設(shè)備管理誤區(qū)

企業(yè)雖然花費(fèi)巨資引進(jìn)了非常先進(jìn)的設(shè)備，但設(shè)備管理維護(hù)、人員知識(shí)結(jié)構(gòu)仍停留在較低水平：數(shù)據(jù)采集基本靠筆，處理基本靠人，分析基本靠猜(經(jīng)驗(yàn))。可以說是買來了工業(yè)4.0的設(shè)備，卻延續(xù)著工業(yè)2.0的管理。從設(shè)備資產(chǎn)效益產(chǎn)出角度看，我們現(xiàn)在的設(shè)備綜合效率的提升空間巨大。據(jù)統(tǒng)計(jì)，我國(guó)大部分離散制造業(yè)的OEE在40%左右，距離發(fā)達(dá)國(guó)家至少還有30%-40%的提升空間。同時(shí)，很多企業(yè)對(duì)設(shè)備維護(hù)和保養(yǎng)的精細(xì)化管理不夠重視，造成異常停機(jī)和備件浪費(fèi)等隱性損失。在當(dāng)前疫情沖擊、全球化局勢(shì)不確定性進(jìn)一步增加的形勢(shì)下，提升設(shè)備管理水平可以為企業(yè)的生存發(fā)展，提升競(jìng)爭(zhēng)力帶來寶貴的機(jī)會(huì)。如何構(gòu)建面向新型設(shè)備的管理能力，是當(dāng)前我國(guó)制造業(yè)面臨的一個(gè)問題和挑戰(zhàn)。為此，我們總結(jié)了制造業(yè)企業(yè)存在的幾大誤區(qū)，并給出了對(duì)應(yīng)的策略建議，希望可以幫助企業(yè)少走一些彎路。1??重硬輕軟大部分企業(yè)新建工廠或者新購(gòu)買的設(shè)備，只重視硬件的驗(yàn)收交接，忽視了軟件系統(tǒng)的運(yùn)行、維護(hù)、服務(wù)標(biāo)準(zhǔn)，沒有明確要求設(shè)備廠商提供數(shù)據(jù)采集接口和定義設(shè)備數(shù)據(jù)所有權(quán)。根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)，目前我國(guó)企業(yè)生產(chǎn)設(shè)備的數(shù)字化率平均為47%，關(guān)鍵工藝的數(shù)控化率51%，關(guān)鍵設(shè)備聯(lián)網(wǎng)率41%。嵌入式軟件、人機(jī)界面、數(shù)據(jù)監(jiān)測(cè)模型、管理平臺(tái)都是智能設(shè)備的重要組成部分，也都應(yīng)當(dāng)是設(shè)備管理的范疇。結(jié)合筆者進(jìn)行工業(yè)互聯(lián)網(wǎng)相關(guān)項(xiàng)目的經(jīng)驗(yàn)來看，設(shè)備數(shù)據(jù)采集受制于工業(yè)現(xiàn)場(chǎng)協(xié)議眾多、原廠不開放不支持、設(shè)備數(shù)據(jù)不確權(quán)等原因，設(shè)備數(shù)采仍然是生產(chǎn)現(xiàn)場(chǎng)數(shù)字化推進(jìn)中最大的痛點(diǎn)之一。比如我國(guó)許多SMT產(chǎn)線，貼片機(jī)本身精度很高、節(jié)拍很快、良率也都在99%以上了，單純靠手工調(diào)試，很難再提升了。許多工廠期望能將貼片機(jī)的數(shù)據(jù)實(shí)時(shí)數(shù)采和分析，解決自動(dòng)叫料、接料問題，改善拋料問題。但目前動(dòng)輒數(shù)萬的數(shù)采費(fèi)用，讓許多工廠望而卻步。因此，工廠在設(shè)備采購(gòu)環(huán)節(jié)就提前考慮，將相關(guān)要求加入商務(wù)條款，可以為以后設(shè)備制程詳細(xì)數(shù)據(jù)的采集和工藝、品質(zhì)的分析優(yōu)化做好準(zhǔn)備。2??生產(chǎn)為重，不壞不修、不停不管在大部分工廠，特別是離散制造業(yè)，都是生產(chǎn)是老大，設(shè)備只是保障部門，只要設(shè)備還能運(yùn)轉(zhuǎn)，就不會(huì)停產(chǎn)，這導(dǎo)致設(shè)備維護(hù)改善的時(shí)間和資金投入嚴(yán)重不足，設(shè)備部也陷入四處救火、窮于應(yīng)付的被動(dòng)惡性循環(huán)。究其原因，是因?yàn)槠髽I(yè)沒有從工廠端到端視角看設(shè)備停機(jī)的損失。在設(shè)備故障出現(xiàn)初期征兆的時(shí)候進(jìn)行維護(hù)，遠(yuǎn)比造成停機(jī)后再維修造成的損失和投入成本要小得多。設(shè)備管理經(jīng)歷了四個(gè)發(fā)展歷程：從1.0的糾正性維護(hù)(CM)，到2.0預(yù)防性維護(hù)(PM)、3.0的可靠性維護(hù)(RCM)、4.0的預(yù)測(cè)性維護(hù)(PHM)，本質(zhì)上是以設(shè)備健康管理（EHM：EquitmentHealthMangment）為中心，從“治已病”到“防未病”的進(jìn)化過程。通過EHM，設(shè)備健康狀態(tài)不再是簡(jiǎn)單地劃分為正常、異常。我們可以通過新技術(shù)、新工具，分析積累的基礎(chǔ)數(shù)據(jù)，評(píng)估出設(shè)備的亞健康狀態(tài)，提前維護(hù)，大大減少設(shè)備維護(hù)成本。例如，給設(shè)備維護(hù)工程師配備帶有振動(dòng)傳感器的智能點(diǎn)檢儀，就像給醫(yī)生配了“智能聽診器”一樣，通過數(shù)秒的監(jiān)測(cè)振動(dòng)，結(jié)合內(nèi)置的頻譜分析模型，就可以準(zhǔn)確、快速的判斷出設(shè)備健康狀態(tài)、故障征兆原因，對(duì)設(shè)備工程師故障診斷起到重要輔助作用。這樣，設(shè)備管理人員的職責(zé)從原來的壞了再修，轉(zhuǎn)向如何保障設(shè)備健康運(yùn)行的專業(yè)維保維護(hù)工作，進(jìn)入良性循環(huán)。3??設(shè)備問題就是設(shè)備部的事情雖然設(shè)備管理已經(jīng)推行了多年，但許多管理者觀念和行動(dòng)上，還是認(rèn)為設(shè)備出了問題，就是設(shè)備部的事情，導(dǎo)致生產(chǎn)部門對(duì)設(shè)備的故障不關(guān)心，對(duì)影響產(chǎn)量、質(zhì)量的設(shè)備維護(hù)不重視。設(shè)備維護(hù)工程師也往往因?yàn)榈匚坏?、薪酬低，自嘲為看門狗和替罪羊：節(jié)假日，別人可以休息，他們卻不能離開，因?yàn)檫@正是維修設(shè)備的好時(shí)機(jī)；凡是出了問題，無論是設(shè)備停機(jī)，生產(chǎn)停產(chǎn)，還是質(zhì)量事故，都會(huì)與設(shè)備相關(guān)，設(shè)備人員幾乎永遠(yuǎn)是背鍋俠。設(shè)備部成了優(yōu)秀人才最不愿意去的地方。這種惡性循環(huán)現(xiàn)象需要生產(chǎn)管理者身體力行，樹立正確的設(shè)備管理理念，構(gòu)建生產(chǎn)為主體的全員自主維保體系。只有生產(chǎn)部門管理者重視起來了，生產(chǎn)設(shè)備操作者才會(huì)改變對(duì)設(shè)備漠不關(guān)心的態(tài)度，才能有效進(jìn)行設(shè)備保養(yǎng)。這個(gè)光靠設(shè)備部是玩不轉(zhuǎn)的。工廠可以通過引入數(shù)字化的設(shè)備健康管理解決方案，構(gòu)建全員自主維護(hù)保養(yǎng)的體系和運(yùn)轉(zhuǎn)機(jī)制。通過導(dǎo)入設(shè)備健康管理解決方案，實(shí)現(xiàn)了設(shè)備的二級(jí)標(biāo)準(zhǔn)保養(yǎng)體系：工位操作工的日常自主點(diǎn)檢維保、設(shè)備工程師的專業(yè)點(diǎn)檢維保，通過NFC、移動(dòng)化APP、照片水印、圖像比對(duì)等技術(shù)，杜絕原來的假點(diǎn)檢、假巡檢問題。同時(shí)通過掃碼報(bào)修、數(shù)據(jù)規(guī)則自動(dòng)報(bào)修、維護(hù)工單自主搶單、維修效果用戶評(píng)價(jià)、績(jī)效積分競(jìng)比等功能和機(jī)制，幫助工廠實(shí)現(xiàn)TPM的自運(yùn)轉(zhuǎn)。幫助工廠降低異常停機(jī)時(shí)間。4??將設(shè)備維護(hù)當(dāng)作成本中心許多管理者認(rèn)為設(shè)備零故障是不可實(shí)現(xiàn)的，企業(yè)在遇到困難需要削減成本時(shí)，很多情況是拿設(shè)備維修費(fèi)用開刀，甚至提出讓維修預(yù)算每年遞減百分之幾的目標(biāo)。從傳統(tǒng)財(cái)務(wù)角度看，設(shè)備維修資金一般被定義為成本和費(fèi)用。其實(shí)早在30年前，德國(guó)召開歐洲維修團(tuán)體聯(lián)盟國(guó)際會(huì)議時(shí)，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(chǎn)出。維修的投入是設(shè)備日常維護(hù)所投入的人工費(fèi)、各類防護(hù)費(fèi)、備件費(fèi)，以及設(shè)備管理系統(tǒng)的投資。產(chǎn)出是什么呢？是避免由于設(shè)備維護(hù)不足、設(shè)備管理不善，帶來的設(shè)備停機(jī)、精度或者質(zhì)量缺陷帶來的損失。如果對(duì)這些損失的價(jià)值誤判，則容易扼殺設(shè)備維護(hù)技術(shù)和管理體系的改善性投入。曾經(jīng)有個(gè)單位設(shè)備部要上馬設(shè)備健康管理解決方案項(xiàng)目，實(shí)現(xiàn)設(shè)備的數(shù)據(jù)采集和監(jiān)控，同時(shí)通過移動(dòng)化的巡點(diǎn)檢，實(shí)現(xiàn)設(shè)備的報(bào)修和維護(hù)過程，形成設(shè)備的故障樹記錄。但是在核算投入產(chǎn)出的時(shí)候，卻屢屢被財(cái)務(wù)挑戰(zhàn)，過不了關(guān)。他們理解降低設(shè)備停機(jī)1小時(shí)的價(jià)值，僅僅是這1小時(shí)涉及到的員工的人工成本。這樣算下來，價(jià)值產(chǎn)出太低，許多設(shè)備改善項(xiàng)目沒法上馬。這樣的項(xiàng)目?jī)r(jià)值核算標(biāo)準(zhǔn)直接打壓了工廠精益革新的積極性。設(shè)備停機(jī)一小時(shí)的損失，要從工廠視角端到端的去衡量整體，這里面其實(shí)包括了產(chǎn)能損失的機(jī)會(huì)成本，即1小時(shí)的產(chǎn)品產(chǎn)值損失，才是這個(gè)工廠真正的損失。這樣算下來，工廠許多可以改善停機(jī)、改善浪費(fèi)、現(xiàn)場(chǎng)精益類的小改小革的項(xiàng)目，都可以進(jìn)行開展，能激發(fā)起基層員工的創(chuàng)新積極性，也確實(shí)能給工廠帶來實(shí)實(shí)在在的效益。在實(shí)際操作中還存在一個(gè)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(yàn)判別備件損壞程度，對(duì)懷疑有故障的零部件，通常為了減少麻煩，即使還可以用也會(huì)更換成新的，導(dǎo)致產(chǎn)生過度維護(hù)的隱性浪費(fèi)。這塊隱形的損失，如果通過構(gòu)建更精準(zhǔn)的備件壽命管理，可以轉(zhuǎn)變成“利潤(rùn)”。設(shè)備維護(hù)工作由過去強(qiáng)調(diào)為生產(chǎn)服務(wù)，追求較高的設(shè)備完好率指標(biāo)轉(zhuǎn)變到以企業(yè)的經(jīng)濟(jì)效益為中心，要求設(shè)備管理工作重視維修費(fèi)用的管理與控制，找到以最少的維修費(fèi)用達(dá)到最高的設(shè)備可利用率的平衡點(diǎn)。企業(yè)高層管理者應(yīng)當(dāng)從“投資”的角度認(rèn)識(shí)維修和設(shè)備管理，實(shí)現(xiàn)轉(zhuǎn)變?cè)O(shè)備管理理念。5??想依賴“預(yù)測(cè)性維護(hù)”解決問題“預(yù)測(cè)性維護(hù)”一直是工業(yè)互聯(lián)網(wǎng)的熱門話題，聲稱通過IoT和AI實(shí)現(xiàn)了預(yù)測(cè)性維護(hù)的公司繁多，許多工廠也期望將自己對(duì)設(shè)備故障的不確定性，交給“預(yù)測(cè)性維護(hù)”來解決。但據(jù)筆者觀察，目前大部分此類項(xiàng)目預(yù)測(cè)的準(zhǔn)確率很低，仍是概念和實(shí)驗(yàn)性的居多，在可解釋性,可驗(yàn)證性、可復(fù)制性上都還存在有問題。預(yù)測(cè)性維護(hù)的落地比預(yù)想中困難，是因?yàn)槠髨D單純依賴數(shù)據(jù)提取可解釋的工業(yè)機(jī)理邏輯，難度遠(yuǎn)超想象。主要有兩個(gè)原因：一是因?yàn)樵S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(diǎn)檢、維護(hù)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(hù)保養(yǎng)數(shù)據(jù)、備件更換記錄、故障和修理數(shù)據(jù)，包括設(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(shí)現(xiàn)模型的訓(xùn)練和驗(yàn)證；二是許多廠商企圖單純依賴數(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(shí)和經(jīng)驗(yàn)的融入，光靠數(shù)學(xué)和AI算法容易走入統(tǒng)計(jì)陷阱，只是得到了相關(guān)性，不容易得出可解釋、可預(yù)測(cè)的因果性模型。所以我們建議工廠一是要重視設(shè)備數(shù)字化檔案、基礎(chǔ)維護(hù)、維修工單、故障樹等這些基本數(shù)