État de l'industrie :où en sommes-nous ?

Introduction :Une dissection des derniers mois

Personne n'aurait pu vraiment prédire les effets du coronavirus sur notre société au sens large au début de cette année. En témoignent la volatilité historique des marchés boursiers (indiquant généralement des niveaux d'incertitude sans précédent), l'évolution rapide des décisions politiques (alors que nous luttons pour répondre aux changements du milieu technique actuel) et un climat politique de plus en plus dégradé.

À l'approche de l'automne, avec la réouverture et la fermeture des écoles et des campus universitaires, ainsi que la saison de la grippe, l'incertitude et la volatilité ne feront sûrement qu'augmenter. Les mises à jour quotidiennes que nous fournissons sur l'état réel de l'industrie manufacturière deviendront de plus en plus importantes, d'autant plus que de plus en plus de personnes qui établissent des politiques utilisent nos données dans leurs prévisions et pour guider leur prise de décision.

Nous avons reçu des demandes de nombreuses organisations, d'entreprises manufacturières, de sociétés de conseil et de comptabilité, et même d'institutions gouvernementales, pour plus de détails sur la façon dont nos données se présentent réellement. La myriade de questions est compréhensible, car MachineMetrics est engagé dans une toute nouvelle catégorie de services d'optimisation des machines, qui est une implémentation purement cloud et n'offre donc pas seulement aux clients les avantages du cloud, mais aussi nous l'avantage d'une mesure agrégée anonymisée pour l'industrie. Dans cette édition, nous allons faire preuve de diligence raisonnable sur la manière dont nous obtenons réellement nos données, en plus des informations récentes que nous pouvons en tirer.

Prologue :Comment obtenons-nous même ces données ?

Nous recevons souvent des questions telles que "Comment mettez-vous à jour votre ensemble de données lorsque de nouvelles machines sont connectées ?" ou "Comment la taille de votre échantillon est-elle suffisamment grande pour même obtenir ces métriques agrégées ?" "Comment pouvez-vous vérifier que les données de plusieurs milliers de machines sont exactes ?"

Ce sont d'excellentes questions et peuvent être déroutantes pour ceux qui ne viennent pas des deux une formation en fabrication et en technologie. Commençons par les bases.

Il s'agit d'un atelier d'usinage typique, situé quelque part aux États-Unis. Les machines ne sont connectées à aucun type de service d'optimisation ou de surveillance des machines, et le responsable de l'atelier ne sait qu'elles sont en retard de pièces qu'à la fin de la journée lorsqu'un opérateur leur dit qu'elles sont à court. Ils doivent alors ajouter des équipes supplémentaires ou mettre la machine en surmultipliée pour rattraper son retard, ou simplement frustrer leurs clients en étant à court de pièces et en manquant/repoussant une date de livraison. Ce n'est pas génial, mais c'est comme ça que les choses ont été faites au cours des dernières décennies.

C'est là que nous intervenons et permettons une solution Industrie 4.0 en faisant en sorte que ces machines soient connectées et leurs performances visibles de tout temps. Nous pouvons nous connecter à l'automate (contrôle logique programmable) de ces machines, qui produit toutes sortes d'informations importantes généralement visibles uniquement par l'opérateur se tenant juste devant la machine.

Comment faisons-nous cela? La sauce secrète réside dans notre appareil Edge, qui est essentiellement un ordinateur Windows/Linux IoT préchargé avec un tas d'adaptateurs de machine qui peut traduire, nettoyer et interpréter les signaux provenant de l'automate. Chaque fabricant de commandes a sa propre API qui nous permet de le faire, et une grande partie de notre propriété intellectuelle consiste à décoder ces API et à traduire les langues individuelles en une seule langue unifiée. Vous trouverez ci-dessous une photo d'un automate de machine, et les cases vertes/noires que vous voyez en surbrillance sont notre périphérie et notre périphérique d'E/S numérique. Nous nous connectons simplement au port Ethernet de l'automate pour extraire les informations que la commande produit, puis les diffusons dans le cloud. Nous facilitons les choses pour que les gens puissent tout installer eux-mêmes sans avoir à nous faire venir sur place ; la complexité est essentiellement transférée du client à la technologie complexe à l'intérieur de l'appareil Edge.

Qu'est-ce que nos clients en retirent ? De jolis tableaux de bord, qui leur montrent, en direct, comment vont leurs machines. Que fait une machine dans l'usine ? Est-il allumé ou éteint, qui l'utilise et est-il en retard ou en avance sur son objectif de pièces ?

En tant qu'entreprise de produits, le travail principal de MachineMetrics Data Science consiste à utiliser cet ensemble de données massif pour prédire quand les machines tomberont en panne et les arrêter avant qu'elles ne causent des dommages ou des pertes à nos clients. Cela a pour effet d'améliorer notre produit, ce qui signifie qu'il peut être plus facile à vendre, ce qui signifie que nous obtenons encore plus de données pour optimiser les machines que nous avons sous notre égide. Un cercle vertueux. Par exemple, il peut être extrêmement utile d'analyser ce qui cause la panne d'une machine chez un client et d'exploiter ces données pour aider à la fois ce client et d'autres clients avec des machines similaires et des problèmes similaires.

Cependant, l'un des merveilleux effets secondaires de toutes ces données est que nous pouvons également agréger ces informations ensemble et voir les tendances globales de l'industrie. Ce n'était pas l'objectif principal de notre entreprise en premier lieu, mais parce que nous avons diligemment amélioré notre produit et permis des machines auto-installées au cours des cinq dernières années, nous avons maintenant un échantillon significatif et représentatif de l'espace de fabrication américain. . L'une des clés pour y parvenir a été de rendre le produit suffisamment facile à utiliser et à installer soi-même, de sorte que nous n'ayons pas besoin d'aller sur place nous-mêmes pour la plupart de nos intégrations et formations. Cela nous permet d'évoluer de manière exponentielle et non linéaire ; nous n'avons pas besoin d'embaucher plus d'intégrateurs ou de formateurs pour répondre à la demande.

Vous trouverez ci-dessous le tableau à partir duquel notre équipe Data Science travaille pour générer cette analyse, nettoyée des informations spécifiques au client. Vous pouvez voir que pour chaque heure de chaque jour, et pour chaque machine, nous recevons automatiquement de notre flotte d'appareils Edge :

[Image en taille réelle]

1. in_cycle_ms :combien de temps la machine est en cycle (exécute un programme G-code ou s'il s'agit d'une machine sans API, combien de temps la broche consomme un courant significatif).
2. spindle_rotating_ms :de ce temps, combien la broche elle-même tourne ? Pendant les programmes G-code, des pauses et des pauses sont parfois intégrées. Cette métrique exclut ces périodes.
3. cutting_ms :de cela temps, combien de temps est réellement passé à couper , c'est-à-dire en contact métal sur métal ?
4. parts_produced :pendant cette période, combien de pièces l'automate nous a-t-il indiqué avoir été produites ? Il s'agit généralement du produit du nombre de rotations du programme G-code que nous avons vu plus un multiplicateur de pièces (ou dans le cas d'une machine plus ancienne, du produit du nombre de modèles ⚡️ actuels distincts qui indiquaient qu'une pièce était fabriquée).

Nous récupérons également certains éléments de saisie manuelle auprès des opérateurs à la machine, qui peuvent nous dire, celui des pièces produites :

1. parts_rejected :combien de pièces ont été catégoriquement rejetées, pour une raison quelconque.
2. parts_scrap :parmi les pièces rejetées, combien ont été envoyées à la ferraille.
3. parts_nonconform :parmi les pièces rejetées, combien n'étaient pas conformes aux normes d'AQ.

Vous pouvez voir que nous avons environ 66 millions d'heures-machine de données de production enregistrées à ce stade, ce qui, selon nous, est l'un des plus importants et des plus complets de l'industrie manufacturière.

Nous avons une diversité de clients en termes de taille, de région et d'industrie. Nous sommes légèrement sous-représentés par rapport à l'ensemble de la fabrication pour l'automobile et surreprésentés dans la fabrication de dispositifs médicaux. Nous sommes également légèrement surreprésentés dans le Nord-Est, car c'est là que sont basés notre équipe d'ingénieurs et notre siège social. Une répartition de notre clientèle est ci-dessous, ainsi que certaines entreprises représentatives. L'analyste avisé, qui souhaite une mesure extrêmement précise pour les entrées des modèles ou à des fins prédictives, peut construire une mesure repondérée de l'utilisation basée sur nos données brutes. À mesure que nos données deviennent plus largement utilisées, elles font l'objet d'un examen plus approfondi pour leur robustesse, leurs hypothèses et leurs sources. Dans cette édition de la mise à jour de l'état de l'industrie, nous avons estimé qu'il était important de couvrir les trois domaines.

[Image en taille réelle]

Qu'en est-il de l'industrie en ce moment ?

Après tout cela... commençons par les mises à jour d'utilisation que nous publions chaque jour sur LinkedIn, avec quelques tendances superposées. Nous voyons essentiellement quatre régimes se produire tout au long de l'année jusqu'à présent, qui sont :

1. Une augmentation de 7 % avant que le coronavirus ne frappe les États-Unis et que les États ne ferment leurs portes
2. Une baisse de 16 % entre mars et mi-avril, lorsque les fermetures étaient à leur maximum
3. Une augmentation de 8 % entre Pâques et le jour de l'indépendance, lorsque les fermetures ont commencé à être assouplies, et
4. Une diminution de 2 % de notre mode "attendre et voir" actuel, pendant l'été et jusqu'à l'automne 2020

Bien que ces tendances générales ne surprennent aucun d'entre nous, y mettre un indicateur quantitatif exact est notre contribution originale. Jamais auparavant une organisation n'avait été en mesure de proposer un indicateur haute fréquence précis et représentatif de l'industrie pour les performances de fabrication.

[Image en taille réelle]

Répartition sectorielle et géographique

Cela a de grandes conséquences pour évaluer avec précision l'état de l'industrie. Sans surprise, cela se manifeste souvent dans notre industrie et nos répartitions géographiques. Nous passerons cette section à nous concentrer sur les demandes que nous avons eues pour approfondir certains secteurs et zones géographiques.

Commençons par les ventilations au niveau de l'industrie, en remontant à l'ère pré-COVID cette année. Comme vous pouvez le voir ci-dessous, l'automobile s'effondre complètement fin mars, lorsque les usines sont fermées et que la demande des consommateurs s'effondre. La fabrication de dispositifs médicaux reste cependant stable à travers tout cela.

[Image en taille réelle]

Supprimons les changements de niveau quotidiens pour obtenir une vue plus claire des tendances globales. Nous nous en tiendrons à ces lignes de tendance, qui sont construites à partir d'un ajustement LOESS à la moyenne mobile sur 7 jours avec un intervalle de 0,75 (économistes et analystes, contactez-moi si vous voulez plus de détails).

[Image en taille réelle]

Nous avons ensuite divisé cela en trois chapitres et réajusté la courbe LOESS par chapitre.

[Image en taille réelle]

Chapitre 1 :L'utilisation fait monter les escaliers... descend l'ascenseur

Zoomons sur la période de la mi-février à la mi-avril. Début février, les cinq principales industries que nous suivons bourdonnaient, sur le point d'établir de nouveaux sommets sur 18 mois. L'automobile semblait particulièrement forte, car la forte demande des consommateurs et l'augmentation du sentiment d'achat ont poussé de nombreux fabricants OEM et de niveau 1 à augmenter les niveaux de production, et donc l'utilisation des machines. D'autres industries restaient stables ou augmentaient légèrement.

Ensuite, les fermetures de COVID ont frappé, et nous voyons un cas d'école de "monter les escaliers et descendre les ascenseurs". Nous voyons ce modèle dans de nombreux autres domaines, tels que le marché boursier. Il faut beaucoup de stabilité et de choses pour que les choses remontent lentement, mais un seul événement majeur pour que les choses descendent, et très rapidement. Associé à un arrêt obligatoire, l'effondrement de la demande des consommateurs a anéanti la fabrication automobile, avec des niveaux d'utilisation en baisse de 40 % à la mi-avril. Certains de nos clients ont essayé de se rééquiper pour fabriquer des ventilateurs et d'autres équipements médicaux pendant cette période, mais cela n'a pas suffi à compenser les arrêts. Le 15 avril, nous atteignons le point d'utilisation le plus bas que nous ayons vu en 3 ans de suivi des performances des machines (hors jours fériés).

[Image en taille réelle]

Chapitre 2 :Une reprise inégale

De mi-avril à fin juin, nous entrons dans un régime de reprise inégale. Au fur et à mesure que le virus était mieux maîtrisé et que les blocages s'assouplissaient, les entreprises ont redémarré une partie de leur production. La fabrication de dispositifs médicaux, sans surprise, a étendu son avance car il y avait une ruée vers les ventilateurs et autres équipements médicaux. D'autres industries, comme l'aérospatiale et la défense, la fabrication d'équipements industriels et la fabrication sous contrat, oscillent de haut en bas pendant cette période, à la recherche d'une reprise en petits groupes mais ne semblant jamais y parvenir. L'automobile a poursuivi son déclin, la demande est restée déprimée car les gens étaient soit obligés de rester chez eux, soit ne voulaient pas sortir et faire autant d'achats.

[Image en taille réelle]

Chapitre 3 :Pas exactement un rallye

Du 1er juillet à notre semaine en cours, nous constatons une légère reprise, puis des performances essentiellement stables au cours des dernières semaines. Les clients automobiles ont commencé à nous signaler des opérations régulières, et nous le constatons également dans leur utilisation accrue. Faire face et développer des stratégies pour vivre à l'ère du coronavirus peut en être la principale raison, en plus du fait que les gens s'aventurent davantage et ont un peu plus confiance dans l'économie. Dans l'ensemble, les dépenses de consommation ont augmenté, ce qui ne manquera pas d'avoir un effet sur la chaîne d'approvisionnement. La fabrication médicale a également augmenté.

[Image en taille réelle]

Post-scriptum 1 :Preuve de changements échelonnés, par région

Nous souscrivons aux regroupements formels suivants pour le risque COVID - et pouvons constater une nette différence dans la répartition de l'utilisation par heure pour chaque zone géographique. Nous renormalisons l'utilisation entre 0 et 1 afin que nous puissions voir les différences de distribution plus intensément (notez le changement dans le titre et les valeurs de l'axe Y). À travers cette analyse, nous pouvons voir que différents États traitent la distanciation sociale, via des changements échelonnés dans leurs usines, plus sérieusement que d'autres. NY/NJ/CT en particulier voit une nette différence dans la répartition de l'utilisation par heure après mars, avec une utilisation beaucoup plus élevée que d'habitude pendant les petites heures de la nuit. En effet, la main-d'œuvre est déplacée des heures principales de 10 h 00 à 16 h 00 pour être répartie plus uniformément 24 h/24, comme en témoigne la « courbe plus plate » de la courbe de distribution horaire pour NY/NJ/CT. Les autres États montrent une nette absence de mouvement dans leur distribution, avant et après COVID. Il est fascinant de voir comment les effets des différentes sous-cultures aux États-Unis et leur traitement du coronavirus rayonnent jusqu'au niveau de l'usine. Nous le savions en quelque sorte auparavant, mais il est tout à fait remarquable de mettre une certaine rigueur dans la mesure où cela est vrai.

Groupes de risque COVID

· Groupe 1 :NY / NJ / CT

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

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

Groupe 1 [GIF pleine taille]

Groupe 2 [GIF pleine taille]

Groupe 3 [GIF pleine taille]

Post-scriptum 2 :Conséquences des décisions politiques immédiatement visibles et quantifiables

Lorsque nous examinons la période de la mi-mars et que nous apportons les valeurs d'utilisation quotidiennes normalisées, nous pouvons voir des effets très clairs de la politique gouvernementale sur les fermetures de coronavirus. Ci-dessous, nous divisons à nouveau nos données dans nos trois régions géographiques. Même un simple coup d'œil à cela indique que ces trois régions se comportent très différemment au moment où le coronavirus frappe pour la première fois les États-Unis.

[Image en taille réelle]

Plus précisément, nous constatons une diminution d'environ 50 % de l'utilisation relative le jour suivant les gouverneurs de NY/NJ/CT émettent un ordre de fermeture totale. Nous supposons que cela signifie qu'environ 50 % des magasins que nous suivons étaient considérés comme des entreprises essentielles qui ont pu rester ouvertes. Les autres États ne voient pas cette baisse. L'activité du week-end, qui représente généralement un huitième de l'activité normale, disparaît totalement à NY/NJ/CT le week-end après l'arrêt.

[Image en taille réelle]

Lorsque vous supprimez les barres de niveau de jour individuel, la différence devient encore plus nette. Nous constatons que ces types de tendances se maintiennent chaque fois qu'une intervention législative forte est introduite. Nous pensons que l'évaluation des effets de cela sera encore plus importante alors que nous entrons dans le dernier tiers de l'année.

[Image en taille réelle]

Épilogue

Alors que nous entrons dans l'automne, nous nous attendons à ce que la saison de la grippe, les étudiants rentrant chez eux après des campus fermés et d'autres événements inhabituels puissent avoir un effet important sur la propagation du coronavirus et, par conséquent, sur l'utilisation de l'industrie. À ce stade, nous avons démontré que notre mesure est extrêmement sensible aux changements de politique, en particulier ceux qui affecteront l'utilisation à la baisse. La santé de notre industrie, bien qu'elle soit actuellement dans un régime « attentiste », sera inévitablement fortement affectée par nos choix politiques cet automne. Nous espérons que les décideurs, les analystes et les économistes de notre industrie pourront utiliser ces données pour mieux éclairer les choix qu'ils feront à l'approche de septembre. Les données, c'est le pouvoir, et nous pouvons utiliser ces données pour aider à la fois notre industrie et notre nation à être plus fortes. Les données nous aident à prendre des décisions nuancées et rationnelles, soutenues par la rigueur et la réflexion, plutôt que par des impulsions émotionnelles qui finissent par nous blesser davantage. Il est entre nos mains de veiller à ce que nous prenions les meilleures décisions possibles en ces jours tumultueux, car ce sont des moments critiques dans lesquels nous vivons.

Nous continuerons à surveiller ces statistiques et à publier des rapports à intervalles réguliers.