.svg)
随着经济的开放，让制造业恢复到大流行前的水平是大多数首席信息官必须应对的挑战之一。除了 Covid-19 带来的挑战之外，制造业的利益相关者还必须应对供应链中断、关税带来的政治影响以及可能即将爆发的贸易战。面对上述挑战，我们不禁要问：制造商该如何应对该行业目前面临的新老问题？
Norsk Hydro 公司首席信息官 Jo De Vliegher指出，在大流行病发生之前，这家铝业巨头就一直在讨论利用数据并将其应用于所有设施的可能性。但随着大流行病的发生，远程工作的需求使人们更加关注数据工具及其释放隐藏价值的能力。
制造业的持续混乱意味着决策者需要更高水平的洞察力，以对不再满足其预期目的的现有系统进行重大变革。数据工具可归入数字化转型的管辖范围，在数字化转型中，数字技术被用于从设施、生产线或周期内的每个流程中提取数据。
目前，物联网硬件和边缘计算在从生产线提取数据方面处于领先地位。在现代化工厂或新建工厂中，车间扫描仪、温度传感器和其他硬件现在可以在幕后工作，从生产周期的各个环节获取数据。部署的硬件可以跟踪物料的移动、吞吐量、机器利用率等。
物联网硬件和其他实际操作的数据提取工具完成了一项令人钦佩的任务，即为制造流程分配数据，但要从这些数据中获得洞察力，还需要一套不同的数据工具。
ABI 首席分析师迈克尔-拉纳（Michael Larner）在解释对提供洞察力的分析工具的需求时，强调了这样一个事实：捕获的数据会报告正在发生的事情，但要采取具体行动，则需要主动分析可能发生的事情。
要进入分析和决策阶段，制造商必须依赖的数据工具类型包括仿真建模等预测工具和数字孪生等实时分析工具。
仿真为名，效率为实
仿真建模利用部署的硬件和历史数据采集的数据集，重新创建生产设施内的运行条件模型。虚拟环境为根据不同的生产变量分析生产线的运行情况奠定了基础。
以汽车行业为例，该行业面临着与诺基亚经济衰退相似的具体挑战，如需要在增加收入的同时降低生产成本，以及需要在金属供应链不稳定的环境中优化生产。要克服这些挑战，需要进行大量的预测和测试，以改进汽车行业的产品开发周期。
仿真建模为广泛的生产场景测试和周期评估提供了环境。例如，汽车业巨头戴姆勒公司（Daimler）就采用了仿真技术来评估其生产设施的变化对生产周期的影响。仿真模型帮助戴姆勒公司评估了减少或增加工作站、供应区面积和可用人员对工厂绩效的影响。洞察工厂美学和运营的影响有助于戴姆勒加快进入市场的时间表，以及在开设新工厂时的动态变化。
将戴姆勒的例子应用到当今制造业面临的挑战中，制造商可以评估替代供应链以及因大流行病而减少工作站的使用对生产周期的影响。仿真还能回答 "如果 "的问题，这意味着车间里的社交疏远不能转化为生产力的损失。
通过仿真建模，制造商可以回答操作员在工作时应保持怎样的距离，以及在距离或有限的工作站作为限制条件的情况下预计的产量等问题。有了这些问题的答案，就能深入了解确保实现特定生产目标所需的扩展和优化策略。
数字孪生是名称，实时战略是游戏
数字孪生为利用工厂车间和其他生产流程中的硬件数据工具所采集数据的实时功能提供了一种途径。数字孪生是物理事件的虚拟呈现，在它所支持的网络物理环境之间共享数据。
只要从部署在工厂车间的数据工具中获得足够多的数据，就可以实时研究生产线上每个元素的性能。因此，管理人员可以在一英里之外看到潜在的瓶颈，并制定策略加以避免。
数字孪生为远程监控生产操作和工作流程提供了多种用例，从而减少了车间操作人员的数量。它还能提供优化车间操作所需的数据驱动型洞察力，并评估外部变化对现有系统的影响。
通过增加在数据采集工具和数据分析工具上的支出，制造商有信心了解未来的挑战，并制定所需的战略，以驾驭不断变化的生产环境，超越当今有限的制造能力。
Simio 软件是一流的数据分析工具，具有分析车间复杂数据所需的灵活性和功能。如需进一步了解 Simio 软件及其仿真和数字孪生功能，请立即联系我们。