在實際操作中還存在一個問題，就是備件的更換很大程度上掌握在維修工手上，存在著許多“人為掌握”更換的因素。維修人員大都靠經(jīng)驗判別備件損壞程度，對懷疑有故障的零部件，通常為了減少背責、或降低工作難度，即使還可以用也會更換成新的，可能存在過度維護的隱性浪費。比如在TCL華星光電，由于大部分都是進口件，每年備件費用就近十億，通過東智設(shè)備健康管理軟件構(gòu)建精細化的備件生命周期管理，每年節(jié)省數(shù)千萬的費用。

從以上這些視角看，設(shè)備維護工作由過去的強調(diào)為生產(chǎn)服務，追求較高的設(shè)備完好率指標轉(zhuǎn)變到以企業(yè)的經(jīng)濟效益為中心，要求設(shè)備管理工作重視維修費用的管理與控制，找到以最少的維修費用達到最高的設(shè)備可利用率的平衡點。企業(yè)的高層管理者如果能夠從“投資”的角度認識維修和設(shè)備管理，將是十分寶貴的管理創(chuàng)新和理念轉(zhuǎn)變。

圖：設(shè)備管理的本質(zhì)是找到最佳維護平衡點

第五，想依賴“預測性維護”解決問題，忽視了基礎(chǔ)的數(shù)字化建設(shè)和數(shù)據(jù)積累。

“預測性維護”一直是工業(yè)互聯(lián)網(wǎng)的熱門話題。近年來，聲稱通過物聯(lián)網(wǎng)和AI實現(xiàn)了預測性維護的公司繁多，吊足了大家的胃口，企業(yè)期望將自己的設(shè)備管理難題，交給 “預測性維護”。但據(jù)筆者觀察，目前大部分仍是概念和實驗性項目，不具有可解釋性，可驗證性、可復制性也非常差。時至今日，單純打著大數(shù)據(jù)和AI的預測維護方案，熱度正在降低。

預測性維護解決方案的實施過程比預想中困難，是因為企圖單純從數(shù)據(jù)中提取可解釋的工業(yè)機理邏輯，難度遠超想象。這里主要兩個原因：一是因為許多企業(yè)的基礎(chǔ)數(shù)據(jù)還缺乏積累，比如設(shè)備基本的巡點檢、維護保養(yǎng)、故障分析記錄，都還是散落在各種紙張、Excel中，設(shè)備缺乏數(shù)字化檔案，基本維護保養(yǎng)數(shù)據(jù)、備件更換記錄、故障和修理數(shù)據(jù)，最主要的是，設(shè)備的故障特征數(shù)據(jù)還沒有結(jié)構(gòu)化的積累，就不可能實現(xiàn)模型的訓練和驗證。二是許多廠商單純得依賴數(shù)據(jù)分析路徑而忽略了設(shè)備工程師現(xiàn)有專業(yè)知識和經(jīng)驗的融入，光靠數(shù)學和AI算法等容易走入統(tǒng)計陷阱而不容易得出理想、可解釋的預測模型。

總的來看，設(shè)備之于工廠，就像槍之于戰(zhàn)士。許多設(shè)備維護維修技術(shù)體系，也確實是從軍隊武器維護體系發(fā)展來的。構(gòu)建新型的設(shè)備管理能力，需要工廠管理者，認識到設(shè)備之于工廠核心競爭力的基礎(chǔ)性，積極變革促使設(shè)備管理和作業(yè)方式，向數(shù)字化、智能化發(fā)展。根據(jù)Gartner預測，到2022年，60％以上的設(shè)備，將實現(xiàn)基于數(shù)據(jù)的智能運維方式，設(shè)備智能化管理和運維能力將會是衡量一個工廠核心競爭力的重要標志。最近國家有關(guān)部門也正在起草和制定設(shè)備管理的國家標準、能力成熟度評估框架，將會對指導企業(yè)加強新型設(shè)備管理能力起到指引和促進作用。

本文作者：Fred，格創(chuàng)東智設(shè)備管理方案專家，10年制造業(yè)IT從業(yè)經(jīng)驗，10年智能制造和數(shù)字化從業(yè)經(jīng)驗，對現(xiàn)場精益管理、標準化工廠、供應鏈流程革新、數(shù)字化工廠有豐富的項目經(jīng)驗，參與工業(yè)互聯(lián)網(wǎng)體系標準、GB設(shè)備管理成熟度評估體系等標準的起草。