今天的工业4.0是由物联网推动的。作为人类，我们的专注力和精确度有限，无法全天候捕捉和存储现实世界的信息。传感器从工厂设备收集生产数据以获得宝贵见解的能力可以用来提高生产效率、生产质量和盈利能力。100%的OEE率(设备综合效率)代表着理想的生产：尽可能快地生产出好零件，并且不会停机。
以下是工业物联网分析可以回答的一些问题：
可用性：
- 你知道工厂设备的实际产能利用率吗?
- 你如何预测设备的剩余寿命?
- 平均每年的停机时间是多少?
质量：
- 你有关于次品率和整体趋势的信息吗?你能定义那些导致缺陷的机器吗?
- 应更新哪些细节或机械软件以提高性能?
- 在生产的哪个阶段，工艺流程的中断会导致有缺陷的产品产生?
性能：
- 哪些机器很快需要维护?
- 哪些机器的能效较低?
- 最高的生产速度是什么?它与质量的关系如何?
下面我们将描述如何分析和改进这三个OEE指标，以及它如何影响整体投资回报。
一、质量
《哈佛商业评论》在发表的一篇详尽案例研究中描述了提高生产效率和质量的分析方法。文章指明应对操作数据进行统计分析，以确定异常值，并确定如何改进流程。
将工厂最初15%的缺陷减少到9%，结果是：
- 生产力的提升。工厂现在以同样的成本多生产6%的产品。
- 提高产品质量。现在只有9%的输出有缺陷，而不是15%。
- 单位成本更低。工厂以同样的成本生产更多产品。
- 价格可以降低，销售额可以提高。
改进流程是提高质量和降低单位成本的关键。详细的操作控制使你可以识别工厂车间的异常值(变化源)，进而消除技术缺陷。仪表板是可靠的事实来源，可确定最有生产效率的班次、最可靠的设备和材料供应商。
二、可用性
可用性是效率的另一个关键因素，可以通过基于客观数据分析的管理措施来提高可用性。 尽管估算值各不相同，但即使将生产可用性提高5%，也可以带来数十万美元的收入。
实现更好的可用性可带来：
- 由于预测性维护(高达20%)，延长了正常运行时间，减少了代价高昂的停机时间。美国汽车行业的停工成本为每小时130万美元，因此防止此类故障是有意义的。
- 通过消除瓶颈来扩大生产能力(最高15%)。数据分析有助于确定每台机器、生产线和工厂的可用性和损失。它使制造商能够对生产效率最低的设备进行改造，并使用同样的机械设备生产更多产品。
- 改进业务流程。物理系统的数字拷贝或“数字孪生”使用感官数据监测、诊断和预测资产性能。该技术可用于更好的采购和预算决策、资源消耗预测。
- 节省预算。延长传统设备的使用寿命就不需要购买新的昂贵设备。
三、性能
性能指标说明了生产速度。通过监控它，你可以同时考虑小停顿和慢周期来检测速度变化。性能分析和优化关注于哪些组件可以带来更高的性能和质量，以及它们的最高效率是什么。
监测性能可能导致：
- 盈利能力的提高。
- 更低的维护成本和可预测的紧急情况
- 通过自动检测异常值，更好地做出投资决策
ThingsBoard趋势分析如何帮助实现更好的OEE(设备综合效率)KPI?
为了实现生产和财务方面的改进，首先，你需要了解当前的OEE评分及其影响因素。通过这样做，你可以设置一个可以改进的初始基准。如果不衡量和确认设备的当前状态，你就不会有可靠的数据可以依赖，也就不会对所采取的行动是改善还是恶化做出结论。因此，行动计划应如下：
- ▲从设备和生产流程中收集数据
- ▲测量初始OEE分数
- ▲制定OEE改进策略
- ▲监测结果
ThingsBoard IoT平台解决了4个任务中的3个：
- 你可以连接设备，从传感器收集数据，并在交互式仪表板上可视化
- 收集的原始数据可以在转换为关键绩效指标
- 使用Trendz Analytics查找异常值、相关性、趋势并预测行为
