在全球智能制造的浪潮下，我國制造業積極升級轉型，自動化、數字化、網絡化水平大大提高，生產設備日益走向集成化、智能化，設備數據可視化程度顯著提高、操作上更加簡單。但伴隨而來的是設備的維護修理難度加大、維護成本提高，設備維護保養的作用也越來越凸顯。但在許多企業我們看到，企業花費巨資上馬了非常先進的設備，而設備的管理維護、人員知識結構，仍停留在傳統層面：數采基本靠筆，處理基本靠人，分析基本靠猜(經驗)。可以說是買來了4.0的設備，延續著1.0的管理。

[[335817]]

從設備資產效益產出角度看，我國制造業的設備綜合效率的提升空間巨大。據統計，我國大部分離散制造業的OEE在60%左右，距離發達國家至少還有10%-20%的提升空間。同時，很多工廠對設備維護和保養的精細化管理不夠重視，這當中造成的異常停機和備件浪費等隱性損失，更是巨大的浪費。在當前疫情沖擊、全球化局勢不確定性進一步增加的形勢下，這些效益改善空間，都可以為企業的生存、增強競爭力提供寶貴的機會。

圖：離散制造業OEE現狀評估

如何構建面向新型設備的管理能力，是當前制造業面臨的一個問題和挑戰。在這個過程中，我們總結了大家常常存在的5個誤區，并給出了對應的策略建議，希望可以幫助企業少走一些彎路。

第一，重硬輕軟

大部分企業新建工廠或者新購買的設備，只重視硬件的驗收交接，忽視了軟件的維護保養、校準標準，沒有明確要求設備數據采集接口和設備數據所有權的訴求。根據工信部相關數據最新統計，目前我國企業生產設備的數字化率平均為47%，關鍵工藝的數控化率51%，關鍵設備聯網率41%。 嵌入式軟件、人機界面、數據監測模型、管理平臺都是新型設備的重要組成部分，都應是新型設備管理的范疇。從筆者進行工業互聯網相關項目的經驗看，設備的數據采集受制于工業現場協議眾多、原廠不開放不支持、設備數據不確權等原因，設備數采仍然是生產現場數字化推進中成本最高的組成部分之一。比如我國許多SMT產線，貼片機本身精度很高、節拍很快、良率也都在99%以上了，單純再靠手工調試，很難再提升了。許多工廠期望能將貼片機的數據實時數采和分析，解決自動叫料接料問題，改善拋料問題。但目前動輒數萬的數采license費用，讓許多工廠望而卻步。

因此，工廠在設備采購環節就提前考慮，將相關要求加入商務條款，可以為以后設備制程詳細數據的采集和分析優化做好準備。

第二，生產為重，不壞不修、不停不管

在大部分工廠，特別是離散制造業，都是生產是老大，設備只是保障部門，只要還能運轉，就不會停產，這導致設備維護改善的時間和資金投入嚴重不足，設備部也陷入了四處救火、窮于應付的被動惡性循環。究其原因，是因為沒有從工廠端到端視角看設備停機的損失。在設備初期征兆的時候介入維護，遠比造成停機后再維護，造成的損失和投入成本要小的多。如下圖，某機床通過振動分析，可以看到10月18日振動加速度峰值觸發早期預警閾值，但是由于生產計劃問題，沒有停機維護;10月22日機床主控系統觸發故障，不得不停機過10個小時維修和更換軸承，維修后，振動恢復正常水平，但巨大損失已經造成。

圖：通過振動分析可以監測大部分機械故障

從設備管理大體經過的4個主要階段來看，從1.0的糾正性維護(CM)，到2.0預防性維護(PM)、3.0的可靠性維護(RCM)、4.0的預測性維護(PHM)，本質上都是以設備健康管理(EHM)為中心，從“治已病”到“治未病”的進化過程。通過EHM，設備健康狀態不再是被簡單的劃分為正常、異常。我們可以通過新技術、新工具，分析積累的基礎數據，評估出設備的亞健康狀態，此時提前介入可以大大減少設備維護成本。例如，東智EHM給設備維護工程師配備帶有振動傳感器的智能點檢儀，就像給醫生配了“智能聽診器”一樣，通過數秒的監測振動頻譜，結合內置的頻譜分析模型，就可以準確、快速的判斷出設備健康狀態、故障征兆原因，對故障輔助診斷起到重大作用。這樣設備人的職責從原來的壞了維修，更多的轉向如何保障設備健康運行的專業維保維護工作，進入良性循環。

第三，設備問題就是設備部的事情

雖然TPM已經推行了多年，但許多管理者觀念和行動上，還是認為設備出了問題，就是設備部的事情，導致生產部門對設備的故障不關心，對影響產量、質量的設備維護不重視。設備維護工程師也往往低地位、低薪酬，自嘲為看門狗和替罪羊：節假日，別人可以休息，他們卻不能離開，因為這正是維修設備的好時機;凡是出了問題，無論是設備停機，生產停產，還是質量事故，都會與設備相關，設備人員幾乎永遠是背鍋的。為此，整個設備部成了優秀的人最不愿意去的地方。這種惡性循環現象，需要生產管理者身體力行樹立正確的設備管理理念，構建生產為主體的全員自主維保體系。只有生產部門管理者重視起來了，全體生產設備操作者才能改變對設備漠不關心的態度，才能有效進行設備保養。而這個光靠設備部是玩不轉的。

工廠可以通過引入設備健康管理EHM解決方案，構建全員自主維護保養體系，實現操作工的日常自主點檢和保養、設備部的專業點檢、設備故障掃碼報修、掃碼維護、維保工單自主搶單、維修效果用戶評價、績效競比等功能和機制，幫助工廠實現TPM的自運轉。

第四，將設備維護當做成本中心，忽視了冰山下的損失

許多管理者認為設備零故障是不可實現的，企業在遇到困難需要削減成本時，很多情況是拿設備維修費用開刀，甚至提出讓維修預算每年遞減百分之幾的目標。從傳統財務角度看，維修所消耗的資金一般被定義為成本和費用。其實早在30年前，德國召開歐洲維修團體聯盟國際會議時，就提出“維修——為了未來的投資“的主題。作為投資，就需要有清晰的投入產出。維修的投入是設備日常維護所投入的人工費、各類防護費、備件費、設備管理相關系統。產出是什么呢?是由于設備維護不足、設備管理不善，帶來的設備停機、精度或者質量缺陷帶來的損失。如果對這些損失的價值誤判，則容易扼殺設備維護技術和管理體系的改善性投入。

筆者曾經服務過一家大型工廠，設備部要上馬EHM項目，實現設備的數據采集和監控，同時通過移動化的巡點檢，實現設備的報修和維護過程，形成設備的故障樹記錄。在核算投入產出的時候，屢屢被財務挑戰，過不了關。他們理解降低設備停機1小時的價值，僅僅是這1小時涉及到的員工的人工成本。這樣算下來，價值產出太低，許多設備改善項目沒法上馬。而且這樣的項目價值核算標準，直接打壓了工廠精益革新的積極性。設備停機一小時的損失，要從工廠視角端到端的去衡量整體，這里面其實包括了產能損失的機會成本，即1小時的產品產值損失，才是這個工廠真正的損失。這樣算下來，工廠許多可以改善停機、改善浪費、現場精益類的小改小革的項目，都可以得到了合理的開展，能激發起基層員工的創新積極性，也確實能給工廠帶來實實在在的效益。

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，每年備件費用就數億，通過東智設備健康管理EHM，構建精細化的備件生命周期管理，通過數據追蹤備件的實際可運行周期，每年可節省數千萬的成本。

從以上這些視角看，設備維護工作由過去的強調為生產服務，追求較高的設備完好率指標轉變到以企業的經濟效益為中心，要求設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備可利用率的平衡點。企業的高層管理者如果能夠從“投資”的角度認識維修和設備管理，將是十分寶貴的管理創新和理念轉變。

圖：設備管理的本質是找到最佳維護平衡點

第五，想依賴“預測性維護”解決問題，忽視了基礎的數字化建設和數據積累

“預測性維護”一直是工業互聯網的熱門話題，聲稱通過物聯網和AI實現了預測性維護的公司繁多，工廠也期望將自己對設備故障的不確定性，交給 “預測性維護”來解決。但據筆者觀察，目前大部分此類項目仍是概念和實驗性的居多，在可解釋性,可驗證性、可復制性上都有問題。

預測性維護的落地比預想中困難，是因為企圖單純依賴數據提取可解釋的工業機理邏輯，難度遠超想象。這里主要兩個原因：一是因為許多企業的基礎數據還缺乏積累，比如設備基本的巡點檢、維護保養、故障分析記錄，都還是散落在各種紙張、Excel中，設備缺乏數字化檔案，基本維護保養數據、備件更換記錄、故障和修理數據，包括設備的故障特征數據還沒有結構化的積累，就不可能實現模型的訓練和驗證。二是許多廠商企圖單純得依賴數據分析路徑而忽略了設備工程師現有專業知識和經驗的融入，光靠數學和AI算法容易走入統計陷阱，只是得到了相關性模型，不容易得出可解釋的因果性的預測模型。

總的來看，設備之于工廠，就像槍之于戰士。許多設備維護維修技術體系，也確實是從軍隊武器維護體系發展來的。構建新型的設備管理能力，需要工廠管理者，認識到設備之于工廠核心競爭力的基礎性，積極變革促使設備管理和作業方式，向數字化、智能化發展。根據Gartner預測，到2022年，60%以上的設備，將實現基于數據的智能運維方式，設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。最近國家工信部相關部門也正在起草和制定設備管理的國家標準、能力成熟度評估框架，將會對指導企業加強新型設備管理能力起到指引和促進作用。