当前工厂设备管理的五大误区及对策
　　随着设备自动化和数字化程度的提高，工厂迫切需要提高设备管理能力。结合长期的实践经验，笔者总结了大多数企业在设备管理上的五大误区，并给出了对策和建议，希望能帮助企业少走弯路，提高设备运行绩效。
　　在智能制造的浪潮下，我国正在积极推进工业互联网建设，制造业也在积极转型。自动化、数字化、智能化水平大幅提升。各行业龙头企业越来越重视生产设备和车间联网的数据采集，设备数据的可视性得到了显著提高。然而，尽管大多数制造企业已经花了很多钱购买非常先进的设备，但设备管理和维护以及人员知识结构仍然停留在较低的水平:数据采集基本靠笔，加工基本靠人，分析基本靠经验。可以说是买了工业4.0的设备，却延续了工业2.0的管理。
　　从设备资产效益产出来看，我国制造业设备综合效率提升空间巨大。据统计，我国大部分离散制造业的OEE在40%左右，距离发达国家至少还有30%-40%的提升空间。同时，很多企业对设备维护的精细化管理不够重视，造成非正常停机、备件浪费等隐性损失。随着疫情的影响和全球化不确定性的增加，提高设备管理水平可以为企业的生存和发展带来宝贵的机遇，增强企业的竞争力。
　　如何建设新设备管理能力是当前中国制造业面临的一个问题和挑战。为此，我们总结了制造企业的五大误区，并给出了相应的策略建议，希望能帮助企业少走弯路。
　　01重硬轻软
　　大多数企业在新建工厂或采购新设备时，只注重硬件的验收和交接，忽略了软件系统的运行、维护和服务标准，没有明确要求设备厂商提供数据采集接口，明确设备数据归属。
　　据相关统计，目前我国企业生产设备平均数字化率为47%，关键工序数控化率为51%，关键设备网络化率为41%。嵌入式软件、人机界面、数据监控模型、管理平台都是智能设备的重要组成部分，都应该属于设备管理的范畴。结合工业互联网相关项目的经验，由于很多工业现场协议，原厂不开放不支持，设备数据不确认，设备数据采集仍然是生产现场数字化推广的Z大痛点之一。
　　因此，工厂应提前考虑设备采购，并在商务条款中增加相关要求，这可以为将来收集设备制造过程的详细数据以及对技术和质量的分析和优化做好准备。
　　02生产Z重要，不能坏，不能修，不能停。
　　在大多数工厂，尤其是离散制造业，生产设备只是支持部门。只要设备还能运转，就不会停产，导致设备维护和改进的时间和资金投入严重不足，设备部门也陷入到处救火，无力应对的被动恶性循环。原因是企业没有从工厂端到端的角度来看待设备停机损失。设备故障初期征兆时维修造成的损失和投入成本远小于停机后维修。
　　设备管理经历了4个发展历程:从1.0纠正性维护(CM)到2.0预防性维护(PM)、3.0可靠性维护(RCM)、4.0预测性维护(PHM)。本质上是以设备健康管理为心，从“治病”到“防病”的进化过程。
　　我们可以利用新的技术和工具，对积累的基础数据进行分析，对设备的亚健康状态进行评估，提前进行维护，大大降低设备的维护成本。比如给设备维护工程师配备一个带振动传感器的智能点探测仪，就好比给医生配备一个“智能听诊器”。通过监测几秒钟的振动，结合内置的频谱分析模型，可以准确、快速地判断设备健康状态和故障征兆原因，对设备工程师的故障诊断起到重要的辅助作用。这样，设备管理人员的职责就从原来的坏修变成了如何保证设备健康运行的专业维护，进入了良性循环。

　　设备问题是设备部门的事。
　　虽然TPM实施多年，但很多管理者还是认为设备有问题，就是设备部门有问题，导致生产部门不关心设备故障，不重视影响产量和质量的设备维护。设备维修工程师因为地位低、工资低，常常自嘲是看门狗、替罪羊:节假日，别人可以休息，自己却不能走，因为这是维修设备的好时机；任何事情出了问题，不管是设备停机、停产还是质量事故，都会和设备有关，设备人员几乎都是背黑锅。装备部成了人才Z后的去处。这种恶性循环现象需要生产管理者去实践，树立正确的设备管理理念，构建以生产为主体的专职独立维修体系。只有生产部门的管理者重视起来，生产设备的操作人员才能改变对设备漠不关心的态度，有效地维护设备。这不是装备部一个人能玩的。
　　通过设备的三级标准维修体系，通过扫码维修、数据规则自动修复、维修工单自主抓取、维修效果用户评价、绩效评分竞赛等功能和机制，帮助工厂实现TPM的自主运营。
　　以设备维修为成本核心，忽略了冰山下的损失。
　　很多管理者认为设备零故障是不可企及的。当企业遇到困难，需要削减成本时，往往会以设备维护成本为出发点，甚至提出每年降低百分之几的维护预算的目标。从传统的财务角度来看，设备维修资金一般定义为成本和费用。事实上，早在30年前，德国召开维护集团欧洲联盟国际会议时，就提出了“维护——为了未来的投资”的主题。作为投资，你需要有明确的投入和产出。维护的投入是人工费、各种防护费、备件费和设备管理系统的投入。产量是多少？是为了避免由于设备维护不到位、设备管理不善，造成设备停机、精度或质量缺陷而造成的损失。如果误判了这些损失的价值，就容易扼杀设备维修技术和管理制度的改善投入。
　　实际操作中还有一个问题，就是备件的更换很大程度上掌握在维修工手中，更换“人为掌握”的因素很多。维修人员大多凭经验判断备件的损坏程度。对于怀疑有故障的零件，即使还能用，也会换成新的，导致过度维修的隐性浪费。如果建立更准确的备件寿命管理，这种无形的损失可以转化为“利润”。在TCL华星光电，因为大部分都是进口零部件，每年零配件成本都是上亿。通过精细化备件寿命管理的应用，根据不同供应商、不同批号、不同工况，基于数据的备件寿命预测管理，每年可节省费用数千万。
　　设备维修工作已经从过去强调服务生产、追求更高的设备完好率指标转变为企业的经济效益，这就要求设备管理要注重维修费用的管理和控制，找到一个平衡点，以Z少的维修费用实现Z高的设备可用率。企业高层管理者应从“投资”的角度理解维修和设备管理，实现设备管理理念的转变。
　　想靠“预见性维护”解决问题，忽略了基础的数字化建设。
　　和数据积累
　　“预测性维护”一直是工业互联网上的热门话题，很多工厂也期望将自己对设备故障的不确定性交给“预测性维护”来解决。但据笔者观察，这些项目的准确性大多很低，仍多为概念性和实验性，在可解释性、可验证性和可再现性方面仍存在问题。
　　预测性维护比预期更难，因为仅仅依靠数据提取可解释的工业机理逻辑要比预期困难得多。
　　主要有两个原因:一是由于很多企业的基础数据还没有积累起来，比如设备的基础检查、维护和故障分析记录还散落在各种纸张和Excel中，设备缺乏数字化档案，基础维护数据、备件更换记录、故障和修理数据，包括设备的故障特征数据都没有结构化地积累起来，无法实现模型的训练和验证；二，很多厂商试图单纯依靠数据分析路径，而忽略了对设备工程师现有专业知识和经验的整合。仅靠数学算法很容易陷入统计陷阱，但要得到一个可解释、可预测的因果模型并不容易。因此，建议工厂首先重视设备数字化档案、基础维修、维修单、故障树等基础数字化能力的建设；二，对于高停机高损耗的关键高价值设备，结合经验模型和数据模型进行建模，模型的输出旨在辅助维修人员，最终需要交给人进行综合判断。
　　一般来说，设备对于工厂就像枪支对于士兵一样重要。许多装备维修技术系统确实是从军用武器维修系统发展而来的。构建新型的设备管理能力，需要工厂管理者认识到设备是构建工厂核心竞争力的基础，积极改变设备管理和运营方式，向数字化、智能化发展。据预测，到2022年，60%以上的设备将实现基于数据的智能运维，设备的智能管理和运维能力将是衡量一个工厂核心竞争力的重要标志。
　　为推进工厂新型设备管理能力建设，国家相关部门也正在起草制定设备管理国家标准和能力成熟度评价框架，这将对企业加强设备管理能力建设起到重要的指导作用。