据报道，有的工厂所有机器运转良好，但工厂本身却似乎处于昏迷状态，无法满足关键的交付要求。这是一场偶尔会出现的噩梦，还是每天都会发生的状况？为了解决这种状况，一些经理要求在自动化方面进一步投资，而另一些经理则要求提供更好的机器数据来解释哪里出了问题。数字技术可以拯救一个公司，还是会使问题更严重？
有或没有机器数据并不是好坏的标志。我现在可以偷偷进入任何一家因COVID-19而关闭的工厂，找到方法拿出生产报告，报告显示在最近一段时间里，没有废品，没有部件丢失，没有生产线不平衡，工厂实现了零缺陷，没有错过交付日期，任何机器都没有生产力损失的迹象。手工操作人员未在休息室浪费时间，没有事故，没有人上班迟到，也没有必要加班。在不同的情况下，这些统计数字将会是好消息，虽然数据可能是真实的，但却没有任何意义。这些统计数据将表明，您可以对数据采取某种观点，并提出理由来证明所有事情的合理性。
虽然也许没有那么极端，但这种方法一直在发生。衡量标准是从简单的数据源中提炼出来的，以促进良性发展；毕竟，我们每个人都期待年底审核为“良好”，但孤立的“事实”可能掩盖了总体的负面状况。对有问题的制程不断投入资金，覆盖了基本的运营问题，除了出现业务限制甚至失败的症状外，很少或根本看不到这些问题。
数据分析需要更加智能化。机器学习和基于生产线的闭环系统在使用原始机器数据实现自动化制程改进方面非常出色。然而，除了这些解决方案有局限性之外，孤立地分析机器数据相对来说毫无意义。我们希望近期自动化机器能够很好地工作，提供积极的调整机会。真正的挑战是在没有报告任何关于这些机器的数据时，如何对机器之间发生的事情进行分析。
简单地说，没有机器数据意味着潜在的损失。机器停止运转，可能出现堵塞、待机、不被需要或故障；可能存在材料问题、质量问题、缺少操作员、计划休假，甚至出现疫情。机器不知道具体情况，它们只知道它们停下来了。通过物料物流、计划和质量管理等多个学科的数据关联，需要发现的是阻止操作制程的关键异常的根本原因和实际结果。
然后，还有一个更复杂的层面。我们应该关注产品在制造过程中的进展，而不是仅仅关注机器本身的性能。考虑一下机场典型的国际旅游体验。办理登机手续、托运行李、享受安检、走到登机口、上飞机实际上需要多少时间？大概10分钟左右，但我们被告知至少在飞机起飞前两小时到达机场。因此，机场的增值时间约为8%，其余92%都浪费了，但商店和咖啡馆的业主可能不同意这样的观点。
如果你报告制造的效率只有8%，可能会被炒鱿鱼，但如果我今天去大多数正常运行的工厂，得到的报告显示，以这样一种方式衡量，效率比8%还低。我们关注的是机器数据，而不是使用这些数据来真正分析工厂在工作、取物料和生产终端产品方面的有效性。应尽量减少原材料的库存，应尽量减少子组件、半成品和成品在仓库中的存放。我们不应该有那么多的产品等待维修或重新测试，正在维修或测试，或正在进行质量检查，正在检疫，或堆放在尚未建立和准备好运行的制程前。制造业的所有这些方面对企业的影响远比任何特定机器的简单操作大得多。
近年来，机器数据采集技术发生了革命性的变化，从机器上采集数据变得更加简单、详细、及时和准确，无需中间件或定制的机器接口。在采用IPC《互连工厂数据交换（CFX）标准》时尤其如此。
机器之间的间隙没有接口。这些是对操作有重大影响的领域。以一个单独的产品为例，它只是离开一个流程，转移到另一个流程。产品到达生产线的末端并停止。它以某种方式存储在某处，等待批量、作业或工单中的其他产品完成。下一个制程必须尽可能高效，因此计划推迟了开始时间，直到确定上一个制程完成了所有产品的加工，因而就出现了待机，此时是解决问题的最佳时机。
待机时间可能长达几分钟、几小时或几天。处理问题的机会越来越多，设备故障、材料丢失、工程修改单的影响和污染，可能导致更多的检查、清洁、处理和更多的延误和贮存。在组装过程中能够数字化地跟踪产品的路径，可为提高效率和节约成本创造更多的机会。要做到这一点，还需要采用来自各个机器和制程的数据来创建工厂中发生的一切的实时虚拟“电影”——一个实时制造的“数字孪生”，这个“电影”是真实的，而不是仿真的。
与人不同的是，软件不需要创建花哨的三维动画和图像，就可以应用基于规则的引擎，该引擎从机器、材料、质量和计划中全面地获取数据的上下文，以及工作生产线配置和产品的知识，以创建基于全方位的数字孪生模型。制造数字孪生“电影”从近期性能历史的角度追溯到过去，以了解哪些工作良好，以及当前的一切情况。随着基于当前趋势的外推分析的进行，它也在时间上向前扩展，以检测通过现在实施更改和决策可以避免的任何问题。
实际上，这种基于规则的制造数字孪生正在控制和管理整个生产运营，围绕挑战创造可见性和自动化，解决工厂内的核心业务需求和改进机会。这不是普通的MES解决方案；相反，它是重新定义的、现代IIoT驱动的MES解决方案，专门围绕基于规则的数字孪生架构构建。
因此，从工厂全面收集数据是使数字解决方案为改善制造而工作的第一步。然而，你需要采取不止一个步骤才能达到下一个层次。如何使用数据远比仅仅拥有它、使用它制作仪表板、执行机器学习和分析重要得多。在基于IIoT的MES执行中，制造业真正数字孪生的作用就体现在此。
Michael Ford担任Aegis Software公司新兴产业战略高级总监。如需阅读往期专栏或联系Ford，可单击此处。
