今天的工業4.0是由物聯網推動的。作為人類，我們的專注力和精確度有限，無法全天候捕捉和存儲現實世界的信息。傳感器從工廠設備收集生產數據以獲得寶貴見解的能力可以用來提高生產效率、生產質量和盈利能力。100%的OEE率（設備綜合效率）代表著理想的生產：盡可能快地生產出好零件，并且不會停機。

以下是工業物聯網分析可以回答的一些問題：

可用性：

你知道工廠設備的實際產能利用率嗎？

你如何預測設備的剩余壽命？

平均每年的停機時間是多少？

質量：

你有關于次品率和整體趨勢的信息嗎？你能定義那些導致缺陷的機器嗎？

應更新哪些細節或機械軟件以提高性能？

在生產的哪個階段，工藝流程的中斷會導致有缺陷的產品產生？

性能：

哪些機器很快需要維護？

哪些機器的能效較低？

最高的生產速度是什么？它與質量的關系如何？

下面我們將描述如何分析和改進這三個OEE指標，以及它如何影響整體投資回報。

一、質量

《哈佛商業評論》在發表的一篇詳盡案例研究中描述了提高生產效率和質量的分析方法。文章指明應對操作數據進行統計分析，以確定異常值，并確定如何改進流程。

將工廠最初15%的缺陷減少到9%，結果是：

生產力的提升。工廠現在以同樣的成本多生產6%的產品。

提高產品質量。現在只有9%的輸出有缺陷，而不是15%。

單位成本更低。工廠以同樣的成本生產更多產品。

價格可以降低，銷售額可以提高。

改進流程是提高質量和降低單位成本的關鍵。詳細的操作控制使你可以識別工廠車間的異常值（變化源），進而消除技術缺陷。儀表板是可靠的事實來源，可確定最有生產效率的班次、最可靠的設備和材料供應商。

二、可用性

可用性是效率的另一個關鍵因素，可以通過基于客觀數據分析的管理措施來提高可用性。 盡管估算值各不相同，但即使將生產可用性提高5%，也可以帶來數十萬美元的收入。

實現更好的可用性可帶來：

由于預測性維護（高達20%），延長了正常運行時間，減少了代價高昂的停機時間。美國汽車行業的停工成本為每小時130萬美元，因此防止此類故障是有意義的。

通過消除瓶頸來擴大生產能力（最高15%）。數據分析有助于確定每臺機器、生產線和工廠的可用性和損失。它使制造商能夠對生產效率最低的設備進行改造，并使用同樣的機械設備生產更多產品。

改進業務流程。物理系統的數字拷貝或“數字孿生”使用感官數據監測、診斷和預測資產性能。該技術可用于更好的采購和預算決策、資源消耗預測。

節省預算。延長傳統設備的使用壽命就不需要購買新的昂貴設備。

三、性能

性能指標說明了生產速度。通過監控它，你可以同時考慮小停頓和慢周期來檢測速度變化。性能分析和優化關注于哪些組件可以帶來更高的性能和質量，以及它們的最高效率是什么。

監測性能可能導致：

盈利能力的提高。

更低的維護成本和可預測的緊急情況

通過自動檢測異常值，更好地做出投資決策

ThingsBoard趨勢分析如何幫助實現更好的OEE（設備綜合效率）KPI？

為了實現生產和財務方面的改進，首先，你需要了解當前的OEE評分及其影響因素。通過這樣做，你可以設置一個可以改進的初始基準。如果不衡量和確認設備的當前狀態，你就不會有可靠的數據可以依賴，也就不會對所采取的行動是改善還是惡化做出結論。因此，行動計劃應如下：

▲從設備和生產流程中收集數據

▲測量初始OEE分數

▲制定OEE改進策略

▲監測結果

ThingsBoard IoT平臺解決了4個任務中的3個：

你可以連接設備，從傳感器收集數據，并在交互式儀表板上可視化

收集的原始數據可以在轉換為關鍵績效指標

使用Trendz Analytics查找異常值、相關性、趨勢并預測行為