업계 현황:여기서 우리는 어디로 가야 합니까?

서론:지난 몇 개월의 해부

올해 초에는 아무도 코로나바이러스가 우리 사회에 미치는 영향을 크게 예측할 수 없었습니다. 이는 역사적 주식 시장 변동성(보통 전례 없는 수준의 불확실성을 나타냄), 급변하는 정책 결정(당시 기술 환경의 변화에 ​​대응하기 위해 고군분투함), 더욱 악화되는 정치적 환경에서 입증됩니다.

가을이 다가옴에 따라 학교와 대학 캠퍼스가 재개방 및 폐쇄되고 독감 시즌이 다가옴에 따라 불확실성과 변동성은 확실히 증가할 것입니다. 제조 산업의 실제 현황에 대해 매일 업데이트되는 업데이트는 더욱 중요해질 것입니다. 특히 정책을 설정하는 사람들이 예측 및 의사 결정에 당사 데이터를 사용함에 따라 더욱 중요해질 것입니다.

우리는 제조 회사에서 컨설팅 및 회계 회사에 이르기까지 많은 조직, 심지어 정부 기관으로부터 데이터가 실제로 어떻게 생성되는지에 대한 자세한 요청을 받고 있습니다. MachineMetrics는 순수한 클라우드 구현이므로 고객에게만 제공하는 것이 아닌 완전히 새로운 범주의 기계 최적화 서비스에 참여하고 있으므로 무수히 많은 질문을 이해할 수 있습니다. 클라우드의 장점뿐 아니라 우리 업계에 대한 익명의 집계 측정의 이점. 이번 호에서는 데이터에서 얻을 수 있는 최근 통찰력과 함께 실제로 데이터를 얻는 방법에 대한 실사를 살펴보겠습니다.

프롤로그:이 데이터를 얻는 방법은 무엇입니까?

우리는 종종 "새 머신이 연결될 때 데이터 세트를 어떻게 업데이트합니까?" 또는 "샘플 크기가 이러한 집계된 메트릭을 얻을 수 있을 만큼 충분히 큽니까?"와 같은 질문을 받습니다. "수천 대의 기계에서 얻은 데이터가 정확한지 어떻게 확인할 수 있습니까?"

이것은 훌륭한 질문이며 둘 다에서 오지 않은 사람들에게는 당혹스러울 수 있습니다. 제조 및 기술 배경. 기본부터 시작하겠습니다.

이것은 미국 어딘가에 위치한 전형적인 기계 공장입니다. 기계는 어떤 종류의 기계 최적화 또는 모니터링 서비스에도 연결되어 있지 않으며, 작업 현장 관리자는 하루가 끝날 때 작업자가 부족하다고 말했을 때만 부품이 뒤처져 있다는 것을 알 수 있습니다. 그런 다음 그들은 추가 교대 근무를 추가하거나 기계를 이송 속도 오버드라이브로 전환하여 따라잡거나, 부품이 부족하고 배송 날짜를 놓치거나 뒤로 미루어 고객을 실망시켜야 합니다. 훌륭하지는 않지만 지난 수십 년 동안 일이 진행되어 온 방식입니다.

이것이 바로 우리가 이 기계를 연결 함으로써 Industry 4.0 솔루션을 활성화하는 곳입니다. 및 실적 가시적 항상. 우리는 이러한 기계의 PLC(Programmable Logic Control)에 연결할 수 있으며 일반적으로 기계 바로 앞에 서 있는 작업자만 볼 수 있는 모든 종류의 중요한 정보를 출력합니다.

어떻게 해야 하나요? 비밀 소스는 기본적으로 머신 어댑터 무리가 미리 로드된 Windows/Linux IoT 컴퓨터인 Edge 장치에 있습니다. PLC에서 나오는 신호를 번역, 정리 및 해석할 수 있습니다. 각 제어 제조업체에는 이를 가능하게 하는 자체 API가 있으며 당사 지적 재산의 상당 부분은 이러한 API를 디코딩하고 개별 언어를 하나의 통합 언어로 번역하는 데 있습니다. 아래는 기계 PLC의 샷이며 강조 표시된 녹색/검정색 상자는 당사의 에지 및 디지털 IO 장치입니다. PLC의 이더넷 포트에 연결하기만 하면 제어 장치가 출력하는 정보를 추출한 다음 클라우드로 스트리밍할 수 있습니다. 우리는 사람들이 현장에 올 필요 없이 모든 것을 스스로 설치할 수 있을 정도로 쉽게 만듭니다. 복잡성은 본질적으로 고객에게서 Edge 장치 내부의 복잡한 기술로 이전됩니다.

우리 고객들은 이것으로부터 무엇을 얻습니까? 그들의 기계가 어떻게 작동하는지 보여주는 멋진 대시보드가 ​​생생합니다. 작업장 건너편에 있는 기계는 무엇을 하고 있습니까? 켜져 있는지 꺼져 있는지, 누가 작동하는지, 부품 목표보다 앞서거나 뒤처져 있습니까?

제품 회사인 MachineMetrics Data Science의 주요 작업은 이 방대한 데이터 세트를 사용하여 기계가 고장날 시기를 예측하고 고객에게 피해나 손실을 일으키기 전에 기계를 멈추는 것입니다. 이것은 우리 제품을 더 좋게 만드는 효과가 있습니다. 즉, 더 쉽게 판매할 수 있습니다. 즉, 우리 우산 아래에 있는 기계를 최적화하기 위해 더 많은 데이터를 얻을 수 있습니다. 선순환. 예를 들어 한 고객의 기계 고장 원인을 분석하고 해당 데이터를 활용하여 해당 고객과 유사한 기계 및 유사한 문제를 가진 다른 고객을 모두 도우면 매우 유용할 수 있습니다.

그러나 이 모든 데이터의 놀라운 부작용 중 하나는 집계 할 수도 있다는 것입니다. 이 정보를 함께 보고 전반적인 산업 동향을 확인하십시오. 처음에는 이것이 우리 회사의 주요 목표가 아니었지만 지난 5년 동안 부지런히 제품을 개선하고 자체 설치 기계를 가능하게 했기 때문에 이제 미국 제조 공간의 중요하고 대표적인 샘플을 갖게 되었습니다. . 이를 수행하기 위한 핵심 중 하나는 제품을 사용하고 자체 설치하기에 충분히 쉽게 만들어 대부분의 통합 및 교육을 위해 직접 현장에 갈 필요가 없도록 하는 것입니다. 이를 통해 선형이 아닌 기하급수적으로 확장할 수 있습니다. 수요를 따라잡기 위해 더 많은 통합업체나 강사를 고용할 필요가 없습니다.

다음은 데이터 과학 팀이 고객별 정보를 제거한 이 분석을 생성하기 위해 사용하는 표입니다. 매일 매시간, 그리고 각 시스템에 대해 Edge 장치 제품군에서 자동으로 수신되는 것을 볼 수 있습니다.

[전체 크기 이미지]

1. in_cycle_ms:기계가 사이클에 있는 시간(G 코드 프로그램 실행 또는 PLC가 없는 기계인 경우 스핀들이 상당한 전류를 소비하는 시간).
2. spindle_rotating_ms:그 시간 중 스핀들 자체가 회전하는 정도 ? G-code 프로그램 중에는 때때로 중단 및 일시 중지가 내장되어 있습니다. 이 측정항목은 해당 기간을 제외합니다.
3. cutting_ms:그 시간, 실제로 절단하는 데 소요되는 시간 , 즉, 금속 대 금속 접촉입니까?
4. parts_produced:이 기간 동안 PLC는 몇 개의 부품이 생산되었다고 말했습니까? 이것은 일반적으로 우리가 본 G 코드 프로그램의 회전 수에 부품 승수를 더한 결과입니다(또는 구형 기계의 경우 부품이 만들어지고 있음을 나타내는 현재 ⚡️ 패턴이 얼마나 많이 있었는지의 곱).

우리는 또한 생산된 부품의 정보를 알려줄 수 있는 기계의 작업자로부터 일부 수동 입력 항목을 수집합니다.

1. parts_rejected:어떤 이유로든 완전히 거부된 부품 수
2. parts_scrap:거부된 부품 중 스크랩으로 전송된 부품 수입니다.
3. parts_nonconform:거부된 부품 중 QA 표준을 준수하지 않는 부품의 수

이 시점에서 약 6,600만 기계 시간의 생산 데이터가 기록되어 있음을 알 수 있습니다. 이 데이터는 제조 업계에서 가장 크고 가장 완전한 데이터 중 하나라고 생각합니다.

우리는 규모, 지역 및 산업 분야에서 다양한 고객을 보유하고 있습니다. 우리는 전체 자동차 제조에 비해 약간 과소 대표되고 의료 기기 제조에서는 과다 대표됩니다. 우리는 또한 엔지니어링 팀과 본사가 있는 북동부 지역에서 약간 과도하게 대표됩니다. 당사 고객 기반의 분포와 일부 대표 회사는 다음과 같습니다. 모델에 대한 입력이나 예측 목적을 위해 매우 정확한 측정을 원하는 영리한 분석가는 원시 데이터를 기반으로 사용률의 재가중 측정을 구성할 수 있습니다. 데이터가 더 널리 사용됨에 따라 견고성, 가정 및 출처에 대해 더 많은 조사를 받게 됩니다. 이번 산업 현황 업데이트에서는 세 가지 영역을 모두 다루는 것이 중요하다고 느꼈습니다.

[전체 크기 이미지]

지금 업계 현황은 어떻습니까?

그 후... 우리가 매일 LinkedIn에 게시한 활용도 업데이트부터 시작하겠습니다. 여기에 몇 가지 트렌드가 겹쳐져 있습니다. 기본적으로 지금까지 1년 내내 다음과 같은 4가지 체제가 발생했습니다.

1. 코로나바이러스가 미국을 강타하고 주가 폐쇄되기 전 7% 증가
2. 셧다운이 최고조에 달했던 3월부터 4월 중순까지 16% 감소
3. 셧다운이 완화되기 시작한 부활절부터 독립기념일까지 8% 증가
4. 2020년 여름부터 가을까지 현재의 "기다림" 모드에서 2% 감소

이러한 일반적인 추세는 우리 중 누구에게나 놀라운 일이 아닐 수 있지만 정확한 양적 지표를 제시하는 것은 우리의 새로운 기여입니다. 이전에는 어떤 조직도 제조 성과에 대한 정확하고 업계를 대표하는 고주파 지표를 제시할 수 없었습니다.

[전체 크기 이미지]

산업 및 지리적 분류

이는 산업 현황을 정확하게 평가하는 데 큰 영향을 미칩니다. 당연히 이는 업계 및 지리적 분류에서 자주 나타납니다. 이 섹션에서는 특정 산업 및 지역에 대해 심층적으로 조사해야 했던 요청에 초점을 맞출 것입니다.

업계 수준 분석부터 시작하여 올해 코로나 이전 시대로 돌아가 보겠습니다. 아래에서 볼 수 있듯이 자동차는 공장 폐쇄 명령이 내려지고 소비자 수요가 붕괴되는 3월 말에 완전히 붕괴됩니다. 그러나 의료 기기 제조는 모든 면에서 안정적입니다.

[전체 크기 이미지]

전반적인 추세를 더 명확하게 볼 수 있도록 롤링 일일 수준 변경 사항을 제거하겠습니다. 우리는 0.75 범위의 7일 이동 평균에 대한 LOESS 적합으로 구성된 이러한 추세선을 고수할 것입니다(경제학자와 분석가는 더 많은 정보를 원하면 저에게 연락하십시오).

[전체 크기 이미지]

그런 다음 이것을 3개의 챕터로 나누고 챕터별로 LOESS 곡선을 다시 맞춥니다.

[전체 크기 이미지]

1장:활용도는 계단 오르기... 엘리베이터 내리기

2월 중순에서 4월 중순까지 확대해 보겠습니다. 2월 초, 우리가 추적하는 5개 주요 산업은 모두 흥을 돋우며 18개월 만에 최고치를 경신하려 했습니다. 높은 소비자 수요와 증가된 구매 심리로 인해 많은 OEM 및 Tier 1 제조업체가 생산 수준을 높이고 기계 활용도를 높였기 때문에 자동차는 특히 강력해 보였습니다. 다른 산업은 보합세를 유지하거나 약간 증가했습니다.

그러다가 코로나 셧다운이 닥치고 “계단은 오르고 엘리베이터는 내리라”는 교과서적인 사례를 보게 된다. 주식 시장과 같은 다른 많은 영역에서도 이러한 패턴을 볼 수 있습니다. 상황이 천천히 상승하기 위해서는 많은 안정성과 올바른 방향이 필요하지만, 상황이 매우 빠르게 하락하기 위해서는 단 하나의 주요 이벤트일 뿐입니다. 의무적 인 셧다운과 함께 소비자 수요가 무너지면서 자동차 제조는 4월 중순까지 가동률 수준이 40% 감소했습니다. 우리 고객 중 일부는 이 기간 동안 인공호흡기 및 기타 의료 장비를 만들기 위해 도구를 다시 만들려고 했지만 가동 중단의 균형을 맞추기에는 거의 충분하지 않았습니다. 4월 15일, 우리는 3년 동안의 추적 기계 성능(공휴일 제외)에서 본 가장 낮은 활용도에 도달했습니다.

[전체 크기 이미지]

2장:불균등한 회복

4월 중순부터 6월 말까지 우리는 불균등한 회복세에 들어선다. 바이러스가 더 많이 통제되고 폐쇄가 완화되면서 기업들은 일부 생산을 다시 시작했습니다. 의료 기기 제조는 인공호흡기 및 기타 의료 장비에 대한 쇄도가 있었기 때문에 당연히 그 선두를 확장했습니다. 항공우주 및 방위, 산업 장비 제조, 계약 제조와 같은 다른 산업은 이 기간 동안 위아래로 흔들리며 돌파구 회복을 바라지만 결코 달성하지 못하는 것 같습니다. 자동차는 계속 쇠퇴했고, 사람들이 집에 있어야 하거나 밖에 나가서 물건을 사고 싶어하지 않기 때문에 수요가 계속 침체되었습니다.

[전체 크기 이미지]

3장:정확히 집회가 아님

7월 1일부터 이번 주까지 약간의 회복세를 보인 다음 지난 몇 주 동안 대부분 평탄한 실적을 보였습니다. 자동차 고객은 우리에게 정기적인 작업을 보고하기 시작했으며 우리는 활용도 증가에서도 이를 볼 수 있습니다. 사람들이 더 많이 모험을 하고 경제에 대해 좀 더 자신감을 갖는 것 외에도 코로나바이러스 시대에 대처하고 살기 위한 전략을 개발하는 것이 주요 이유일 수 있습니다. 소비자 지출은 전반적으로 증가했으며 이는 공급망에 영향을 미칠 것입니다. 의료 제조업도 증가했습니다.

[전체 크기 이미지]

사후 스크립트 1:지역별 시차 이동의 증거

우리는 COVID 위험에 대한 다음 공식 그룹화를 구독하고 있으며 각 지역에 대한 시간별 사용률 분포의 결정적인 차이를 볼 수 있습니다. 사용률을 0과 1 사이로 재정규화하여 분포 차이를 더 강하게 볼 수 있습니다(Y축 제목 및 값의 변경 참고). 이 분석을 통해 우리는 여러 주에서 공장의 교대 근무를 통해 사회적 거리두기를 다른 주보다 더 심각하게 취급하고 있음을 알 수 있습니다. 특히 NY/NJ/CT는 3월 이후 시간별 사용률 분포에 큰 차이가 있으며, 야간 시간대에는 평소보다 사용률이 훨씬 높습니다. 이는 NY/NJ/CT의 시간별 분포 곡선의 "편평한 곡선"에서 알 수 있듯이 노동이 주 근무 시간인 오전 10시부터 오후 4시까지 24시간 내내 균등하게 분배되기 때문입니다. 다른 주는 COVID 이전과 이후에 분포에서 뚜렷한 움직임 부족을 보여줍니다. 미국의 다양한 하위 문화의 영향과 코로나바이러스에 대한 치료가 공장 수준까지 어떻게 전파되는지는 매혹적입니다. 우리는 이미 이것을 알고 있었지만 이것이 얼마나 사실인지에 대해 약간의 엄격함을 적용하는 것은 상당히 놀라운 일입니다.

COVID 위험 그룹화

· 그룹 1:NY / NJ / CT

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

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

그룹 1 [전체 크기 GIF]

그룹 2 [전체 크기 GIF]

그룹 3 [전체 크기 GIF]

사후 스크립트 2:즉시 가시적이고 정량화 가능한 정책 결정의 결과

3월 중순 기간을 살펴보고 정상화된 일일 수준의 가동률 값을 가져오면 코로나바이러스 셧다운에 대한 정부 정책의 몇 가지 매우 분명한 효과를 볼 수 있습니다. 아래에서 데이터를 다시 세 개의 지리적 지역으로 나눕니다. 이것을 얼핏 보기만 해도 이 세 지역은 코로나바이러스가 처음 미국을 강타한 시기에 매우 다르게 행동한다는 것을 알 수 있습니다.

[전체 크기 이미지]

특히 다음 날 상대 활용도가 약 50% 감소합니다. NY/NJ/CT 주지사는 전면 폐쇄 명령을 내립니다. 우리는 우리가 추적하는 상점의 ~50%가 영업을 유지할 수 있는 필수 비즈니스로 간주되었음을 의미한다고 추측합니다. 다른 주에서는 이러한 하락이 나타나지 않습니다. 일반적으로 정상 활동의 1/8인 주말 활동은 셧다운 후 주말에 NY/NJ/CT에서 완전히 사라집니다.

[전체 크기 이미지]

일별 레벨 막대를 제거하면 그 차이는 더욱 극명해진다. 강력한 입법 개입이 도입될 때마다 이러한 유형의 추세가 유지되는 것을 봅니다. 올해의 마지막 3분의 1에 접어들면서 이것의 효과를 평가하는 것이 더욱 중요해질 것이라고 생각합니다.

[전체 크기 이미지]

에필로그

가을로 접어들면서 독감 시즌, 폐쇄된 캠퍼스에서 귀가하는 학생들, 기타 이례적인 상황이 코로나바이러스의 확산과 산업 활용에 큰 영향을 미칠 것으로 예상됩니다. 이 시점에서 우리는 우리의 조치가 정책 변경, 특히 아래쪽 방향으로 활용에 영향을 미칠 정책 변경에 매우 민감하다는 것을 보여주었습니다. 우리 산업의 건전성은 현재 "기다림" 체제에 있지만 올 가을 우리의 정책 선택에 의해 불가피하게 큰 영향을 받을 것입니다. 우리 업계의 제조업체, 분석가 및 경제학자가 이 데이터를 사용하여 9월로 향하는 동안 자신이 내리는 선택을 더 잘 알릴 수 있기를 바랍니다. 데이터는 힘이며 우리는 이 데이터를 사용하여 우리 산업과 국가 모두를 강화할 수 있습니다. 데이터는 우리에게 더 큰 상처를 주는 감정적 충동보다는 엄격함과 생각을 바탕으로 미묘하고 합리적인 결정을 내리는 데 도움이 됩니다. 우리가 살고 있는 중요한 시기이기 때문에 이 격동의 시대에 최선의 결정을 내리는 것은 우리 모두의 손에 달려 있습니다.

이러한 측정항목을 계속 모니터링하고 정기적으로 보고할 것입니다.