設備管理誤區(qū)

企業(yè)雖然花費巨資引進了非常先進的設備，但設備管理維護、人員知識結構仍停留在較低水平：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)?？梢哉f是買來了工業(yè)4.0的設備，卻延續(xù)著工業(yè)2.0的管理。從設備資產(chǎn)效益產(chǎn)出角度看，我們現(xiàn)在的設備綜合效率的提升空間巨大。據(jù)統(tǒng)計，我國大部分離散制造業(yè)的OEE在40%左右，距離發(fā)達國家至少還有30%-40%的提升空間。同時，很多企業(yè)對設備維護和保養(yǎng)的精細化管理不夠重視，造成異常停機和備件浪費等隱性損失。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，提升設備管理水平可以為企業(yè)的生存發(fā)展，提升競爭力帶來寶貴的機會。如何構建面向新型設備的管理能力，是當前我國制造業(yè)面臨的一個問題和挑戰(zhàn)。為此，我們總結了制造業(yè)企業(yè)存在的幾大誤區(qū)，并給出了對應的策略建議，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)新建工廠或者新購買的設備，只重視硬件的驗收交接，忽視了軟件系統(tǒng)的運行、維護、服務標準，沒有明確要求設備廠商提供數(shù)據(jù)采集接口和定義設備數(shù)據(jù)所有權。根據(jù)相關數(shù)據(jù)統(tǒng)計，目前我國企業(yè)生產(chǎn)設備的數(shù)字化率平均為47%，關鍵工藝的數(shù)控化率51%，關鍵設備聯(lián)網(wǎng)率41%。嵌入式軟件、人機界面、數(shù)據(jù)監(jiān)測模型、管理平臺都是智能設備的重要組成部分，也都應當是設備管理的范疇。結合筆者進行工業(yè)互聯(lián)網(wǎng)相關項目的經(jīng)驗來看，設備數(shù)據(jù)采集受制于工業(yè)現(xiàn)場協(xié)議眾多、原廠不開放不支持、設備數(shù)據(jù)不確權等原因，設備數(shù)采仍然是生產(chǎn)現(xiàn)場數(shù)字化推進中最大的痛點之一。比如我國許多SMT產(chǎn)線，貼片機本身精度很高、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的數(shù)據(jù)實時數(shù)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(shù)萬的數(shù)采費用，讓許多工廠望而卻步。因此，工廠在設備采購環(huán)節(jié)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(shù)據(jù)的采集和工藝、品質(zhì)的分析優(yōu)化做好準備。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，設備只是保障部門，只要設備還能運轉，就不會停產(chǎn)，這導致設備維護改善的時間和資金投入嚴重不足，設備部也陷入四處救火、窮于應付的被動惡性循環(huán)。究其原因，是因為企業(yè)沒有從工廠端到端視角看設備停機的損失。在設備故障出現(xiàn)初期征兆的時候進行維護，遠比造成停機后再維修造成的損失和投入成本要小得多。設備管理經(jīng)歷了四個發(fā)展歷程：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(zhì)上是以設備健康管理（EHM：EquitmentHealthMangment）為中心，從“治已病”到“防未病”的進化過程。通過EHM，設備健康狀態(tài)不再是簡單地劃分為正常、異常。我們可以通過新技術、新工具，分析積累的基礎數(shù)據(jù)，評估出設備的亞健康狀態(tài)，提前維護，大大減少設備維護成本。例如，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(yī)生配了“智能聽診器”一樣，通過數(shù)秒的監(jiān)測振動，結合內(nèi)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(tài)、故障征兆原因，對設備工程師故障診斷起到重要輔助作用。這樣，設備管理人員的職責從原來的壞了再修，轉向如何保障設備健康運行的專業(yè)維保維護工作，進入良性循環(huán)。3??設備問題就是設備部的事情雖然設備管理已經(jīng)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(chǎn)部門對設備的故障不關心，對影響產(chǎn)量、質(zhì)量的設備維護不重視。設備維護工程師也往往因為地位低、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(chǎn)停產(chǎn)，還是質(zhì)量事故，都會與設備相關，設備人員幾乎永遠是背鍋俠。設備部成了優(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，樹立正確的設備管理理念，構建生產(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)設備操作者才會改變對設備漠不關心的態(tài)度，才能有效進行設備保養(yǎng)。這個光靠設備部是玩不轉的。工廠可以通過引入數(shù)字化的設備健康管理解決方案，構建全員自主維護保養(yǎng)的體系和運轉機制。通過導入設備健康管理解決方案，實現(xiàn)了設備的二級標準保養(yǎng)體系：工位操作工的日常自主點檢維保、設備工程師的專業(yè)點檢維保，通過NFC、移動化APP、照片水印、圖像比對等技術，杜絕原來的假點檢、假巡檢問題。同時通過掃碼報修、數(shù)據(jù)規(guī)則自動報修、維護工單自主搶單、維修效果用戶評價、績效積分競比等功能和機制，幫助工廠實現(xiàn)TPM的自運轉。幫助工廠降低異常停機時間。4??將設備維護當作成本中心許多管理者認為設備零故障是不可實現(xiàn)的，企業(yè)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(tǒng)財務角度看，設備維修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(lián)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(chǎn)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，以及設備管理系統(tǒng)的投資。產(chǎn)出是什么呢？是避免由于設備維護不足、設備管理不善，帶來的設備停機、精度或者質(zhì)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。曾經(jīng)有個單位設備部要上馬設備健康管理解決方案項目，實現(xiàn)設備的數(shù)據(jù)采集和監(jiān)控，同時通過移動化的巡點檢，實現(xiàn)設備的報修和維護過程，形成設備的故障樹記錄。但是在核算投入產(chǎn)出的時候，卻屢屢被財務挑戰(zhàn)，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(chǎn)出太低，許多設備改善項目沒法上馬。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(chǎn)能損失的機會成本，即1小時的產(chǎn)品產(chǎn)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(xiàn)場精益類的小改小革的項目，都可以進行開展，能激發(fā)起基層員工的創(chuàng)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(jīng)驗判別備件損壞程度，對懷疑有故障的零部件，通常為了減少麻煩，即使還可以用也會更換成新的，導致產(chǎn)生過度維護的隱性浪費。這塊隱形的損失，如果通過構建更精準的備件壽命管理，可以轉變成“利潤”。設備維護工作由過去強調(diào)為生產(chǎn)服務，追求較高的設備完好率指標轉變到以企業(yè)的經(jīng)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(yè)高層管理者應當從“投資”的角度認識維修和設備管理，實現(xiàn)轉變設備管理理念。5??想依賴“預測性維護”解決問題“預測性維護”一直是工業(yè)互聯(lián)網(wǎng)的熱門話題，聲稱通過IoT和AI實現(xiàn)了預測性維護的公司繁多，許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(jù)筆者觀察，目前大部分此類項目預測的準確率很低，仍是概念和實驗性的居多，在可解釋性,可驗證性、可復制性上都還存在有問題。預測性維護的落地比預想中困難，是因為企圖單純依賴數(shù)據(jù)提取可解釋的工業(yè)機理邏輯，難度遠超想象。主要有兩個原因：一是因為許多企業(yè)的基礎數(shù)據(jù)還缺乏積累，比如設備基本的巡點檢、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)，包括設備的故障特征數(shù)據(jù)還沒有結構化的積累，就不可能實現(xiàn)模型的訓練和驗證；二是許多廠商企圖單純依賴數(shù)據(jù)分析路徑而忽略了設備工程師現(xiàn)有專業(yè)知識和經(jīng)驗的融入，光靠數(shù)學和AI算法容易走入統(tǒng)計陷阱，只是得到了相關性，不容易得出可解釋、可預測的因果性模型。所以我們建議工廠一是要重視設備數(shù)字化檔案、基礎維護、維修工單、故障樹等這些基本數(shù)