实施制造业的数据管理政策令人恐惧进入许多植物和公司经理的心中。此问题具有劳动力，自动化，持续改进努力，分析，机器学习24hbet 10bet和可扩展性的要素。10bet在线娱乐

随着制造商识别预测分析机会并转向实时异常的操作员例程，数据管理是在问题的核心。需要多少设备和线路数据？公司如何将历史学家与数据库中的生产数据合并乐器数据？需要哪些资产管理流程？数据存储和返回投资时间框架怎么样？

>>第II部分|从David Wilmer分析植物数据的现实生活示例

“Maintenance technicians are starting to push back when plant engineering looks to flood systems with data and the ‘more is better’ mentality,” explained David Wilmer, vice president of manufacturing systems at The Aquila Group, Sun Prairie, WI (the-aquila-group.com). “Technicians are requesting sampling intervals be increased from one second to one to five minutes as the vast majority of data only slows effective analysis.”

Aquila Group为植物现代化项目提供培训，系统集成和咨询服务。该公司的绿灯监测系统收集机器级数据，用于测量整体设备有效性（OEE），并将这些数据提供给公司的动态机器管理（DMM）制造执行系统（MES）。

包括新数据管理项目的维护技术人员和运营商已成为2018年制造业专业人士的共同方法。“推动努力的最佳候选人是认为资产绩效管理不仅仅是减少停机时间或维护成本的人，”根据他最近的博客文章的丹米卡洛维奇，“5关于智能维护的最多问题，”LNS研究，剑桥，马。“这个人还了解资产表现推动了更高的性能和盈利能力，”米克洛维奇写道。

对维护的未来保持一目了一眼就是吉姆·弗雷泽尔，临时首席执行官清洁能源智能制造创新研究所洛杉矶，洛杉矶一直在做一段时间。Wetzel在普通工厂担任全球可靠性主任，并在20世纪90年代为本企业巨头实施了MES。

“管理层与IIT [工业互联网]或预测维护迷恋，同时忽略了他们的基本流程和数据不足的事实，”Wetzel说。“许多组织想跳过必需品，只是跳跃来应用先进的概念。这将是一个很大的错误，而不是在机会上交付。“

“一般磨坊收集了超过7000亿多元的数据点，可能是我们每天从未使用过的98％，”Wetzel在最近的电话采访中说。“但是，我仍然会收集所有这些数据以进行故障排除目的，并且希望在排除一条设备或设备的情况下在那里进行那里的信息。”

Wetzel通过浅谈基于异常的报告，使连续改进计划引起了持续改进的程序。“确定系统/操作单元的关键参数的中心线或配方通常是持续改进程序的核心组件，”他添加。“跟踪与这些中心线的偏差可以成为例外报告的基本或开始方法。”

有关数据管理的动态和从David Wilmer分析植物数据的现实例子的更多讨论，点击这里。ep.

ggerke@deffillantmag.com.