随着数字技术日益融入到生产设施和运营中，制造商正在各种领域开辟全新的可能性，包括提升资源/流程效率、资产利用率、劳动生产率和质量，加快上市速度以及打造增值服务。

根据 The MPI Group 最近开展的一项调研，在提高生产力和盈利能力方面，制造商从工业 4.0 中受益明显：

– 66% 的制造商表示其过去一年的生产力增长率超过 5%，78% 的制造商预计其未来 5年的复合年均生产力增长率将超过 5%。

– 63% 的制造商表示其过去一年的盈利能力增加率超过 5%，74% 的制造商预计其未来 5年的复合年均盈利能力增长率将超过 5%。

对先进传感器、软件和机器人生成的数据进行分析有助于改进决策。而结合组织内部以及生态系统合作伙伴的生产数据与运营数据，则有助于增强可见性和洞察力。此外，据估计，数据共享在制造流程优化中的潜在价值超过 1000 亿美元。

现状：数据丰富、信息匮乏

制造业受访者普遍表示其首要目标是提高产量、改进产品质量、推进可持续发展和减少机器停机时间，这实属意料之中。专注目标有助于制造企业提高效率并满足客户对价格和质量的要求。但美好愿景与现实之间仍然有着巨大的差距：尽管设定了这些明确的目标，但只有 36% 的受访者能够成功或非常成功地维持所需的吞吐量和产量。这是为什么？

因为组织面临三大阻碍：

— 闲置的制造数据

— 决策能力不足

— 原始的技术环境

闲置的制造数据

制造商并未充分发掘其数据的价值。在现代制造工厂中，一条生产线就有 2,000 台不同的设备，每台设备有 100 到 200 个传感器在实时收集数据，每个月将产生 2,200 TB 的数据。比如说，工厂通常使用警报机制来收集数据，从中检测生产异常以进行质量控制。然而，大约 90% 的制造数据都是闲置未用的。此外，制造商的侧重点通常是捕获数据以创建历史报告，而不是利用数据来帮助预测未来事件或改进决策。

我们的调研数据表明，只有大约四分之一的组织正在以有意义的方式捕获传感器数据并将其应用于决策。例如，预测性维护可以通过持续收集和分析传感器数据来防患于未然，并且仅在需要时才会提醒人工干预。只有四分之一的组织正在基于故障模式分析来优化资产/设备维护计划，以及平衡可靠性与成本。

决策能力不足

在组织的制造流程和可持续运营中，缺乏决策能力是一个普遍的问题。组织可以挖掘和分析生产数据，并应用于帮助操作员确定异常事件和检测问题根本原因。但我们的调研表明，只有不到 30% 的组织会始终如一地从来自设备、流程和系统的数据中发掘关于持续流程改进的洞察。只有 35% 的组织会定期评估制造流程。

只有不到五分之一的受访者可以实时访问整个企业中的重要制造数据。例如，制造商可以通过分析保修申请来识别制造流程中的缺陷。只有不到三分之一的组织会跟踪并定期评估与其制造/生产相关的环境可持续性量化指标。此外，只有 32% 的组织建立了企业级环境可持续性标准。

原始的技术环境

许多制造组织的现有技术环境加剧了其困境。技术障碍和不够灵活的旧式系统被认为是制造业面临的两大障碍。除此之外，其他障碍还包括孤立运营、计划缺乏优先级排序以及生态系统复杂性。大多数受访者已经实施了活动自动化和物料搬运自动化，但仍然还有进一步添加数字孪生等技术的机会。利用数字孪生作为生产线的虚拟副本，制造商可以模拟生产过程并设法减少停机时间或提高产能。

只有 42% 的受访高管表示在非常高的程度上实现了MES 应用现代化，而只有 38% 的受访高管表示实现了SCADA 应用现代化。实时生产监控有助于改善 MES 监督，而集成到 SCADA 中的附加功能可以增强智能并提供部分跟踪功能。