大数据：正在进行时

大数据——世界各地的公司都在如火如荼地开展它。陶氏化学从188个生产基地收集大量数据，并将其用于降低预测精度的误差，从40％降至10％以下，对于这种巨无霸的公司来说这显然是一个重大的改进。

可口可乐利用大数据分析作物产量、天气数据、卫星图像和其他因素，以让果汁产品在整个生长季期间保持风味的一致。通过严格审视员工服务中心的数据，该公司还设法削减了46％的加班成本。

John Deere正在将数据收集点放在拖拉机上，以便农民能够更有效地优化燃料使用和种植作物。这显然是向饥饿世界提供食物的重要一步，同时也为机械制造商提供了简化收集设备使用数据的可能性。

为什么制造商应该关心

这些例子对某些读者来说可能是有趣的，但是它们与那些每天生产零件的人似乎没什么关系。车床的运行时间、紧急任务的当前状态以及关键加工操作中的预期刀具寿命，这些对于工厂管理人员来说无比重要。

由于工业物联网（IIoT）的存在，现在很大程度上能回答与生产相关的问题。这使得工厂能够预测即将发生的机器或工具故障、优化流程、提高零件质量和正常运行时间，并跟踪设备和员工的效率。

数百家服务和技术提供商在随时待命。例如，山特维克可乐满（Sandvik Coromant）的CoroPlus平台提供了一系列工具来保持车间、人员和软件系统之间的连接。其Promos 3+工具和机器监控系统具有先进的加工分析功能，在检测到碰撞、刀具破损或材料变化时会自动停止或调整机器操作。CoroBore +是一个数字化增强解决方案，让繁琐的刀具设置任务成为一个简单的过程。Silent Tools+减小振动，并能将实时统计信息（如表面质量和减振系统的温度）发送到远程监控系统，以进行评估和采取行动。

在未来的几个月和几年内, 山特维克可乐满和其他公司将继续提供更多的智能化、数字化的加工工具。该技术中的大部分将以云端为基础来满足对数据计算和存储的巨大需求。

这是一个令人振奋的消息，虽然就制造业而言时间表尚不明确。在如今这个时代，只是专注于制造零件已经远远不够，制造商必须将工业物联网有效利用起来，才能保持竞争力。

数据无处不在

也许您的工厂仍在用笔记本和Excel电子表格收集生产数据。更糟的是，您可能会对一些经验丰富的老员工过于依赖。如果是这样的话，那么您将面临巨大的风险，而大数据可以大大降低这样的风险。

数据无处不在。有很多系统知识，例如微调镗头的最佳方法，或是某种材料的进料和速度调整。这些很容易整理成某种类型的数据库，只要花费一点时间和精力就可以。

但是还有更多的主观数据是依赖人类的技能和经验发挥作用。例如，当主轴变热时意味着什么，或者当铣削过程中的切屑开始改变颜色或形状时应该采取什么措施？这些情况难以分析，但是，在给定足够的数据并借助一些智能的软件编程，对这些情况进行自动响应是完全有可能实现的。

最后，数据最好由计算机管理，计算机能使用分析趋势的软件，还能通过对机器振动、切削力、过程测量和其他与过程有关的信息进行持续监测来以此为基础进行预测，而人脑显然无法从收集到的海量数据中进行有效提取。有些人认为这是尚未充分利用的数据，直到最近，制造业中大部分公司都难以收集它们。而这就是工业物联网的意义所在。

循序渐进

假设我们刚刚购买了一个内置温度和振动传感器的新型加工中心，或是在老机器上添加了这样的功能。 接下来该怎么办？对于初学者来说，您需要一个网络，通过这个网络可以传送新创建的大量数据。您需要服务器和存储系统来收集这些数据，并且可能需要一个软件包以可用的方式来显示它。

最后，您将需要一位具备相关知识和经验的操作员来理解这一切，他必须有权根据这个新发现的信息源来作出决定并采取行动。否则有什么意义？数据本身是没有意义的，这些数据所提炼的信息才是价值所在。

这可能听起来需要很多工作，但有事实证据表明，这些行动的投资回报率（ROI）是以月来衡量，而不是年。即使是那些不愿意全面采用这种方法的工厂（或是在经济上无力承担），也可以采取很多循序渐进的步骤来改进他们的数据管理。

刀具信息就是一个很好的起点。在像Adveon这样的刀具库中收集和组织夹具组装和刀具数据，可以无缝连接CAM软件、刀具预调仪和机床等，并通过一键下载切削推荐数据来简化编程操作。它还能集中保存这些来之不易的数据，以防经验丰富的老员工退休。

随着大数据时代的来临，行业可能需要新型员工。未来，机械师可能会像测量零件或设置工具一样轻松地执行数据分析。他们会得到广泛的数据库和智能监控系统甚至某些人工智能（AI）的支持，这样就能随时随地掌握数以千计的事件。

但那是未来。让我们从大数据开始循序渐进，让每个人都有机会熟悉新的技术。它可以帮助人们控制投资并最大限度地减少工厂内发生的干扰。它还可以防止意外发生的停机，减少废料、机器损坏等所有令人不快的意外事件，以及其他需要技师在夜间保持清醒的一切工作。