根據(jù)Global Manufacturing報導，在其近期出版的「制造2020」(Manufacturing 2020)報告中，制造業(yè)指出運用工業(yè)物聯(lián)網(Inustrial IoT，IIoT)改善工廠連網的長期效益包括生產成本降低、彈性增加、產量提升，而資產維護的轉型對于達成這些目標*為關鍵。ERP與咨詢服務供貨商Columbus UK認為預測性維護正改變制造與企業(yè)維持競爭力所需專注的技術。

2018-2022年中國機器人制造行業(yè)影響因素分析

IIoT運用生產現(xiàn)場設備內建的傳感器所收集并儲存于云端系統(tǒng)的巨量實時(real-time)濕度、溫度、震動等數(shù)據(jù)進行分析，可據(jù)以提供關于制程與次制程的深刻見解，包括辨識設備狀態(tài)、監(jiān)測效率、偵測零件故障等，將大幅轉變制造業(yè)維護作業(yè)的排程與預測方式。

制造業(yè)欲先競爭者還洞燭機先，數(shù)據(jù)分析結合機器學習有助于改善資產的可用性、壽命等，包括預測下一個生產瓶頸可能發(fā)生的位置，以及如何以成本效益高的方式為無法掌握的故障安排維護等，讓企業(yè)得以降、改善作業(yè)效率、進行數(shù)據(jù)驅動的決策。

采取反應性(reactive)維護，則當設備因故障而意外脫機，對生產力的影響已不可逆，且會引發(fā)整個生產鏈的連鎖效應。數(shù)據(jù)是數(shù)字轉型的命脈，隨著采用IIoT的制造業(yè)日益增多，運用AI與機器學習輔助資料分析，可從生產現(xiàn)場收集的大數(shù)據(jù)中過濾出異常信息，尋找潛藏的模式以提升設備可靠度預測的準確性，進一步驅動維護作業(yè)轉型為面的預測性模式。

2018-2022年中國機器人制造行業(yè)影響因素分析

制造業(yè)依據(jù)確的預測信息可在設備故障前調整維護時程，預先辨識與解決潛在問題，避免處理緊急狀況或過度維護(over-maintenan)所衍生的額外費用，并可提升設備正常運作時間與生產質量。數(shù)據(jù)分析也可辨識與管理新部署的全數(shù)字化解決方案的效益及對現(xiàn)行業(yè)務程序的影響，協(xié)助前瞻企業(yè)對抗未來的數(shù)字破壞與沖擊。

2018-2022年中國機器人制造行業(yè)影響因素分析

從omino Printing Sciens更新企業(yè)系統(tǒng)以提供更多由數(shù)據(jù)驅動的商業(yè)智能的案例可看出，強化數(shù)據(jù)分析能力對跨多業(yè)務程序的益處顯而易見。omino Printing Sciens運用數(shù)據(jù)分析處理制程中收集的實際數(shù)據(jù)，并透過自動測試設備排除人類主觀評估缺陷與驅動產量提升，還在制程中的各個階段為產品建立防呆機制，避免到后階段補救令損失加劇。

2018-2022年中國機器人制造行業(yè)影響因素分析