Estado de la industria:¿Hacia dónde vamos desde aquí?

Introducción:una disección de los meses anteriores

Nadie podría haber predicho realmente los efectos del coronavirus en nuestra sociedad a principios de este año. Esto se evidencia en la volatilidad histórica del mercado de valores (que generalmente indica niveles de incertidumbre sin precedentes), decisiones políticas que cambian rápidamente (a medida que luchamos por responder a los cambios en el entorno técnico del día) y un clima político cada vez más agravado.

A medida que nos acercamos al otoño, con la reapertura y el cierre de escuelas y campus universitarios, así como la temporada de gripe en camino, la incertidumbre y la volatilidad seguramente solo aumentarán. Las actualizaciones diarias que brindamos sobre el estado real de la industria manufacturera serán cada vez más importantes, especialmente a medida que más personas que establecen políticas usen nuestros datos en sus pronósticos y para guiar su toma de decisiones.

Hemos estado recibiendo solicitudes de muchas organizaciones, desde empresas de fabricación hasta firmas de consultoría y contabilidad, e incluso de instituciones gubernamentales sobre más detalles sobre cómo se generan realmente nuestros datos. La gran cantidad de preguntas es comprensible, ya que MachineMetrics participa en una categoría completamente nueva de servicios de optimización de máquinas, una que es una implementación de nube pura y, por lo tanto, ofrece no solo a clientes las ventajas de la nube, pero también nosotros la ventaja de una medida agregada anónima para la industria. En esta edición, analizaremos cómo obtenemos nuestros datos, además de los conocimientos recientes que podemos obtener de ellos.

Prólogo:¿Cómo obtenemos estos datos?

A menudo recibimos preguntas como "¿Cómo actualiza su conjunto de datos cuando se conectan nuevas máquinas?" O "¿Cómo es el tamaño de su muestra lo suficientemente grande como para obtener estas métricas agregadas?" "¿Cómo puede asegurarse de que los datos de muchos miles de máquinas son precisos?"

Estas son excelentes preguntas y pueden ser desconcertantes para aquellos que no provienen de ambos una fabricación y un fondo de tecnología. Empecemos por lo básico.

Este es un taller mecánico típico, ubicado en algún lugar de los EE. UU. Las máquinas no están conectadas a ningún tipo de optimización de máquinas o servicio de monitoreo, y el gerente de planta solo sabe que tienen partes atrasadas al final del día cuando un operador les dice que les faltan piezas. Luego tienen que agregar turnos adicionales o poner la máquina en una sobremarcha de velocidad de avance para ponerse al día, o simplemente frustrar a sus clientes por falta de piezas y perder/retrasar una fecha de entrega. No es genial, pero así es como se han hecho las cosas durante las últimas décadas.

Aquí es donde entramos nosotros y habilitamos una solución Industria 4.0 haciendo que estas máquinas estén conectadas y su desempeño visible en todo momento. Podemos conectarnos al PLC (control lógico programable) de estas máquinas, que genera todo tipo de información importante que, por lo general, solo es visible para el operador que se encuentra justo frente a la máquina.

Cómo hacemos esto? El ingrediente secreto está en nuestro dispositivo Edge, que es básicamente una computadora con Windows/Linux IoT precargada con un montón de adaptadores de máquina. que puede traducir, limpiar e interpretar las señales que salen del PLC. Cada fabricante de controles tiene su propia API que nos permite hacer esto, y una gran parte de nuestra propiedad intelectual está en decodificar estas API y traducir los idiomas individuales a un idioma unificado. A continuación se muestra una imagen del PLC de una máquina, y los cuadros verdes/negros que ve resaltados son nuestro borde y el dispositivo de E/S digital. Simplemente nos conectamos al puerto Ethernet del PLC para extraer la información que genera el control y luego la transmitimos a la nube. Lo hacemos lo suficientemente fácil como para que las personas puedan instalar todo por sí mismas sin necesidad de que vayamos al sitio; la complejidad se transfiere esencialmente del cliente a la intrincada tecnología dentro del dispositivo Edge.

¿Qué obtienen nuestros clientes de esto? Buenos tableros, que les muestran, en vivo, cómo están sus máquinas. ¿Qué hace una máquina en el piso de la fábrica? ¿Está encendido o apagado, quién lo está operando y están por detrás o por delante de su objetivo de piezas?

Al ser una empresa de productos, el trabajo principal de MachineMetrics Data Science es usar este conjunto de datos masivo para predecir cuándo fallarán las máquinas y detenerlas antes de que causen daños o pérdidas a nuestros clientes. Esto tiene el efecto de mejorar nuestro producto, lo que significa que puede ser más fácil de vender, lo que significa que obtenemos aún más datos para optimizar las máquinas que tenemos bajo nuestro paraguas. Un ciclo virtuoso. Por ejemplo, puede ser extremadamente útil analizar qué está causando que una máquina falle en un cliente y aprovechar esos datos para ayudar tanto a ese cliente como a otros clientes con máquinas similares y problemas similares.

Sin embargo, uno de los maravillosos efectos secundarios de todos estos datos es que también podemos agregar esta información en conjunto y ver las tendencias generales de la industria. Este no era el objetivo principal de nuestra empresa en primer lugar, pero debido a que hemos estado mejorando diligentemente nuestro producto y habilitando máquinas autoinstaladas durante los últimos cinco años, ahora tenemos una muestra significativa y representativa del espacio de fabricación de EE. UU. . Una de las claves para hacer esto ha sido hacer que el producto sea lo suficientemente fácil de usar y autoinstalar, de modo que no tengamos que ir al sitio nosotros mismos para la mayoría de nuestras integraciones y capacitaciones. Esto nos permite escalar exponencialmente y no linealmente; no necesitamos contratar más integradores o capacitadores para satisfacer la demanda.

A continuación se muestra la tabla en la que trabaja nuestro equipo de ciencia de datos para generar este análisis, sin información específica del cliente. Puede ver que para cada hora de cada día y para cada máquina, recibimos automáticamente de nuestra flota de dispositivos Edge:

[Imagen a tamaño completo]

1. in_cycle_ms:cuánto tiempo la máquina está en ciclo (ejecutando un programa de código G o si es una máquina sin un PLC, cuánto tiempo el husillo consume una corriente significativa).
2. spindle_rotating_ms:De ese tiempo, ¿cuánto rota el propio eje? ? Durante los programas de código G, a veces se incorporan descansos y pausas. Esta métrica excluye esos períodos.
3. cutting_ms:De eso tiempo, cuánto tiempo se dedica realmente a cortar , es decir, en contacto metal con metal?
4. parts_produced:durante este tiempo, ¿cuántas piezas nos dijo el PLC que se produjeron? Esto suele ser el producto de cuántas rotaciones del programa de código G vimos más un multiplicador de partes (o en el caso de una máquina más antigua, el producto de cuántos patrones ⚡️ actuales distintos indicaban que se estaba fabricando una parte).

También recopilamos algunos elementos de entrada manual de los operadores en la máquina, quienes pueden decirnos que de las piezas producidas:

1. parts_rejected:cuántas piezas se rechazaron por completo, por cualquier motivo.
2. parts_scrap:de las piezas rechazadas, cuántas se enviaron a chatarra.
3. parts_nonconform:de las piezas rechazadas, cuántas no cumplían con los estándares de control de calidad.

Puede ver que tenemos alrededor de ~66 millones de horas-máquina de datos de producción registrados en este punto, que creemos que es uno de los más grandes y completos de la industria manufacturera.

Tenemos una diversidad de clientes en tamaño, región e industria. Estamos ligeramente subrepresentados en comparación con la fabricación en su conjunto para la industria automotriz y sobrerrepresentados en la fabricación de dispositivos médicos. También estamos un poco sobrerrepresentados en el noreste, ya que es donde se encuentran nuestro equipo de ingeniería y nuestra sede. A continuación se muestra una distribución de nuestra base de clientes, así como algunas empresas representativas. El analista astuto, que desea una medida extremadamente precisa para las entradas de los modelos o con fines predictivos, puede construir una medida de utilización ponderada basada en nuestros datos sin procesar. A medida que nuestros datos se usan más ampliamente, se someten a un mayor escrutinio por su solidez, suposiciones y fuentes. En esta edición de la actualización Estado de la industria, sentimos que era importante cubrir las tres áreas.

[Imagen a tamaño completo]

Entonces, ¿cuál es el estado de la industria en este momento?

Después de todo eso... comencemos con las actualizaciones de utilización que hemos estado publicando en LinkedIn todos los días, con algunas tendencias superpuestas. Básicamente, vemos cuatro regímenes a lo largo del año hasta ahora, que son:

1. Un aumento del 7 % antes de que el coronavirus llegara a EE. UU. y los estados cerraran
2. Una disminución del 16 % desde marzo hasta mediados de abril, cuando los cierres estaban en su punto máximo
3. Un aumento del 8 % desde Semana Santa hasta el Día de la Independencia, cuando los cierres comenzaron a relajarse, y
4. Una disminución del 2 % en nuestro modo actual de "esperar y ver", durante el verano y hasta el otoño de 2020

Aunque estas tendencias generales pueden no ser una sorpresa para ninguno de nosotros, ponerles un indicador cuantitativo exacto es nuestra contribución novedosa. Nunca antes una organización había sido capaz de generar un indicador de alta frecuencia preciso y representativo de la industria para el rendimiento de la fabricación.

[Imagen a tamaño completo]

Desgloses geográficos y por industria

Esto tiene grandes consecuencias para evaluar con precisión el estado de la industria. No es sorprendente que esto a menudo se manifieste en nuestra industria y desgloses geográficos. Pasaremos esta sección centrándonos en las solicitudes que hemos tenido para profundizar en ciertas industrias y geografías.

Comencemos con los desgloses a nivel de la industria, volviendo a la era anterior a COVID este año. Como puede ver a continuación, la industria automotriz colapsa absolutamente a fines de marzo, cuando se ordena el cierre de las fábricas y la demanda de los consumidores colapsa. Sin embargo, la fabricación de dispositivos médicos se mantiene estable a pesar de todo.

[Imagen a tamaño completo]

Eliminemos los cambios continuos de nivel diario para obtener una visión más clara de las tendencias generales. Seguiremos con estas líneas de tendencia, que se construyen a partir de un ajuste LOESS al promedio móvil de 7 días con un intervalo de 0,75 (economistas y analistas, comuníquense conmigo si desean más detalles).

[Imagen a tamaño completo]

Luego dividimos esto en tres capítulos y volvemos a ajustar la curva LOESS por capítulo.

[Imagen a tamaño completo]

Capítulo 1:La utilización lleva las escaleras hacia arriba... el ascensor hacia abajo

Acerquémonos al período de mediados de febrero a mediados de abril. A principios de febrero, las cinco industrias principales que rastreamos estaban funcionando, a punto de establecer nuevos máximos de 18 meses. La industria automotriz parecía especialmente fuerte, ya que la alta demanda de los consumidores y el aumento del sentimiento de compra hicieron que muchos fabricantes OEM y de nivel 1 aumentaran los niveles de producción y, por lo tanto, la utilización de la máquina. Otras industrias se mantenían estables o aumentaban ligeramente.

Luego, los cierres de COVID golpean, y vemos un caso de libro de texto de "subir las escaleras y bajar los ascensores". Vemos este patrón en muchos otros dominios, como el mercado de valores. Se necesita mucha estabilidad y otras cosas para que las cosas vayan bien para que las cosas suban lentamente, pero solo un evento importante para que las cosas bajen, y muy rápido. Junto con un cierre obligatorio, el colapso de la demanda de los consumidores eliminó la fabricación de automóviles, con niveles de utilización que cayeron un 40 % a mediados de abril. Algunos de nuestros clientes intentaron reequiparse para fabricar ventiladores y otros equipos médicos durante este tiempo, pero no fue suficiente para equilibrar los cierres. El 15 de abril, alcanzamos el punto más bajo de utilización que hemos visto en 3 años de seguimiento del rendimiento de la máquina (excluidos los días festivos).

[Imagen a tamaño completo]

Capítulo 2:Una recuperación desigual

Desde mediados de abril hasta finales de junio entramos en un régimen de recuperación desigual. A medida que el virus estuvo más bajo control y los bloqueos se relajaron, las empresas reiniciaron parte de su producción. La fabricación de dispositivos médicos, como era de esperar, amplió su liderazgo ya que hubo una carrera por los ventiladores y otros equipos médicos. Otras industrias, como la aeroespacial y de defensa, la fabricación de equipos industriales y la fabricación por contrato, oscilan hacia arriba y hacia abajo durante este período, en busca de una recuperación de ruptura, pero parece que nunca la logran. La industria automotriz continuó su declive, la demanda permaneció deprimida ya que las personas se vieron obligadas a quedarse en casa o no querían salir a comprar tanto.

[Imagen a tamaño completo]

Capítulo 3:No es exactamente un mitin

Desde el 1 de julio hasta nuestra semana actual, vemos una ligera recuperación, y luego un rendimiento mayormente estancado durante las últimas semanas. Los clientes automotrices comenzaron a informarnos sobre operaciones regulares, y también vemos esto en su mayor utilización. Hacer frente y desarrollar estrategias para vivir en la era del coronavirus puede ser la razón principal detrás de esto, además de que las personas se aventuren más y tengan un poco más de confianza en la economía. El gasto de los consumidores en general aumentó, lo que seguramente tendrá un efecto en la cadena de suministro. La fabricación médica también aumentó.

[Imagen a tamaño completo]

Post-script 1:Evidencia de cambios escalonados, por región

Nos suscribimos a las siguientes agrupaciones formales para el riesgo de COVID, y podemos ver una clara diferencia en la distribución de utilización por hora para cada geografía. Renormalizamos la utilización para que esté entre 0 y 1 para que podamos ver las diferencias de distribución con mayor intensidad (observe el cambio en el título y los valores del eje Y). A través de este análisis, podemos ver que diferentes estados tratan el distanciamiento social, a través de turnos escalonados en sus fábricas, con más seriedad que otros. NY/NJ/CT en particular ve una gran diferencia en la distribución de la utilización por hora después de marzo, con una utilización mucho más alta de lo habitual durante las primeras horas de la noche. Esto se debe a que la mano de obra se desplaza del horario principal de 10 a. m. a 4 p. m. para dividirse de manera más uniforme durante todo el día, como lo demuestra la "curva más plana" en la curva de distribución horaria para NY/NJ/CT. Los otros estados muestran una clara falta de movimiento en su distribución, antes y después de COVID. Es fascinante cómo los efectos de las diferentes subculturas en los Estados Unidos y su tratamiento del coronavirus se irradian hasta el nivel del piso de la fábrica. Ya sabíamos esto antes, pero poner un poco de rigor en cuanto a la verdad de esto es bastante notable.

Agrupaciones de riesgo de COVID

· Grupo 1:NY/NJ/CT

· Grupo 2:AL, AR, AZ, CA, FL, GA, IA, ID, LA, MS, NC, NV, OK, SC, SD, TN, TX y UT

· Grupo 3:DC + Otro (CO, IL, IN, KS, KY, MA, MD, ME, MI, MN, MO, NE, NH, OH, OR, PA, VA, VT, WA, WI, WY)

Grupo 1 [GIF de tamaño completo]

Grupo 2 [GIF de tamaño completo]

Grupo 3 [GIF de tamaño completo]

Post-script 2:Consecuencias de las decisiones políticas inmediatamente visibles y cuantificables

Cuando observamos el período de mediados de marzo e incorporamos los valores de utilización normalizados a nivel diario, podemos ver algunos efectos muy claros de la política gubernamental sobre los cierres por coronavirus. A continuación, dividimos nuestros datos en nuestras tres regiones geográficas nuevamente. Incluso una simple mirada a esto indica que estas tres regiones se comportan de manera muy diferente en el momento en que el coronavirus llega por primera vez a los EE. UU.

[Imagen a tamaño completo]

Específicamente, observamos una disminución de aproximadamente el 50 % en la utilización relativa el día posterior. los gobernadores de NY/NJ/CT emiten una orden de cierre total. Especulamos que eso significa que ~50% de las tiendas que rastreamos se consideraron negocios esenciales que pudieron permanecer abiertos. Otros estados no ven esta caída. La actividad de fin de semana, que suele ser una octava parte de la actividad normal, desaparece por completo en NY/NJ/CT el fin de semana posterior al cierre.

[Imagen a tamaño completo]

Al eliminar las barras de nivel de días individuales, la diferencia se vuelve aún más marcada. Vemos que este tipo de tendencias se mantienen cada vez que se introduce una fuerte intervención legislativa. Sospechamos que evaluar los efectos de esto será cada vez más importante a medida que ingresemos al último tercio del año.

[Imagen a tamaño completo]

Epílogo

A medida que entramos en el otoño, esperamos que la temporada de gripe, los estudiantes que regresan a casa de los campus cerrados y otros eventos inusuales puedan tener un fuerte efecto en la propagación del coronavirus y, a su vez, en la utilización de la industria. En este punto, hemos demostrado que nuestra medida es extremadamente sensible a los cambios de política, especialmente aquellos que afectarán la utilización en dirección a la baja. La salud de nuestra industria, mientras se encuentra en un régimen de "esperar y ver" en este momento, inevitablemente se verá muy afectada por nuestras elecciones de política este otoño. Esperamos que los creadores, analistas y economistas de nuestra industria puedan usar estos datos para informar mejor las elecciones que hacen a medida que nos acercamos a septiembre. Los datos son poder, y podemos utilizar estos datos para ayudar a que tanto nuestra industria como nuestra nación sean más fuertes. Los datos nos ayudan a tomar decisiones matizadas y racionales, respaldadas por el rigor y el pensamiento, en lugar de impulsos emocionales que solo terminan lastimándonos a todos más. Está en todas nuestras manos asegurarnos de tomar las mejores decisiones posibles durante estos días tumultuosos, ya que son tiempos críticos en los que vivimos.

Continuaremos monitoreando estas métricas e informando a intervalos regulares.