淺談制造業(yè)企業(yè)設備管理存在的5大誤區(qū)與對策

淺談制造業(yè)企業(yè)設備管理存在的5大誤區(qū)與對策01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(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license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、品質的分析優(yōu)化做好準備。02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。如下圖所示，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(fā)早期預警閾值，但是由于生產(chǎn)計劃問題，沒有停機維護；10月22日機床主控系統(tǒng)觸發(fā)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，但較大損失已經(jīng)造成。圖1：通過振動分析可以監(jiān)測大部分機械故障設備管理經(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)。03設備問題就是設備部的事情雖然已經(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EHM解決方案，構建全員自主維護保養(yǎng)的體系和運轉機制。比如某電子廠，通過導入東智EHM，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，杜絕原來的杜絕假點檢、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)的自運轉。半年左右時間，幫助工廠降低約20%的異常停機時間。04將設備維護當作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(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(jīng)服務過一家大型工廠，設備部要上馬EHM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”。在TCL華星光電，由于大部分都是進口件，每年備件費用就數(shù)億。通過應用東智EHM構建精細化的備件壽命管理，可以針對不同的供應商、不同的批號、不同工況，基于數(shù)據(jù)對備件壽命預測管理，每年可節(jié)省數(shù)千萬的費用。設備維護工作由過去強調為生產(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。圖2：設備管理的本質是找到最佳維護平衡點05想依賴“預測性維護”解決問題忽視了基礎的數(shù)字化建設和數(shù)據(jù)積“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)字化能力的建設。二是針對重點的高價值、停機