada masyarakat kita secara tertulis besar-besaran pada awal tahun ini. Hal ini dibuktikan dalam sejarah volatilitas pasar saham (biasanya menunjukkan tingkat ketidakpastian yang belum pernah terjadi sebelumnya), keputusan kebijakan yang berubah dengan cepat (saat kita berjuang untuk menanggapi perubahan dalam lingkungan teknis saat itu), dan iklim politik yang semakin memburuk.

Saat kita mendekati Musim Gugur, dengan sekolah dan kampus dibuka kembali dan ditutup, serta musim flu dalam perjalanan, ketidakpastian dan volatilitas pasti hanya akan meningkat. Pembaruan harian yang kami berikan tentang keadaan sebenarnya dari industri manufaktur akan menjadi semakin penting, terutama karena semakin banyak orang yang menetapkan kebijakan menggunakan data kami dalam perkiraan mereka dan dalam memandu pengambilan keputusan mereka.

Kami telah mendapatkan permintaan dari banyak organisasi, dari perusahaan manufaktur, hingga perusahaan konsultan dan akuntansi, dan bahkan dari lembaga pemerintah tentang detail lebih lanjut di balik bagaimana data kami sebenarnya muncul. Segudang pertanyaan dapat dimengerti, karena MachineMetrics terlibat dalam kategori layanan pengoptimalan mesin yang sama sekali baru, yang merupakan implementasi cloud murni dan oleh karena itu tidak hanya menawarkan pelanggan keuntungan dari cloud, tetapi juga kami keuntungan dari ukuran agregat anonim untuk industri. Dalam edisi ini, kita akan melalui beberapa uji tuntas tentang bagaimana kita benar-benar mendapatkan data kita, selain wawasan terbaru yang dapat kita peroleh darinya.

Prolog:Bagaimana kita mendapatkan data ini?

Kami sering mendapatkan pertanyaan seperti "Bagaimana Anda memperbarui kumpulan data Anda saat mesin baru terhubung?", atau "Bagaimana ukuran sampel Anda cukup besar untuk mendapatkan metrik gabungan ini?" “Bagaimana Anda bisa memastikan bahwa data dari ribuan mesin itu akurat?”

Ini adalah pertanyaan bagus, dan dapat membingungkan bagi mereka yang tidak berasal dari keduanya manufaktur dan latar belakang teknologi. Mari kita mulai dari dasar.

Ini adalah toko mesin khas, yang terletak di suatu tempat di AS. Alat berat tidak terhubung ke layanan pengoptimalan atau pemantauan alat berat apa pun, dan manajer lantai bengkel hanya tahu bahwa mereka ketinggalan suku cadang di penghujung hari ketika operator memberi tahu mereka bahwa mereka kekurangan. Mereka kemudian harus menambahkan shift ekstra atau menempatkan alat berat dalam kecepatan gerak makan berlebih untuk mengejar ketertinggalan, atau hanya membuat frustrasi pelanggan mereka dengan kekurangan suku cadang dan melewatkan/mendorong kembali tanggal pengiriman. Ini tidak bagus, tapi begitulah yang telah dilakukan selama beberapa dekade terakhir.

Di sinilah kami masuk dan mengaktifkan solusi Industri 4.0 dengan membuat mesin ini terhubung dan kinerja mereka terlihat selalu. Kami dapat terhubung ke PLC (Programmable Logic Control) mesin ini, yang mengeluarkan semua jenis informasi penting yang biasanya hanya terlihat oleh operator yang berdiri tepat di depan alat berat.

Bagaimana kita melakukan ini? Saus rahasia terletak pada perangkat Edge kami, yang pada dasarnya adalah komputer Windows/Linux IoT yang telah dimuat sebelumnya dengan sekumpulan adaptor mesin yang dapat menerjemahkan, membersihkan, dan menginterpretasikan sinyal yang keluar dari PLC. Setiap produsen kontrol memiliki API mereka sendiri yang memungkinkan kami melakukan ini, dan sebagian besar kekayaan intelektual kami ada dalam decoding API ini dan menerjemahkan bahasa individu ke dalam satu bahasa terpadu. Di bawah ini adalah gambar PLC mesin, dan kotak hijau/hitam yang Anda lihat disorot adalah perangkat edge dan Digital IO kami. Kami hanya menghubungkan ke port Ethernet pada PLC untuk mengekstrak informasi yang dikeluarkan oleh kontrol, dan kemudian mengalirkannya ke cloud. Kami membuatnya cukup mudah sehingga orang dapat menginstal semuanya sendiri tanpa perlu kami datang ke lokasi; kompleksitas pada dasarnya ditransfer dari pelanggan ke teknologi rumit di dalam perangkat Edge.

Apa yang pelanggan kami dapatkan dari ini? Dasbor yang bagus, yang menunjukkan kepada mereka, langsung, bagaimana kinerja mesin mereka. Apa yang dilakukan mesin di lantai pabrik? Apakah aktif atau tidak, siapa yang mengoperasikannya, dan apakah mereka berada di belakang atau di depan tujuan bagian mereka?

Sebagai perusahaan produk, tugas utama MachineMetrics Data Science adalah menggunakan kumpulan data besar ini untuk memprediksi kapan mesin akan gagal, dan menghentikannya sebelum menyebabkan kerusakan atau kerugian bagi pelanggan kami. Ini memiliki efek membuat produk kami lebih baik, yang berarti dapat lebih mudah untuk dijual, yang berarti kami mendapatkan lebih banyak data untuk mengoptimalkan mesin yang kami miliki di bawah payung kami. Siklus yang bajik. Misalnya, akan sangat membantu untuk menganalisis apa yang menyebabkan mesin gagal pada satu pelanggan, dan memanfaatkan data tersebut untuk membantu pelanggan tersebut dan pelanggan lain dengan mesin serupa dan masalah serupa.

Namun, salah satu efek samping yang luar biasa dari semua data ini adalah kita juga dapat menggabungkan informasi ini bersama-sama, dan lihat tren industri secara keseluruhan. Ini bukan tujuan utama perusahaan kami sejak awal, tetapi karena kami telah rajin membuat produk kami lebih baik dan memungkinkan mesin yang dipasang sendiri selama lima tahun terakhir, kami memiliki sampel yang signifikan dan representatif dari ruang manufaktur AS sekarang . Salah satu kunci untuk melakukan ini adalah dengan membuat produk cukup mudah untuk digunakan dan dipasang sendiri, sehingga kami tidak perlu pergi ke lokasi sendiri untuk sebagian besar integrasi dan pelatihan kami. Ini memungkinkan kita untuk menskalakan secara eksponensial dan tidak linier; kami tidak perlu mempekerjakan lebih banyak integrator atau pelatih untuk memenuhi permintaan.

Di bawah ini adalah tabel tempat tim Ilmu Data kami bekerja untuk menghasilkan analisis ini, menghapus informasi khusus pelanggan. Anda dapat melihat bahwa untuk setiap jam setiap hari, dan untuk setiap mesin, kami menerima secara otomatis dari armada perangkat Edge kami:

[Gambar Ukuran Penuh]

1. in_cycle_ms:Berapa lama mesin dalam siklus (menjalankan program kode-G atau jika itu adalah mesin tanpa PLC, berapa lama spindel menarik arus yang signifikan).
2. spindle_rotating_ms:Dari waktu itu, berapa spindel itu sendiri berputar ? Selama program kode-G, terkadang ada jeda dan jeda. Metrik ini tidak menyertakan periode tersebut.
3. cutting_ms:Dari itu waktu, berapa banyak waktu yang sebenarnya dihabiskan memotong , yaitu, dalam kontak logam-ke-logam?
4. parts_produced:Selama waktu ini, berapa banyak bagian yang PLC beri tahu kami diproduksi? Ini biasanya merupakan produk dari berapa banyak rotasi program kode-G yang kita lihat ditambah pengganda bagian (atau dalam kasus mesin yang lebih tua, produk dari berapa banyak pola ️ arus berbeda yang ada yang menunjukkan bagian yang dibuat).

Kami juga mengumpulkan beberapa item input manual dari operator di mesin, yang dapat memberi tahu kami, tentang suku cadang yang diproduksi:

1. parts_rejected:Berapa banyak bagian yang ditolak mentah-mentah, karena alasan apa pun.
2. parts_scrap:Dari bagian yang ditolak, berapa banyak yang dikirim ke memo.
3. parts_nonconform:Dari bagian yang ditolak, berapa banyak yang tidak sesuai dengan standar QA.

Anda dapat melihat bahwa kami memiliki sekitar ~66 juta jam mesin data produksi yang tercatat pada saat ini, yang kami yakini sebagai salah satu yang terbesar dan terlengkap di industri manufaktur.

Kami memiliki keragaman pelanggan dalam ukuran, wilayah, dan industri. Kami sedikit kurang terwakili dibandingkan dengan manufaktur secara keseluruhan untuk otomotif, dan terlalu terwakili dalam manufaktur perangkat medis. Kami juga sedikit lebih terwakili di Timur Laut, karena di sanalah tim teknik dan kantor pusat kami berada. Distribusi basis pelanggan kami di bawah ini, serta beberapa perusahaan perwakilan. Analis yang cerdik, yang menginginkan ukuran yang sangat tepat untuk input ke model atau untuk tujuan prediktif, dapat menyusun ukuran pemanfaatan yang ditimbang ulang berdasarkan data mentah kami. Karena data kami menjadi lebih banyak digunakan, data tersebut menjalani pemeriksaan yang lebih ketat untuk ketahanan, asumsi, dan sumbernya. Dalam edisi pembaruan Keadaan Industri ini, kami merasa penting untuk mencakup ketiga bidang tersebut.

[Gambar Ukuran Penuh]

Jadi bagaimana keadaan industri saat ini?

Setelah semua itu...mari kita mulai dengan pembaruan pemanfaatan yang telah kami posting di LinkedIn setiap hari, dengan beberapa tren yang ditumpangkan. Pada dasarnya kita melihat empat rezim terjadi sepanjang tahun sejauh ini, yaitu:

1. Peningkatan 7% sebelum virus corona menyerang AS dan negara bagian ditutup
2. Penurunan 16% dari Maret hingga pertengahan April saat penutupan mencapai puncaknya
3. Peningkatan 8% dari Paskah ke Hari Kemerdekaan saat penutupan mulai dilonggarkan, dan
4. Penurunan 2% dalam mode "tunggu dan lihat" kami saat ini, selama musim panas hingga musim gugur 2020

Meskipun tren umum ini mungkin tidak mengejutkan kita semua, menempatkan indikator kuantitatif yang tepat pada mereka adalah kontribusi baru kami. Belum pernah ada organisasi yang mampu menghasilkan indikator frekuensi tinggi yang akurat dan mewakili industri untuk kinerja manufaktur.

[Gambar Ukuran Penuh]

Perincian Industri dan Geografis

Ini memiliki konsekuensi besar untuk menilai keadaan industri secara akurat. Tidak mengherankan, ini sering terwujud dalam industri kami dan kerusakan geografis. Kami akan menghabiskan bagian ini dengan berfokus pada permintaan yang kami miliki untuk mendalami industri dan geografi tertentu.

Mari kita mulai dengan perincian tingkat industri, kembali ke era pra-COVID tahun ini. Seperti yang Anda lihat di bawah, otomotif benar-benar runtuh selama akhir Maret, ketika pabrik-pabrik diperintahkan untuk tutup dan permintaan konsumen runtuh. Namun, manufaktur perangkat medis tetap stabil melalui semua itu.

[Gambar Ukuran Penuh]

Mari kita hapus perubahan tingkat harian yang terus bergulir untuk mendapatkan gambaran yang lebih jelas tentang tren secara keseluruhan. Kami akan tetap berpegang pada garis tren ini, yang dibangun dari LOESS yang sesuai dengan rata-rata bergulir 7 hari dengan rentang 0,75 (ekonom dan analis, hubungi saya jika Anda menginginkan lebih banyak deets).

[Gambar Ukuran Penuh]

Kami kemudian membaginya menjadi tiga bab dan menyesuaikan kembali kurva LOESS per bab.

[Gambar Ukuran Penuh]

Bab 1:Pemanfaatan Membawa Tangga Naik... Lift Turun

Mari kita perbesar periode Pertengahan Februari hingga Pertengahan April. Pada awal Februari, kelima industri besar yang kami lacak sedang bersenandung, hampir mencapai level tertinggi baru dalam 18 bulan. Otomotif tampak sangat kuat, karena permintaan konsumen yang tinggi dan meningkatnya sentimen pembelian menyebabkan banyak produsen OEM dan Tier 1 meningkatkan tingkat produksi, dan oleh karena itu utilisasi mesin. Industri lain bertahan datar atau sedikit meningkat.

Kemudian, penutupan COVID melanda, dan kita melihat kasus buku teks "naik tangga, dan lift turun". Kami melihat pola ini di banyak domain lain, seperti pasar saham. Dibutuhkan banyak stabilitas dan hal-hal untuk berjalan dengan benar agar hal-hal perlahan naik, tetapi hanya satu peristiwa besar untuk hal-hal turun, dan sangat cepat pada saat itu. Dipasangkan dengan penutupan yang diamanatkan, runtuhnya permintaan konsumen melenyapkan manufaktur otomotif, dengan tingkat pemanfaatan turun 40% pada pertengahan April. Beberapa pelanggan kami mencoba membuat peralatan ulang untuk membuat ventilator dan peralatan medis lainnya selama waktu ini, tetapi itu tidak cukup untuk mengimbangi penutupan. Pada tanggal 15 April, kami mencapai titik penggunaan terendah yang pernah kami lihat dalam 3 tahun performa mesin pelacak (tidak termasuk hari libur).

[Gambar Ukuran Penuh]

Bab 2:Pemulihan yang Tidak Merata

Dari pertengahan April hingga akhir Juni, kita memasuki rezim pemulihan yang tidak merata. Ketika virus semakin terkendali dan penguncian berkurang, perusahaan memulai kembali beberapa produksi mereka. Manufaktur perangkat medis, tidak mengejutkan, memperpanjang keunggulannya karena ada serbuan untuk ventilator dan peralatan medis lainnya. Industri lain, seperti Aerospace &Defense, Industrial Equipment Manufacturing, dan Contract Manufacturing goyah selama periode ini, mencari pemulihan breakout tetapi sepertinya tidak pernah mencapainya. Otomotif terus mengalami penurunan, permintaan tetap tertekan karena orang-orang terpaksa tinggal di rumah atau tidak ingin keluar dan melakukan pembelian sebanyak mungkin.

[Gambar Ukuran Penuh]

Bab 3:Bukan Reli Tepat

Dari 1 Juli hingga minggu ini, kami melihat sedikit pemulihan, kemudian sebagian besar kinerja datar selama beberapa minggu terakhir. Pelanggan otomotif mulai melaporkan operasi reguler kepada kami, dan kami juga melihat ini dalam peningkatan pemanfaatannya. Mengatasi dan mengembangkan strategi untuk hidup di era virus corona mungkin menjadi alasan utama di balik ini, selain orang-orang yang lebih banyak menjelajah dan sedikit lebih percaya diri pada ekonomi. Pengeluaran konsumen secara keseluruhan naik, yang pasti akan berdampak pada rantai pasokan. Manufaktur medis juga meningkat.

[Gambar Ukuran Penuh]

Post-script 1:Bukti Pergeseran Terhuyung-huyung, berdasarkan Wilayah

Kami berlangganan pengelompokan formal berikut untuk risiko COVID - dan dapat melihat perbedaan yang jelas dalam distribusi pemanfaatan per jam untuk setiap geografi. Kami menormalkan ulang pemanfaatan menjadi antara 0 dan 1 sehingga kami dapat melihat perbedaan distribusi lebih intens (perhatikan perubahan judul dan nilai sumbu Y). Melalui analisis ini, kita dapat melihat bahwa negara bagian yang berbeda memperlakukan jarak sosial, melalui pergeseran terhuyung-huyung di pabrik mereka, lebih serius daripada yang lain. NY/NJ/CT secara khusus melihat perbedaan mencolok dalam penyebaran penggunaan per jam setelah Maret, dengan pemanfaatan yang jauh lebih tinggi dari biasanya selama larut malam. Hal ini karena tenaga kerja digeser dari jam utama 10 pagi - 4 sore agar lebih merata sepanjang waktu, sebagaimana dibuktikan oleh “kurva datar” pada kurva distribusi per jam untuk NY/NJ/CT. Negara bagian lain menunjukkan kurangnya pergerakan dalam distribusi mereka, sebelum dan sesudah COVID. Sangat menarik bagaimana efek dari berbagai subkultur di Amerika Serikat dan perlakuan mereka terhadap virus corona menyebar hingga ke tingkat lantai pabrik. Kami sudah mengetahui hal ini sebelumnya, tetapi memastikan kebenarannya adalah hal yang luar biasa.

Pengelompokan Risiko COVID

· Grup 1:NY / NJ / CT

· Grup 2:AL, AR, AZ, CA, FL, GA, IA, ID, LA, MS, NC, NV, OK, SC, SD, TN, TX, dan UT

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

Grup 1 [Gif Ukuran Penuh]

Grup 2 [Gif Ukuran Penuh]

Grup 3 [Gif Ukuran Penuh]

Post-script 2:Konsekuensi Keputusan Kebijakan Segera Terlihat dan Dapat Diukur

Ketika kita melihat pada periode pertengahan Maret, dan memasukkan nilai utilisasi harian yang dinormalisasi, kita dapat melihat beberapa efek yang sangat jelas dari kebijakan pemerintah terhadap penghentian akibat virus corona. Di bawah ini kami membagi data kami menjadi tiga wilayah geografis kami lagi. Bahkan sekilas saja, hal ini menunjukkan bahwa ketiga wilayah ini berperilaku sangat berbeda saat virus corona pertama kali menyerang AS.

[Gambar Ukuran Penuh]

Secara khusus, kami melihat sekitar ~50% penurunan dalam pemanfaatan relatif hari setelah gubernur di NY/NJ/CT mengeluarkan perintah penutupan total. Kami berspekulasi bahwa ~50% toko yang kami lacak dianggap sebagai bisnis penting yang dapat tetap buka. Negara bagian lain tidak melihat penurunan ini. Aktivitas akhir pekan, yang biasanya seperdelapan dari aktivitas normal, benar-benar hilang di NY/NJ/CT pada akhir pekan setelah penutupan.

[Gambar Ukuran Penuh]

Saat menghapus bilah level hari individu, perbedaannya menjadi lebih mencolok. Kami melihat jenis tren ini bertahan setiap kali intervensi legislatif yang kuat diperkenalkan. Kami menduga evaluasi efek ini akan semakin penting saat kita memasuki sepertiga terakhir tahun ini.

[Gambar Ukuran Penuh]

Epilog

Saat kami memasuki musim gugur, kami berharap bahwa musim flu, siswa yang pulang dari kampus yang ditutup, dan peristiwa tidak biasa lainnya mungkin memiliki efek kuat pada penyebaran virus corona, dan pada gilirannya, pemanfaatan industri. Pada titik ini, kami telah menunjukkan bahwa tindakan kami sangat responsif terhadap perubahan kebijakan, terutama yang akan memengaruhi pemanfaatan ke arah bawah. Kesehatan industri kita, sementara dalam rezim "tunggu dan lihat" sekarang, pasti akan sangat dipengaruhi oleh pilihan kebijakan kita musim gugur ini. Kami berharap para pembuat, analis, dan ekonom industri kami dapat menggunakan data ini untuk menginformasikan pilihan yang mereka buat dengan lebih baik menjelang bulan September. Data adalah kekuatan, dan kita dapat menggunakan data ini untuk membantu industri dan bangsa kita menjadi lebih kuat. Data membantu kita membuat keputusan yang bernuansa dan rasional, yang didukung oleh ketelitian dan pemikiran, daripada impuls yang didorong secara emosional yang pada akhirnya hanya akan semakin menyakiti kita. Semua ada di tangan kita untuk memastikan kita membuat keputusan terbaik selama hari-hari yang penuh gejolak ini, karena ini adalah masa kritis yang kita jalani.

Kami akan terus memantau metrik ini dan melaporkannya secara berkala.