前言

随着设备自动化、数字化水平的提高，工厂亟需提升设备管理能力。本文总结了大部分企业在设备管理方面存在的5大误区，并给出对策建议，希望可以帮助企业少走一些弯路，提升设备运营绩效。

从设备资产效益产出角度看，我国制造业的设备综合效率的提升空间巨大。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和保养的精细化管理不够重视，造成异常停机和备件浪费等隐性损失。在当前疫情冲击、全球化局势不确定性进一步增加的形势下，提升设备管理水平可以为企业的生存发展，提升竞争力带来宝贵的机会。

如何构建面向新型设备的管理能力，是当前我国制造业面临的一个问题和挑战。为此，设备人为大家总结了制造业企业存在的5大误区，并给出了对应的策略建议，希望可以帮助企业少走一些弯路。

01、 重硬轻软

大部分企业新建工厂或者新购买的设备，只重视硬件的验收交接，忽视了软件系统的运行、维护、服务标准，没有明确要求设备厂商提供数据采集接口和定义设备数据所有权。

根据相关数据统计，目前我国企业生产设备的数字化率平均为47%，关键工艺的数控化率51%，关键设备联网率41%。嵌入式软件、人机界面、数据监测模型、管理平台都是智能设备的重要组成部分，也都应当是设备管理的范畴。设备数据采集受制于工业现场协议众多、原厂不开放不支持、设备数据不确权等原因，设备数采仍然是生产现场数字化推进中最大的痛点之一。

02、 生产为重，不坏不修、不停不管

大部分工厂，特别是离散制造业，都是生产是老大，设备只是保障部门，只要设备还能运转，就不会停产，这导致设备维护改善的时间和资金投入严重不足，设备部也陷入四处救火、穷于应付的被动恶性循环。究其原因，是因为企业没有从工厂端到端视角看设备停机的损失。在设备故障出现初期征兆的时候进行维护，远比造成停机后再维修造成的损失和投入成本要小得多。

如下图所示，某机床通过振动分析，可以看到10月18日振动加速度峰值触发早期预警阈值，但是由于生产计划问题，没有停机维护；10月22日机床主控系统触发故障，不得不停机过10个小时维修和更换轴承，维修后，振动恢复正常水平，但较大损失已经造成。

图2：设备管理的本质是找到最佳维护平衡点

05、 想依赖“预测性维护”解决问题

忽视了基础的数字化建设

和数据积累

“预测性维护”一直是工业互联网的热门话题，声称通过IoT和AI实现了预测性维护的公司繁多，许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。但据观察，目前大部分此类项目预测的准确率很低，仍是概念和实验性的居多，在可解释性,可验证性、可复制性上都还存在有问题。

预测性维护的落地比预想中困难，是因为企图单纯依赖数据提取可解释的工业机理逻辑，难度远超想象。

主要有两个原因

一是因为许多企业的基础数据还缺乏积累，比如设备基本的巡点检、维护保养、故障分析记录，都还是散落在各种纸张、Excel中，设备缺乏数字化档案，基本维护保养数据、备件更换记录、故障和修理数据，包括设备的故障特征数据还没有结构化的积累，就不可能实现模型的训练和验证；

二是许多厂商企图单纯依赖数据分析路径而忽略了设备工程师现有专业知识和经验的融入，光靠数学和AI算法容易走入统计陷阱，只是得到了相关性，不容易得出可解释、可预测的因果性模型。所以我们建议工厂一是要重视设备数字化档案、基础维护、维修工单、故障树等这些基本数字化能力的建设。二是针对重点的高价值、停机高损失设备，将经验模型和数据模型结合建模，而且模型的输出，目的是起到辅助人员维护维修的作用，最后还是需要交给人来综合判断。

总体来看

设备之于工厂，就像枪之于战士。许多设备维护维修技术体系，也确实是从军队武器维护体系发展来的。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，积极变革设备管理和作业方式，向数字化、智能化发展。

为了促进工厂设备管理新型能力的建设，国家相关部门也正在起草和制定设备管理的国家标准、能力成熟度评估框架，这将会对指导企业加强设备管理能力起到重要指引和促进作用。