设备维修管理的三大趋势：智能化、可视化和服务化.docxVIP

设备维修管理的三大趋势：智能化、可视化和服务化 在智能制造背景下，工业系统向更为复杂化、智能化方向发展。对于维修管理而言，维护维修的工作量、维修响应能力、系统可靠性和稳定性要求、维护人员综合技能要求、工业备件的供给效率和质量等都面临重大的挑战。 鉴于内部维修与外部工业服务现状，多数制造企业处于救火式的事后维修，设备隐患突出，这制约了工业转型的进程。工业互联网条件下，探索新的维修模式和服务形态，将成为当务之急。 智能化条件下的维修知识重用与技能培养 高技能维修人才短缺是工业领域较为突出的矛盾，在工业互联网背景下，人才争夺正成为趋势，这意味着工业企业招聘人才的成本陡然上升。为此，通过智能化手段，提升现有维修工人技能是非常迫切的需求，这包括： 1.基于故障记录的维修诊断辅助。重复性故障在维修作业中的占比普遍较高，但这些经验往往由个别业务专长较高的业务能手掌握，抑或由于人才流失，致使这些经验无法重用，造成维修资源的浪费和知识共享的缺乏。借助于人工智能技术的应用，根据故障描述与历史维修经验的查询匹配，大幅降低故障判断与处理方法引用，有效提升故障处理效率，实现维修知识共享和精准技能培训。 人工智能维修辅助 2.基于预测性维修的智能诊断辅助与远程运维支持。预测性维修是在故障早期发现设备隐患和缺陷，进而主动采取干预措施的维修策略，这将大幅减少非计划性停机，从而提高制造效率、降低维修成本，是工业互联网重要的应用场景。 受制于工业设备故障相关传感器普及率较低，这使得为预测性诊断成本极高。将传感器从诊断仪器中分离，采用智能传感单元＋工业APP的创新模式结合，不仅大幅降低预测性诊断成本，同时将云计算和智能应用高度融合，提高用户体验和智能诊断准确性。 结合AR智能眼镜的应用，构建成现场故障监测→云计算隐患排查→远程诊断报告→AR辅助现场故障排查与处理的预测性智能维修闭环。 预测性智能诊断＋AR远程维修协作系统 维修可视化-数据驱动下维修智能决策系统 管理学大师彼得德鲁克曾经说过“你如果无法度量它,就无法管理它”(“It you can’t measure it, you can’t manage it”)。现实中的大多数维修维护活动并没有准确量化，这是造成维修管理在企业活动中得不到有效重视，尽管设备人是专业填坑者，却依然充当背锅侠的尴尬角色。 维修管理的目的在于更快的维修效率（MTTR↓，平均故障修复时间越小越好）、更长的设备寿命（MTBF↑，平均故障间隔时间越大越好），为更好的体现设备的稳定性和可靠性，引进可用度(availability)非常必要，它反映了在长期运行的情况下，制造系统处在正常状态的概率。计算公式为：可用度（A）＝（MTBF/（MTBF＋MTTR））×100%。 在智能化条件下，建立目标导向的可视化系统，将有利于构建新的运维体系，实现： 1.维修维护动态监控可视化系统。设备停机时间进行科学的合理切分，并以维修APP为载体，实现从报修到开机验证的全过程管理，以此形成作业动态管理，包括报修延时、维修延时、人员去向动态等可视化看板系统。这有利于实现维修调度，维修作业动态管理，确保维护维修资源利用效率和质量。 故障停机时分析 2.维修智能决策可视化系统。以维修APP为基础的智能维修系统为基础，将有效统计出工业企业整体，部门和设备的可用度指标、主动性维修和事后维修相应比例关系、维修费用以及维修分析数据。讲实现： A.维修价值度量。通过对比分析工厂整体可用度的变化趋势，维修费用下降趋势、维修库存下降趋势对比，以及事后维修工单的下降趋势、点检和预防性维修的执行情况分析，并对多发故障、长停机故障和高成本的故障针对性的分析。设备维修价值一目了然，这将从整体上说明维修管理对生产效率，企业盈利能力保障的表现，并识别出影响设备维修业绩的薄弱瓶颈环节，以实施针对性的业绩改善。 B.全员参与性度量。识别并对不同产线进行可用度的排序，这有效区分出不同产线的自主维护水平和能力，这对于实施TPM、精益生产的工业企业而言，将有效推动设备维护能力的全面提升。针对这些产线/部门实施奖励和针对性分析和能力提升活动，强化维修配合、自主点检和日常维护活动的落实，对于全面提升设备稳定性和可靠性、节约维护成本将具有深远的意义。 2.维修技能可视化系统。以维修APP为载体，有效衡量不同维修人员的工作量（工单执行的数量和时间）、工作效率（维修平均所花费的时间）、工作态度（派单响应时间）和工作业绩（维修维护责任区的可用度表现），将作为维修工人绩效和维修技能提升的依据，这对于企业整体的维修能力将有大幅的提升。 维修智能可视化决策系统 智能服务化-工业互联网条件下的维修模式变革 伴随工业设备的复杂化、智能化发展，维修维护的难度增大，企业维修力量已经不能满足全面的维修业务，维修的专业化分工成为必