复杂的制造业的挑战总是相对艰难的，但近年来已经变得几乎难以克服。
压力、竞争、利润率的下降和市场需求的增长，形成了这样一种局面：即使是最大的公司也难以快速地适应。
最近的一项调查显示，人才、竞争和盈利能力是制造商面临的主要障碍。
由于利润率仍然相对较低，出错的风险也越来越高，即便是那些经验最丰富、最知名的制造品牌，也越来越需要避免常见且令人痛苦的陷阱。
在与顶尖的离散制造厂商进行了十多年的密切合作之后，我们开始了解并学会发现一些最常见的错误。
以下问题在每个地区和类型的复杂制造业都存在。继续阅读以了解它们是什么以及如何避免它们。
错误1：未优化的OEE
优化整体设备效率(OEE)的重要性是众所周知的。事实上，如果你问任何一个在这个行业工作了足够长时间的人，他们可能会告诉你，他们专注于优化整体设备效率，到目前为止他们已经成功地做到了。
不幸的是，他们在这方面的认知可能是错误的，优化的OEE可以获得远比他们认为的结果更好。
OEE在很大程度上影响着制造企业的利润，并决定着制造商的盈利能力。
例如，没有正确地度量OEE可能会造成机器可用性水平已达最大化的错误印象。测量的第一步包括计算OEE和盈利能力之间的正确联系和一个精确的测量系统。这并不容易做到，因为实时测量OEE及其对投资回报率（ROI）的影响是一个挑战，但它仍然很重要。
一些制造商已经学会了根据工作质量、性能水平和设备的可用率来创建一个清晰可见的OEE度量指标。例如，拥有冗余工具的成本或采取了太多的安全裕度等因素，也必须在这种计算中发挥作用。如果把所有因素都考虑进去，情况就会变得非常清楚，需要优化的地方也更容易发现。
工业物联网技术和优化解决方案可以帮助您计算我们的实际OEE并显著优化它。
错误2：工具维护不善
你知道你的生产车间所依赖的每一个工具的确切位置吗？为什么？你能告诉我这个工具从上一个维护周期以来已经吸收了多少高温小时吗？您是否跟踪即将磨损并需要进行重要维护的工具？
如果你和许多已知的制造商一样，那么很有可能这两个问题的答案——以及其他与工具相关的问题——并不总是100%的答案。
这是一个问题。丢失、过时、未维护的工具会导致延迟和降低产品质量，从而导致返工，并使制造商损失惨重。
尽管该行业很清楚降低报废和返工成本的必要性，而且数量确实在下降(很大程度上是由于采用了工业4.0技术)，但研究报告仍然显示，平均返工和报废成本约为销售额的8%。
我们已经讨论了机器和工具预测性维护的重要性，现在的信息仍然很简单：真正的优化不只是解决出现的维护问题，而是知道哪个工具需要一些关注，并在它产生工作流问题之前处理它。如果你没有领先一步，你就落后了。
错误3：使用不充分或过时的技术解决方案
在2020年听到这个消息可能会很奇怪，但在工业4.0解决方案时代，复杂的制造商仍然在使用手动程序、手动重复活动和手动决策。
我们很容易理解追赶科技带来的挑战，因为事情的确在迅速变化……
不久前，制造商们开始将工厂数字化，简单的ERP软件解决方案取而代之。
但是，今天，情况发生了如此巨大的变化，基于人工智能（AI）的工业物联网（IIoT）优化解决方案为制造商提供了不公平的竞争优势。
没有一个简单的ERP或任何其他数据分析系统能够实时地超越基于人工智能的可操作的方案。
想象一下:制造商X享受自动化实时警报如: 例如：“此工具被错误放置”、“该工作站不能用于此任务，因为它将引发错过截止日期事件”、“此工具需要立即进行维护或存在返工风险”或“请使用此序列号的材料”。“就在这里。因为它面临着更高的过期风险，所以最好先使用它。”
而制造商Y一直使用过时的软件解决方案，因此运行手动计算，并得出方案。在一定的生产规模下，制造商Y是不可能保持竞争力的。
一些制造商害怕添加更多的软件融入当前的生产环境，而另一些制造商则更为传统，或者不完全理解工业4.0技术解决方案的投资回报率。
不管怎样，结果是这个错误可能会对竞争对手有利。
基于先前历史模式的工具错位实时警报-Plataine的系统：
“常规”材料切割计划：
一个优化的切割方案：
错误4：错过了今天的自动化
一个更具体的错误是选择手工劳动而不是自动化过程。
选择手动数据输入的制造商损失了4次：第一次，他们不得不更加努力地手动输入数据；第两次，他们需要更长的时间来完成任务；第三次，由于人为错误导致的错误结果；第四次，数据没有实时地变更。
“人是制造系统中最不可靠的组件”
这没什么好奇怪的。美国人可能不喜欢听到这些，但美国军方和航空航天项目进行的一项研究发现，在复杂的制造系统中，我们是最不可靠的组成部分。即使是训练有素、纪律严整的美国军人也会多犯20%的错误，我们只能想象，在普通工人中，这种差距有多大。
这很难归咎于人类，因为连续几个小时做这种重复性的工作必然会导致员工缺乏积极性，他们大部分时间都花在手动向系统输入数据上。
错误5：将传统方法与基于AI的优化混淆
如前所述，人工智如此迅速地声名鹊起，以至于我们中的许多人还没有搞清楚它对制造商的实际意义(如果你认为理解人工智能很难，那么请等你读到量子技术)。
这导致了一些行业参与者的困惑。我见过许多简单的制造管理解决方案供应商将术语“人工智能”添加到他们的标题中，尽管他们缺乏前者无与伦比的能力和竞争优势。
总结
虽然人类总是会犯错误，但有些错误比其他错误更严重。在我不断暴露的许多错误中，我已经分享了5个在制造业盈利方面既非常普遍又非常危险的错误。
正如本文所示，由于所有这些错误都可以解决，而且一些经验丰富的行业参与者已经解决了这些挑战，并为我们所有人提供了最佳实践，因此我确实认为，意识到这些重大错误是一个良好的开端。
与自动化相比，人工智能带来的好处要多得多。它模拟了人类的思维(真正的人工智能真的做到了!)，因此为等式增加了急需的上下文，让制造商不仅可以问“是什么”，还可以问“为什么”。
许多制造商犯了一个错误，没有充分了解人工智能的潜力，因此他们完全依赖于能够组织数据但不能提供任何智能预测的技术。
例如,更深层次的了解甚至允许的预测和预防工作延迟,通知经理工作当一个工具是错误的和跟踪其当前位置,优化材料的使用和警报制造商即将到期时,甚至协助质量相关决策。
由于这些和其他原因，基于人工智能的解决方案已经成为复杂制造技术的前沿。它们赋予制造商超级能力，让他们完成每一项任务，并使之变得更好。当将所有这些小的和大的改进结合在一起时，对业务的投资回报率和质量结果的显著变化是显而易见的，唯一不清楚的是为什么我们没有更早地进行这种转变。
