使用数字孪生技术的制造能力 Covid后 | Simio

美国国家制造业协会最近的一项调查强调了大流行病对全球制造链和制造业务的影响。调查显示，80% 的制造商预计正在发生的大流行病和相应的封锁将对其业务产生财务影响。53% 的企业预计 COVID-19 将直接影响其运营，41% 的企业认为 COVID-19 将消耗其劳动力。

由于封锁迫使许多考虑退休的人迈出了最后一步，婴儿潮一代和早期阶段的 X 代工人即将退休的时间提前了。一旦全球封锁开始缓解，预计制造业的劳动力和竞争能力将出现巨大缺口，无法达到 2020 年前的水平。由于这些意想不到的变化即将发生，包括制造商在内的企业预计将在新的经济发展形势下举步维艰。

虽然制造业能否达到最佳生产能力还取决于消费者的信心和资金，但新兴技术可以帮助缓解一些燃眉之急。对于易受病毒爆发影响的企业来说，机器人、工业物联网（IIoT）和边缘计算等自动化技术有助于降低风险。

如果希望在创纪录的时间内达到最佳生产能力，还必须对这些资产以及整个工厂的运营进行充分监控和妥善管理。这正是数字孪生及其利用实时数据创建工作表象的能力在受大流行病影响的制造商中发挥重要作用的地方。

封锁后优化生产能力

虽然大多数企业都有应急计划，但这些计划一般都会考虑到停工期和有限的供应链挑战。现有的应急计划不太可能考虑到长时间的封锁、长时间的隔离以及有经验员工的退休。

制定实用应急计划的第一步是实时了解当前形势。这包括了解大流行病对供应链和整个运营的影响。数字孪生是一种极佳的风险分析工具，可用于实时了解整个业务运营情况，以及每个方面对生产能力的影响。由于工作表象或数字孪生由实时数据提供，因此制造商可以看到需求减少、供应减少或工作站/资产失灵对生产率的影响。

从生产运营的数字孪生中获得的数据可以帮助我们深入了解生产运营：

• 在检疫措施放松后，做出业务决策和保持灵活生产能力所需的知识。
• 有助于寻找和调配资金的洞察力。将稀缺资源调配到适当的工位或部门，确保不断提供优化生产率所需的工具。
• 更新最佳实践政策，如减少车间人流量，以应对社会疏远的挑战，或根据形势发展规划供应链枢纽。
• 寻求创新的替代方案，在解除封锁后的初始阶段维持业务。

用今天的大脑教育明天的劳动力

数字孪生的准确性取决于从车间资产及其运营中收集的数据量。虽然机器数据可能很容易获取，但为特定流程（如制造材料流和操作时间表）创建操作流程模型却需要实践知识。因此，数字孪生为制造商提供了获取部落知识的途径，从而提高生产率。

准确的数字表征可以作为培训和入职工具，用于接替即将退休员工的新员工。数字模型可为新员工提供以下学习机会：

• 有机会远程了解车间布局、资产功能和运行时间表，然后在停工解除后重新开始工作。
• 对于管理人员来说，它可以让他们深入了解自己受雇要解决的挑战，同时也是一个强大的预测分析工具，可为生产挑战提供解决方案。
• 利用三维可视化和穿行工业流程的能力，真实再现新的工作环境。
• 现场服务管理和远程监控的互动体验，将吸引更多精通技术的人群加入制造业。

利用数字孪生系统规划未来

当今的不确定性预计将以各种方式扰乱制造业，恢复正常活动需要时间。数字孪生为制造商提供了一个机会，让他们以全新的视角看待当今的挑战，重新构想未来的劳动力。未来的领导者将是那些使用分析工具来加强管理战略的人。

依靠数字孪生技术为智能设施管理提供重要的洞察力，将加快制造商的转型进程，使其在大流行后达到最佳产能。

了解更多

天时地利人和。数字孪生作为洞察业务和传授新技能的重要工具，将在帮助制造业摆脱 COVID-19 带来的运营挑战方面发挥关键作用。Simio 软件是同类最佳的数字孪生平台，可用于复杂的建模活动。您可以在此申请免费的 Simio 演示，了解数字孪生的更多信息。