是什么阻止了工厂产率更上一层楼？在最近一场关于工业4.0和IIoT的演讲中，有人问了我这个问题。
在我看来，唯一最大的问题在于数据，尤其是系统和过程方面的数据。
创世纪伊始，我们就急于追求效率。早期，人们发明了高效工具用于打猎生存，如今，我们寻找更高效的生产方式，减少或杜绝工厂内的废品。在生产过程及日常工作中穷尽所有精益化操作方式后，我们开始探索如何快速减少意外的停机时间。我相信今后我们还会研究如何共同携手消除停机。
造成停机的原因有许多，以下仅部分列举：
上述一二两个原因并非是本博客的重点，坦白讲，也非生产层面所能控制的。
上述三四两个原因都和生产过程相关，而最后一点，则完全可以由我们选择控制。在某种程度上，我们可以减少、甚至杜绝这三个原因。
如果停机是生产过程中的问题，我们可以记录问题并使用所谓的持续改善行动进一步改善生产过程。而只有基于可见的因素（即数据），我们才能持续改善，若只是臆断，我们则无法做到。当然，不能说绝对无法做到，只是更容易失败。所以更合适的说法应该是：无法监测的因素都无法得以改善！
能很好诠释我这一观点的例子是：为生产不同产品，工厂需要不断调整变化。除非现有一套良好的操作过程，能确保满足变化的需求，且所有更换的零部件都得以正确安装，否则整个调整变化的耗时会极大的降低产率。其次，如果这些调整都是通过手动而非自动实现的，也同样会降低产率，就像我说的，提升产率需要基于可见的事实数据并进一步持续改善。有时，我们将这些手动调整视为生活中既定的，并将所需的时间纳入“计划内”停机时间的一部分。当然，如果您每年进行一次调整 – 即使在当今情况下，保持流程手动操作也可能具有成本效益。但，如果您的工厂每天或每周有多个小批量生产，那么自动调整可以大大提高生产率。成本效益分析就能证明它是否在持续改进。
资产是平稳运营方程式的重要组成部分。一个例子是冲压车间的模具或金属加工车间的去毛刺工具。如果工厂对于这些重要资产的位置，形状或形式没有可视化或可追溯性，则可能导致大量停机。这些工具的校准数据或使用该工具生产的零件数量也是重要的数据片段，需要对其进行维护才能有效操作。同样，这是有关系统以及这些可追溯性计划在现有基础架构中的集成的数据。
机器或组件的故障可能导致严重的停机，通常被认为是不可避免的。我们分两步解决这些故障。首先，我们在问题不明显时寻找问题，其次，我们在储藏室中找到了替换零件，以便迅速将其更换。并且，作为过程改进，我们计划在定期计划的停机时间内进行预防性维护，以检查润滑剂并更换零件。
预测性维护通常是根据理论故障率来安排的。这是一个很好的措施，特别是对于机械组件，但是，基于预测或基于条件的维护通常可以带来更高的生产率回报，并有助于保持工厂的平稳运转。同样，预测性维护依赖于有关系统或组件状况的数据。那么，这些数据在哪里，我们如何获得它？
接口的标准化是提高生产率的另一个重要组成部分。在我的下一个博客中，我将分享IO-Link作为一项技术如何帮助解决所有这些挑战并将生产率提高到一个新水平。