Perspectives de l'industrie : tracer la voie à suivre

Introduction : Dissection des derniers mois

Personne n'aurait pu réellement prédire les effets du coronavirus sur notre société dans son ensemble au début de cette année. Cela se voit dans la volatilité historique du marché boursier (indiquant généralement des niveaux d'incertitude sans précédent), les décisions politiques changeant rapidement (alors que nous luttons pour répondre aux changements du milieu technique du jour), et un climat politique de plus en plus aggravé.

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 qui arrive, l'incertitude et la volatilité ne feront qu'augmenter. Les mises à jour quotidiennes que nous fournissons sur l'état réel de l'industrie manufacturière deviendront d'autant plus importantes, surtout que de plus en plus de personnes qui définissent les politiques utilisent nos données dans leurs prévisions et pour guider leur prise de décision.

Nous recevons des demandes de nombreuses organisations, des entreprises manufacturières aux cabinets de conseil et de comptabilité, en passant par des institutions gouvernementales, pour plus de détails sur la façon dont nos données sont réellement produites. La myriade de questions est compréhensible, car MachineMetrics est engagé dans une catégorie entièrement nouvelle de services d'optimisation des machines, une implémentation purement cloud qui offre non seulement aux clients les avantages du cloud, mais aussi à nous l'avantage d'une mesure agrégée et anonymisée pour l'industrie. Dans cette édition, nous passerons en revue une due diligence sur la façon dont nous obtenons réellement nos données, en plus des insights récents que nous pouvons en tirer.

Prologue : Comment obtenons-nous ces données ?

Nous recevons souvent des questions comme « Comment mettez-vous à jour votre ensemble de données lorsque de nouvelles machines sont connectées ? », ou « Comment votre taille d'échantillon est-elle suffisamment grande pour obtenir ces métriques agrégées ? » « Comment pouvez-vous garantir que les données de plusieurs milliers de machines sont précises ? »

Ce sont d'excellentes questions, qui peuvent être déroutantes pour ceux qui ne viennent pas à la fois d'un background manufacturier et technologique. Partons des bases.

Voici un atelier mécanique typique, situé quelque part aux États-Unis. Les machines ne sont connectées à aucun service d'optimisation ou de surveillance de machines, et le responsable de l'atelier ne sait qu'ils sont en retard sur les pièces à la fin de la journée quand un opérateur le leur dit. Ils doivent alors ajouter des quarts de travail supplémentaires ou mettre la machine en surrégime d'avance pour rattraper le retard, ou simplement frustrer leurs clients en manquant des pièces et en repoussant une date de livraison. Ce n'est pas idéal, mais c'est comme ça que les choses se font depuis des décennies.

C'est là que nous intervenons pour permettre une solution Industrie 4.0 en faisant en sorte que ces machines soient connectées et leur performance visible en tout temps. Nous sommes capables de nous connecter à l'API (Automate Programmable Industriel) de ces machines, qui sort toutes sortes d'informations importantes généralement visibles uniquement par l'opérateur debout juste devant la machine.

Comment faisons-nous cela ? La sauce secrète réside dans notre appareil Edge, qui est essentiellement un ordinateur IoT Windows/Linux préchargé avec un tas d'adaptateurs de machine qui peuvent traduire, nettoyer et interpréter les signaux provenant de l'API. Chaque fabricant de contrôle a sa propre API qui nous permet de le faire, et une grande partie de notre propriété intellectuelle réside dans le décodage de ces API et la traduction des langages individuels en un langage unifié. Ci-dessous, une photo d'une API de machine, et les boîtes vertes/noires que vous voyez mises en évidence sont nos appareils Edge et E/S numériques. Nous nous connectons simplement au port Ethernet de l'API pour extraire les informations que le contrôle sort, puis les diffusons vers le cloud. Nous le rendons assez simple pour que les gens puissent tout installer eux-mêmes sans avoir besoin que nous venions sur site ; la complexité est essentiellement transférée du client vers la technologie complexe à l'intérieur de l'appareil Edge.

Qu'est-ce que nos clients obtiennent de cela ? De beaux tableaux de bord, qui leur montrent, en direct, comment leurs machines performent. Que fait une machine de l'autre côté de l'usine ? Est-elle allumée ou éteinte, qui la fait fonctionner, et sont-ils en avance ou en retard sur leur objectif de pièces ?

En tant qu'entreprise produit, le travail principal de la Data Science de MachineMetrics consiste à utiliser cet ensemble de données massif pour prédire quand les machines vont tomber 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 est plus facile à vendre, ce qui signifie que nous obtenons encore plus de données pour optimiser les machines sous notre parapluie. Un cercle vertueux. Par exemple, il peut être extrêmement utile d'analyser ce qui cause l'échec 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 et des problèmes similaires.

Cependant, l'un des merveilleux effets secondaires de toutes ces données est que nous pouvons également agréger cette information ensemble, et voir les tendances globales de l'industrie. Ce n'était pas l'objectif principal de notre entreprise au départ, mais parce que nous avons diligemment amélioré notre produit et permis l'auto-installation de machines au cours des cinq dernières années, nous avons maintenant un échantillon significatif et représentatif de l'espace manufacturier américain. L'une des clés pour y parvenir a été de rendre le produit assez facile à utiliser et à auto-installer, pour que nous n'ayons pas besoin d'aller sur site pour la plupart de nos intégrations et formations. Cela nous permet de croître exponentiellement et non linéairement ; nous n'avons pas besoin d'embaucher plus d'intégrateurs ou de formateurs pour suivre la demande.

Ci-dessous se trouve le tableau à partir duquel notre équipe Data Science travaille pour générer cette analyse, nettoyé des informations spécifiques aux clients. 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 (exécution d'un programme G-code ou, s'il s'agit d'une machine sans API, combien de temps la broche tire un courant significatif).
2. spindle_rotating_ms : Sur ce temps, combien la broche elle-même tourne ? Pendant les programmes G-code, des pauses sont parfois intégrées. Cette métrique exclut ces périodes.
3. cutting_ms : Sur ce temps, combien de temps est réellement passé à couper, c'est-à-dire en contact métal-métal ?
4. parts_produced : Pendant ce temps, combien de pièces l'API nous a-t-elle indiqué avoir été produites ? C'est généralement un 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, le produit du nombre de motifs de courant ⚡️ distincts indiquant qu'une pièce était en train d'être faite).

Nous collectons également certains éléments de saisie manuelle des opérateurs sur la machine, qui peuvent nous dire, parmi les pièces produites :

1. parts_rejected : Combien de pièces ont été purement et simplement rejetées, pour quelque raison que ce soit.
2. parts_scrap : Parmi les pièces rejetées, combien ont été envoyées à la ferraille.
3. parts_nonconform : Parmi les pièces rejetées, combien étaient non conformes aux normes QA.

Vous pouvez voir que nous avons environ ~66 millions d'heures-machine de données de production enregistrées à ce stade, ce que nous croyons être l'un des ensembles de données les plus grands et les plus complets de l'industrie manufacturière.

Nous avons une diversité de clients en taille, région et industrie. Nous sommes légèrement sous-représentés par rapport à la fabrication dans son ensemble pour l'automobile, et sur-représentés dans la fabrication de dispositifs médicaux. Nous sommes également légèrement sur-représentés dans le Nord-Est, car c'est là que se trouvent notre équipe d'ingénierie et notre siège social. Une distribution de notre base de clients est ci-dessous, ainsi que quelques entreprises représentatives. L'analyste avisé, qui désire une mesure extrêmement précise pour les entrées de modèles ou à des fins prédictives, peut construire une mesure d'utilisation re-pondérée basée sur nos données brutes. Au fur et à mesure que nos données deviennent plus largement utilisées, elles subissent un examen plus approfondi de leur robustesse, hypothèses et sources. Dans cette édition de la mise à jour de l'État de l'industrie, nous avons estimé important de couvrir les trois domaines.

[Image en taille réelle]

Alors, quel est l'état de l'industrie en ce moment ?

Après tout cela... commençons par les mises à jour d'utilisation que nous publions sur LinkedIn chaque jour, 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
2. Une diminution de 16 % de mars à mi-avril lorsque les fermetures étaient à leur pic
3. Une augmentation de 8 % de Pâques à la Fête de l'Indépendance lorsque les fermetures ont commencé à être assouplies, et
4. Une diminution de 2 % dans notre mode actuel « attendre et voir », pendant l'été et jusqu'à l'automne 2020

Bien que ces tendances générales ne surprennent peut-être aucun de nous, y mettre un indicateur quantitatif exact est notre contribution novatrice. Jamais auparavant aucune organisation n'avait été capable de produire un indicateur de haute fréquence, précis et représentatif de l'industrie pour la performance manufacturière.

[Image en taille réelle]

Découpages par industrie et géographie

Cela a de grandes conséquences pour évaluer avec précision l'état de l'industrie. Sans surprise, cela se manifeste souvent dans nos découpages par industrie et géographie. Nous passerons cette section à nous concentrer sur les demandes que nous avons eues pour plonger en profondeur dans certaines industries et géographies.

Commençons par les découpages 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 ordonnées de fermer et que la demande des consommateurs s'effondre. La fabrication de dispositifs médicaux, cependant, reste stable à travers tout cela.

[Image en taille réelle]

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

[Image en taille réelle]

Nous divisons ensuite cela en trois chapitres et réajustons la courbe LOESS par chapitre.

[Image en taille réelle]

Chapitre 1 : L'utilisation monte par les escaliers... et descend par l'ascenseur

Zoomons sur la période mi-février à mi-avril. Au début de février, les cinq principales industries que nous suivons tournaient à plein régime, sur le point d'établir de nouveaux records sur 18 mois. L'automobile semblait particulièrement forte, car une forte demande des consommateurs et un sentiment d'achat accru ont poussé de nombreux fabricants OEM et de niveau 1 à augmenter les niveaux de production, et donc l'utilisation des machines. Les autres industries étaient soit stables, soit en légère augmentation.

Puis, les fermetures COVID ont frappé, et nous voyons un cas d'école de « monter par les escaliers, descendre par l'ascenseur ». Nous voyons ce schéma dans de nombreux autres domaines, comme le marché boursier. Il faut beaucoup de stabilité et de choses qui vont bien pour que les choses montent lentement, mais un seul événement majeur pour qu'elles descendent, et très vite. Associé à un arrêt ordonné, l'effondrement de la demande des consommateurs a anéanti la fabrication automobile, avec des niveaux d'utilisation en baisse de 40 % mi-avril. Certains de nos clients ont essayé de se reconvertir pour fabriquer des ventilateurs et d'autres équipements médicaux pendant cette période, mais ce n'était pas près de suffire pour compenser les fermetures. Le 15 avril, nous atteignons le point le plus bas d'utilisation que nous ayons vu en 3 ans de suivi de la performance 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. Alors que le virus était mieux contrôlé et que les confinements s'assouplissaient, les entreprises redémarraient 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 & Défense, la Fabrication d'Équipements Industriels et la Fabrication sous Contrat, oscillent de haut en bas pendant cette période, cherchant une reprise décisive mais ne semblant jamais l'atteindre. L'automobile a continué son déclin, la demande restant déprimée car les gens étaient soit forcés de rester chez eux, soit ne voulaient pas sortir et faire des achats autant.

[Image en taille réelle]

Chapitre 3 : Pas exactement un rallye

Du 1er juillet à notre semaine actuelle, nous voyons une légère reprise, puis une performance principalement plate pour les dernières semaines. Les clients automobiles ont commencé à nous signaler des opérations régulières, et nous le voyons dans leur utilisation accrue également. Faire face et développer des stratégies pour vivre à l'ère du coronavirus peut être une raison majeure derrière cela, en plus des gens qui s'aventurent plus et ont un peu plus confiance dans l'économie. Les dépenses de consommation globales étaient en hausse, ce qui a sûrement un effet en aval dans la chaîne d'approvisionnement. La fabrication médicale a également augmenté.

[Image en taille réelle]

Post-scriptum 1 : Preuve de quarts décalés, par région

Nous adhérons aux groupements formels suivants pour le risque COVID - et pouvons voir une différence décidée dans la distribution de l'utilisation par heure pour chaque géographie. Nous renormalisons l'utilisation pour qu'elle soit entre 0 et 1 afin de voir les différences distributionnelles plus intensément (notez le changement dans le titre et les valeurs de l'axe Y). Grâce à cette analyse, nous pouvons voir que différents États traitent la distanciation sociale, via des quarts décalés dans leurs usines, plus sérieusement que d'autres. NY/NJ/CT en particulier voit une différence marquée dans la propagation de l'utilisation par heure après mars, avec une utilisation beaucoup plus élevée que d'habitude pendant les petites heures de la nuit. C'est parce que la main-d'œuvre est déplacée des heures principales de 10 h à 16 h pour être plus uniformément répartie autour de l'horloge, comme en témoigne la « courbe plus plate » dans la courbe de distribution horaire pour NY/NJ/CT. Les autres États montrent un manque distinct de mouvement dans leur distribution, avant et après COVID. C'est fascinant de voir comment les effets de différentes sous-cultures aux États-Unis et leur traitement du coronavirus rayonnent jusqu'au niveau de l'atelier. Nous le savions un peu avant, mais mettre un peu de rigueur sur à quel point c'est vrai est assez remarquable.

Groupements 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 + Autres (CO, IL, IN, KS, KY, MA, MD, ME, MI, MN, MO, NE, NH, OH, OR, PA, VA, VT, WA, WI, WY)

Groupe 1

[GIF en taille réelle]

Groupe 2

[GIF en taille réelle]

Groupe 3

[GIF en taille réelle]

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

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

[Image en taille réelle]

Plus précisément, nous voyons environ une diminution de ~50 % de l'utilisation relative le lendemain où les gouverneurs de NY/NJ/CT émettent un ordre de fermeture totale. Nous spéculons que cela signifie que ~50 % des ateliers 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 est généralement un huitième de l'activité normale, disparaît totalement à NY/NJ/CT le week-end après la fermeture.

[Image en taille réelle]

En supprimant les barres au niveau des jours individuels, la différence devient encore plus frappante. Nous voyons ce type de tendances se maintenir chaque fois qu'une forte intervention législative est introduite. Nous soupçonnons que l'évaluation des effets de cela sera d'autant 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, le retour des étudiants des campus fermés, et d'autres événements inhabituels puissent avoir un fort effet sur la propagation du coronavirus, et à son tour, sur l'utilisation de l'industrie. À ce stade, nous avons démontré que notre mesure est extrêmement réactive aux changements de politique, en particulier ceux qui affecteront l'utilisation dans le sens de la baisse. La santé de notre industrie, bien que dans un régime « attendre et voir » en ce moment, sera inévitablement fortement affectée par nos choix politiques cet automne. Nous espérons que les fabricants, analystes et économistes de notre industrie pourront utiliser ces données pour mieux informer les choix qu'ils font alors que nous nous dirigeons vers septembre. Les données sont 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 ne finissent que par nous blesser tous davantage. Il repose entre toutes nos mains de nous assurer que nous prenons les meilleures décisions possibles pendant ces jours tumultueux, car ce sont des temps critiques dans lesquels nous vivons.

Nous continuerons à surveiller ces métriques et à en rendre compte à intervalles réguliers.