带你读《智能制造之卓越设备管理与运维实践》之一:设备运维管理的新挑战

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 本书从工业企业实际需求出发,结合智能制造环境下的紧迫需求,融合作者信息化咨询与项目工作实践,以理论联系实际,将设备的全生命周期管理、精益管理、全员维护、先进的维护策略(预测性维护、智能维护)等管理理与信息化技术进行融合设计,以“IE+IT”的思想实现管理平台与信息平台的平衡发展。

工业控制与智能制造丛书
点击查看第二章
点击查看第三章
智能制造之卓越设备管理与运维实践

image.png

王 军 王晓东 编著

第1章

设备运维管理的新挑战
设备是指可供在生产或生活中长期使用,并在反复使用中基本保持原有实物形态和功能的劳动资料和物质资料的总称,包括机床、反应炉、车辆、飞机、工程机械、工业实施等。设备管理即以设备为研究对象,根据企业的生产经营目标,应用一系列理论方法,通过一系列技术、经济、组织措施,对设备的物质运动和价值运动进行全过程的科学管理,从规划、设计、选型、购置、安装、验收、使用、保养、检验、维修、改造、更新直到报废,保持设备的良好运行状态并不断提高设备的技术水平,使设备资产的投资回报最大化,进而使企业获得最佳经济效益。
本章的结构如图1-1所示。企业要管理好设备,首先必须了解设备本体的变化趋势,以及设备管理理论的最新成果,包括维护方法、管理理念和管理标准等。同时,需要进一步了解现代设备对企业开展智能制造的进一步影响与支撑。“中国制造2025”提出了我国实施智能制造的行动方案与路线图。智能制造必然要求在设备投资、设备管理组织、设备使用层面采用全新的、智能化的管理方法。
采用信息化技术提升及固化管理措施是智能制造环境下设备管理与维护的重要特征。本章描述了管理要求与信息化相互融合及促进的“IE+IT”方法论。该方法论摒弃了唯管理改善论或唯技术工具论的片面观点,是在两化融合过程的众多失败经验中总结提出的。“IE+IT”提出的在管理水平与信息化水平之间平衡发展、相互促进的思维模式贯穿全书。

image.png

1.1 设备本身在悄然改变

在工业及制造领域,最早的设备应当称为工具,即通过纯手工方式进行操作,利用力学原理对材料进行加工与制造。人力工具最大的不足是:效率低,加工能力差,高度依赖使用者的特殊技巧。因此,该阶段人是制造的主导因素,各类手工作坊是制造的基本组织形态。
1.蒸汽时代
自18世纪60年代哈格里夫斯发明的“珍妮纺纱机”开始,以手工作坊式的生产模式转变为以机器为主要工具的工业化生产方式,大规模工厂开始出现,标志着工业革命的开始。18世纪70年代,瓦特的改良蒸汽机开始被用做纺织机械的动力,并很快推广开来,引起第一次技术和工业革命的高潮,人类从此进入机器和蒸汽时代。蒸汽机不仅在纺织业中得到广泛应用,在采矿、冶炼、机器制造等行业中也得到迅速推广,此时制造可以完全不依赖人力,高效率、标准化进行。
2.电气时代
19世纪60年代,德国发明了发电机和电动机,电力驱动成为补充和取代以蒸汽机为动力的新能源。人们把这次变革叫作“第二次工业革命”,人类由此进入“电气时代”。采用电力驱动的设备在体积、效率方面远超蒸汽设备,设备精密度、生产效率得到进一步提高。
由于电能不易存储,在交通运输方面存在较大缺陷,而高效率的工厂生产对交通运输业需求巨大。19世纪80年代,以煤气和汽油为燃料的内燃机相继诞生,19世纪90年代柴油机研制成功。内燃机的发明解决了交通工具的发动机问题,运输类设备迎来了巨大的发展空间。
在20世纪50年代之前,设备主要依靠电力或内燃机提供动力。随着技术的改良和进步,设备效率不断提升,加工速度不断提高。但制造过程中,产品零件的加工参数、加工工序的转换还需依赖人力,要根据专门的人工计算的数据调整设备来进行生产,设备的加工复杂度基本靠人工经验。
3.数控时代
与此同时,需要加工零件的复杂度也在不断提高,如直升机螺旋桨叶片轮廓检验用样板的加工不但复杂,而且精度要求高。为此,美国帕森斯公司和麻省理工学院于1952年联合试制成功第一台利用电子管数控装备的三坐标数控铣床,开创了数控装备的新时代。
随着电子技术的高速发展,数控装备进展迅猛。20世纪50年代晶体管元件和印刷电路板被应用于数控装置;60年代末,先后出现了由一台计算机直接控制多台机床的直接数控系统(DNC),数控装置进入了以小型计算机化为特征的时代;80年代初,随着计算机软、硬件技术的发展,出现了能进行人机对话式自动编制程序的数控装置。数控装置越来越趋于小型化,可以直接安装在机床上,数控机床的自动化程度也进一步提高,具备自动监控刀具破损和自动检测工件等功能。但此时的数控加工设备竞争激烈、厂家林立、标准众多、接口独立,因此,互联互通一直是困扰企业生产一线的关键问题。
4.智能时代
20世纪后10年和21世纪,信息通信技术(ICT)得到前所未有的发展,数控设备向开放化、智能化方向发展。为了解决传统的数控系统封闭性和数控应用软件的产业化生产存在的问题,许多国家展开对开放式数控系统的研究,如美国的NGC、欧洲共同体的OSACA、日本的OSEC、中国的ONC等计划。一方面,随着智能制造的发展,不同品种、不同档次的开放性数控设备形成系列化,同时,数控设备能够适应工厂多样化产品的加工需求,数控系统开放化已经成为数控系统的未来之路。另一方面,先进制造系统要求加工过程自适应控制、工艺参数自动生成、设备状态自主感知、加工对象自动识别、控制参数自动整定等控制智能化功能,同时还要求简化编程方式,提供智能化的自动编程、智能化的人机界面等操作智能化功能。而企业管理者提出了智能诊断、智能监控、方便系统的诊断及维修等管理智能化功能。具备这些智能功能的设备称为智能装备,也是当前设备发展的最新阶段。
综上所述,设备本身正在朝着大型化、高速化、精密化、自动化、数字化和智能化方向发展。

1.2 设备维护方式的变化

企业要在市场竞争中取得优势,必须保证高效率、高质量、低成本、安全环保的生产,而效率、质量、成本、安全环保在很大程度上受设备的制约。设备的技术水平直接关系到企业的生产水平,设备管理水平直接影响到企业的经济效益。对现代企业而言,设备管理与运维已经成为关系到企业核心竞争力、经济效益及生存发展的重要环节。
1.事后维修方式
工业化最早从英国开始,直到20世纪初的很长一段时间都采用事后维修(Breakdown Maintenance,BM)方式。事后维修是在设备发生故障后再进行修理的一种维修方式。由于事前不知道故障何时发生、在哪个零件上出现,因此缺乏修理前的准备,设备停工修理时间较长。同时,由于这种修理是无计划的,常常打乱生产计划,容易影响产品质量和交货期,给企业带来较大损失。
2.预防维修方式
美国受两次世界大战的影响,工业化进展很快,在实践总结的基础上于1925年提出预防维修(Preventive Maintenance,PM)方式。预防维修基本是以检查为主的维修体制,改变原有的事后维修,倡导提早检查、防患于未然。通过预防维修可减少故障发生,降低停机损失,提高生产效益。
3.计划预修方式
苏联采用计划模式,工业化进展较快,于20世纪30年代提出了“点检预修制”。不同时期的点检预修制有不同的内涵,但总体上也是预防设备的意外故障,按照预定计划进行一系列预防性修理。这种维修方式类似于PM方式,但由于当时的检测水平和技术落后,很难对设备状态做出准确判断,因此影响了维修计划的准确性。在随后的维修实践中,逐步发展出标准修理制度、定期修理制度,以及定期与状态相结合的点检预修方式。值得一提的是,我国设备的维修方式受苏联的影响很大,很多大型企业仍然采用以时间周期、维修复杂性为主要分类的计划维修方式。
4.生产维护方式
第二次世界大战之后,各国经济得到空前发展,同时,设备维修方式不断推陈到新的阶段。20世纪50年代,美国提出生产维护(Productive Maintenance,PM)方式,该方式采用系统的观点,站在生产的角度设计维修模式,强调维修是为生产服务的要求。生产维护包括四类具体的维护方式:维修预防、事后维修、改善维修、预防维修。这种维修方式更贴近企业实际,且更经济。强调对不重要的设备采用事后维修,避免维修过度;对重要设备则通过预防维修,减少非计划停机的发生;对于设计缺陷和固有故障强调采用技术改造、更换等预防维修的方式。
5.综合维护方式
随着设备加工能力、本身的复杂性和生产速度的不断提高,设备在企业中的重要程度也日益提高。同时,设备本身的投资、维修成本也成为企业制造成本的重要组成部分,降低维护费用和提高可用度成为企业直观的诉求。因此,新的维修方式也不断发展,其中有代表性的如下:

  • 状态性维修:在准确把握设备状态的基础之上采取的针对性维修手段。
  • 预测性维修:在状态性维修基础之上,对设备部件剩余寿命和故障趋势的准确预测而采取的针对性维修手段。
  • 可靠性维修:基于设备状态数据的科学分析,利用可靠性理论而制定的维修策略。
  • 智能化维修:严格来说,智能化维修并不是一种维修方式,而是在维修过程及维修管理的各个环节中,以计算机为工具,并借助人工智能(AI)技术来模拟人类专家智能(分析、判断、推理、构思、决策等)的各种维修和管理技术的总称。

综上所述,与设备本身技术水平的发展相适应,设备维护方式朝着:从事后维护向事中、事前维护转变;从计划为主的维修向检修为主的维修转变;从单一维修模式向系统化、多模式并存的方式转变;从人工经验型维修向基于数据分析的科学型维修转变;从人工作业模式向全面应用计算机管理的电子化模式转变。

1.3 现代设备管理理论

当前极具生命力的设备管理理论是全员生产维护(Total Productive Maintenance,
TPM)和设备综合工程学(Terotechnology)。
1.全员生产维护
TPM是以设备有效利用率为目标,以维修预防(MP)、预防维修(PM)、改善维修(CM)和事后维修(BM)综合构成的全员生产维护为总运行模式,由设备的计划、使用、维修等所有相关人员(从最高经营管理者到第一作业人员)全体参与,以建立自主小组的活动来推行PM,使损失为零。TPM活动是以改善设备的状况,改进人的观念、精神面貌及改善现场工作环境的方式,建立起规范、活泼的工作氛围,使企业不断地发展和进步,TPM管理主要从全效率管理、6S管理、自主维修管理三方面展开。
TPM的重要之处是将人的因素引入设备管理中,综合各类设备维修方式的特点,使之成为一套完整的管理体系。TPM管理体系体现为三个“全”:一是全效率,即将设备有效作业率作为衡量设备的指标体系,明确而全面。企业必须科学分析引起设备有效作业率下降的七大损失,并逐步改善。二是全系统,即采用多种维修方式相结合,既兼顾维修的经济性,又兼顾维修的有效性。三是全员参与,即如何调动企业全员参与到设备管理当中,发挥人员的主观能动性,挖掘人员的潜力,尤其是操作人员的自主活动。
2.设备综合工程学
设备综合工程学是指以设备全生命周期为研究对象,是管理、财务、工程技术和其他应用于有形资产的实际活动的综合,其目标为追求经济的生命周期费用(Life Cycle Cost,LCC)。1974年,英国工商部给了如下定义:“为了求得经济的生命周期费用而把适用于有形资产的有关工程技术、管理、财务及其业务工作加以综合的学科,就是设备综合工程学,涉及设备与构筑物的规划和设计的可靠性与维修性,涉及设备的安装、调试、维修、改造和更新,以及有关设计、性能和费用信息方面的反馈。”
设备综合工程学把维修从一个技术领域发展成为一门跨学科的管理与技术综合的学科,其突出之处在于把设备全生命周期不同阶段的内容用系统论的观点综合起来管理,强调技术是基础、管理是手段、经济是目的。设备综合工程学已在我国学术界及管理界得到认可,包括在大专院校成立设备管理培训中心,在中国设备管理协会设立专门的专业委员会等。

1.4 资产全生命周期管理体系

设备是企业资产的一种,是工业企业最为重要的资产之一。英国作为工业化最早的国家,也率先开展了资产全生命周期管理体系的尝试。20世纪80年代,英国面临大规模电网设备老化的问题。为制订更换计划,英国EA公司建立了“基于状态评估的风险管理”(Condition Based Risk Management,CBRM)体系。现在该体系已广泛应用于英国、加拿大、美国、澳大利亚等国家的电力公司。基于该体系,英国标准协会(British Standards Institution,BSI)和英国资产管理研究院(Institute of Asset Management,IAM)制定了PAS(Publicly Available Specification)55规范,并于2004年首次发布,旨在指导有形实物资产(设备)的管理优化和可持续发展。2008年版本更新之后,PAS 55规范包括了从全生命策略到日常维修管理最佳实践的28个方面,企业可结合自身现状,识别与最佳实践的差距,分析原因,提出解决方案,实现企业在资产(设备)管理方面的持续改进。
PAS 55规范资产管理标准目前已在全球多个国家或地区的电力、煤气、水务、港口、铁路等众多企业获得了应用并取得了显著效果。基于该规范的良好实践,经过多年的讨论与完善,ISO组织于2014年1月15日正式发布了ISO 55000《资产管理综述、原则和术语》、ISO 55001《资产管理管理体系要求》、ISO 55002《资产管理管理体系ISO 55001应用指南》。在我国,国家电网公司、蒙牛乳业等资产密集型企业已率先进行了试点,并建设了企业的资产全生命周期管理体系。
我国已将ISO 55000系列标准转化为国家标准。另外,我国还制定了以下几项资产管理信息化的标准。

  • 中华人民共和国国家标准GB/T 33172—2016《资产管理综述、原则和术语(ISO 55000))。
  • 中华人民共和国国家标准GB/T 33173—2016《资产管理管理体系要求(ISO 55001)》。
  • 中华人民共和国国家标准GB/T 33174—2016《资产管理管理体系GB/T 33173应用指南(ISO 55002)》。
  • 中华人民共和国国家标准GB/T 14885—2010《固定资产分类与代码》。
  • 中华人民共和国国家标准GB/T 35416—2017《无形资产分类与代码》。
  • 中华人民共和国国家标准GB/T 31360《固定资产核心元数据》。

ISO 55000系列资产全生命周期管理体系的运行框架如图1-2所示。资产管理体系国家标准适用的组织类型有:
1)资产密集型组织的重资产管理。其主要包括以下两类。

  • 重资产服务型企业:电网、铁路、地铁、民航、港口、城市基础设施。
  • 重资产制造型企业:石油、化工、乳业、钢铁、烟草、电力。

2)知识密集型组织的无形资产管理。其主要包括以下两类。

  • 知识创造型企业:出版社、影视机构、文化创意机构、专利信息服务。
  • 版权衍生型企业:版权保护、版权服务机构。

image.png

ISO 55000是一个很有生命力的资产管理标准,工业企业采用该管理体系的主要需求体现在如下几个方面。
1)与现代企业管理发展趋势相适应的核心理念。
ISO 55000系列标准明确提出:资产存在是为组织及其相关方提供价值,即其核心管理理念是“价值创造”。我国资产管理普遍缺乏“价值”理念。虽然“条例”强调资产的“一生管理”,但它的目标是“不断提高资产综合效率,追求寿命周期费用的经济性”,即它的经济性是指“成本最优”,简言之,其显著差别为,“成本最优”是强调“少投入、少消耗”,但“价值创造”是强调“消除不创造价值的投入和浪费,提高有价值的产出”,是强调“客户价值”、“股东价值”等。
2)价值理念在全生命周期管理上的体现。
资产早期管理中的规划设计阶段没有价值创造的理念,因为主要内容都集中在技术、性能、选型、维护管理等层面上,没有价值创造所强调的投入产出比的价值衡量概念。即使有的企业在前期规划中有关于经济问题的研究讨论,一般的指标也都是“投资回收期”的概念,没有价值的概念,缺乏价值衡量指标;而在使用阶段主要停留在关注资产效率、故障维修层面上,这些只是价值创造的基础部分,缺乏资产在日常运营中如何体现客户价值、股东价值的理念和方法。
3)基于企业经营战略的高度和系统思维。
在企业的资产管理中,广泛存在着“就资产谈资产、就设备谈设备”的现象,资产管理还停留在职能管理上,缺乏从企业的整体发展、愿景、使命、核心价值观和战略发展的高度,对企业资产管理体系的构建进行系统思考、整体规划。
4)流程的概念。
我国有一部分企业正在进行流程化的组织结构变革,但资产管理领域对如何构建流程化的资产管理组织结构则少有探讨和实践探索。
5)体系概念。
ISO 55000系列标准明确提出,资产管理体系是涉及多个部门跨职能的管理活动,也就是说,需要打破各部门各自为政的“孤岛管理”,资产管理体系方可自然融入企业整体管理之中。
6)对客户/相关方利益的关注。
ISO 55000系列标准强调,在建立资产管理体系时,应关注企业相关方(股东、客户、员工、供方、社区等)的利益与价值诉求。以价值为核心的企业管理和资产管理就必须以价值创造为中心,必须为客户创造价值,进而为股东、企业、社会创造价值。

1.5 智能制造对设备管理的要求

1.5.1 设备管理更加重要

为应对第四次工业革命,我国将推进信息化与工业化深度融合作为“中国制造2025”九项战略任务之一。提出将智能制造作为两化深度融合的主攻方向,着力发展智能装备和智能产品,推进生产过程智能化,培育新型生产方式,全面提升企业研发、生产、管理和服务的智能化水平。智能制造就其本质而言可以分为软件和硬件两个方面:软件是一个面向个性化定制生产模型式的资源协调系统,用于实现供应链的整体优化与协调;而硬件是“智慧工厂”,即在实现人、机、料之间的数字化通信基础上,以统一的数字化模型来优化和指挥各个生产单元的先进加工系统。智能制造实现的关键是上述两个层面建设完成的基础,即如何实现软件、硬件的深度融合。
关于智能制造的硬件部分,最为基础的是高度自动化和具有自主通信能力的生产加工设备。而智慧工厂的优化模型所给出的管理策略,基础部分就是如何实现这些智能装备和生产单元的高可用性。只有这样才能实现智能制造要求的客户定制生产任务不因产能瓶颈、非计划停机、设备加工性能不足等因素而无法执行。
智能制造环境下的设备管理变化突出表现在三方面:一是大量复杂智能化设备的应用,必然引发设备运维管理在方法、工具、理念和团队方面的变革;二是智能化设备的应用,工厂呈现出少人化、无人化的趋势,装备的自主运行和高可靠性成为基本的要求;三是构建设备全生命周期管理平台来解决智能制造环境下的设备管理问题,是设备效能利用最优化的重要举措。
在智能制造环境下,企业引进的复杂智能化设备在结构、性能以及相应的故障类型等方面都较传统的机械设备发生了较大的变化,且该设备一般处于生产流程的关键环节,其故障或停机对整个生产系统影响更大。如果企业仍然采用“计划预修”或“事后维修”,则会导致设备管理处于“配角”地位,设备管理工作更像是救火,虽然疲于奔命,但普遍存在设备可用度不高、综合效率偏低等亟待解决的问题。
同样,在智能制造环境下,企业在减少劳动力成本的同时,也加大了设备资产的比重。智能设备将朝着信号和信息的自动捕获,并在信息反馈基础上按设定的控制机制自主运行的方向发展。在这样的制造环境下,智能设备运行的有效控制将不再依赖“人”这一传统的设备操作者,即智能设备的智慧运行和自主加工能力将改变人与智能设备之间的关系。但无论设备如何智能和自动化,也避免不了设备的老化和磨损,而设备的停机和故障会引发整个生产系统的瘫痪,因此提前获取与这些设备相关的“健康”状况信息、应用先进的维修策略显得更加重要。不同于传统设备的故障率呈浴盆曲线,智能设备的电气故障(约占整个故障数的70%)呈现偶发、快速老化的特征,如图1-3所示。

image.png

在智能制造环境下,设备全生命周期管理的理念是设备管理系统的核心管理思想。相较于传统的侧重设备维修管理的狭义设备管理,设备全生命周期管理是指以生产经营为目标,通过一系列的技术、经济、组织措施,对设备的规划、设计、制造、选型、采购、安装、使用、维护、维修、改造、更新直至报废的全过程进行有效管理,以达到设备生命周期费用最经济、设备综合产能最高的理想目标(见图1-4)。在设备全生命周期管理过程中,随着设备使用、运维、修理业务的发生,设备资产在设备台账的基础上完善和记录一系列的履历信息(如技术参数、维修历史、技术资料、图纸参数、设备构成、重大缺陷记录、换件记录、故障与事故、标准规范、设备调拨封存记录、技术改造、大项修记录、备件组成、设备分解关系等),这些信息都可以作为设备全生命周期的分析依据,最终可以在设备报废之后对设备的整体使用经济性、可靠性及其管理成本做出科学的分析,并辅助制定设备采购决策,决定是否更换更加先进的设备。应用原设备的历史数据进行更加科学的可靠性管理及制定维修策略,使其可靠性及维修更加优化,从而使设备全生命周期管理形成优化改善的管理闭环,如图1-4所示。

image.png

1.5.2 设备业务的分层管理

设备管理业务是企业的核心业务,设备管理的研究方法可以归纳为三类:一是整体的方法,即尽可能地在一个管理体系下完成设备管理全部任务;二是分层的方法,即将复杂的管理问题分解为多个层次的子问题分别进行研究,并处理好各层次之间的耦合问题;三是只针对局部问题进行研究。事实上,在企业规模不大、人力资源不足的情况下,企业可将设备资产运营、设备运维等管理职责全部汇总,采用一体化管理。其优点在于沟通顺畅;其缺点是专业化程度不够,不适合大型资产密集型企业。另外,目前绝大多数信息化系统所支撑的管理模式可以归结为局部管理范畴。很多ERP系统侧重于“台账、工时、成本”,以财务核算为中心的价值管理模式。而基于TPM的软件系统,则侧重于运维工单管理,以计划任务管理为核心的事务管理模式。
在智能制造环境下,强调分层管理模式。虽然针对设备的全生命周期一体化管理的本质需要,理论上可以将涉及多个层次的管理问题采用单一管理模式统一考虑,但在实际应用中应分别就不同职能部门、不同管理层级的绩效、职责和操作特点来考虑地域分散性和人员素质等问题。因此,分层管理模式在大型企业设备管理中具有更好的适应性。
大型企业设备管理的分层系统架构如图1-5所示。
第一层:卓越绩效运营层。该层的重点是实现设备资产的运营绩效管理与统计分析。构建统一的设备资产基础数据平台、统一的设备绩效考核体系、统一的设备资产台账、统一的全生命周期履历管理平台、与供应链网络一体化的集成平台(包括生产、物资、采购管理系统的交互等)等。
第二层:精益过程执行层。该层的重点是实现设备全生命周期管理、精益运维管理,实现设备的健康管理。其包括两大部分,一是全生命周期设备资产管理平台,即从设备入厂开始到设备报废的全过程跟踪;二是精益管理执行平台,即如何将设备运维所要求的业务,包括润滑、保养、维修、点检等,按照精益管理及TPM管理思想,固化流程并实现落地。
第三层:精美现场管理层。设备运维管理的重点在现场,难点也在现场。精益管理的要求也必须依靠现场的改善来落地。即如何给设备运维人员提供方便快捷的现场辅助手段,如移动互联工具、现场终端等信息化手段,提升现场工作的效率、信息采集的准确性与实效性。

1.5.3 深度融合信息化技术

设备全生命周期管理必须借助信息化手段,基于先进的网络信息处理技术,如3D可视化技术、实时监控技术,实现设备运行监视、操作与控制、综合信息分析与智能预警、运行管理和辅助应用等功能的一体化管理,让管理者随时随地了解设备的生产情况,大幅提高企业设备管理能力。

image.png

一是设备管理全维度的数字化。
传统意义上的设备管理工具或软件往往局限在业务层面和基础主数据层面。然而,设备健康状态并不是孤立存在和随机的,而是与设备从设计、建造到使用过程中都高度相关的。随着物联网技术的发展,越来越多的设备传感器产生的实时数据对构建现场设备管理提供了可能性。这一切都使得设备管理的数字化基础并不仅仅停留在对过去状态的分析上,还应包含设备的全生命周期管理。
设备全生命周期管理平台的数字化,除了能通过计算机、移动PDA等装置快速查看传统设备管理软件提供的各类信息,如采购日期、供应商、维修记录、保养记录、保养周期等,还可全程追溯设备的各类过程信息,如用于记录工件信息和加工参数的工况类信息,用于影响因素、过程参数、环境参数等设备健康评估的状态类信息。
二是设备维护管理的智能化。
在设备全生命周期管理工作中,设备维护管理是很重要的一环。本杰明·富兰克林曾说过,百分补救,远不如一分预防,可见设备维护管理首先应做到预防性维护。通过预防性的分析和预警,一方面可以帮助维修技术人员提前采取一些重要的预防维修措施,以防止宕机的情况出现;另一方面,通过对预防维护的智能调度,企业可以有充分的时间为设备升级或更新做准备。
三是设备管理工作的可视化。
设备全生命周期管理平台的可视化具体包括可视化设备建模、可视化设备安装管理、可视化设备台账管理、可视化巡检管理等内容,表现为对企业设备进行几何建模,可以直观、真实、精确地展示设备形状、设备分布、设备运行状况,同时将设备模型与实时、档案等基础数据绑定,实现设备在三维场景中的快速定位与基础信息查询。
四是设备管理工作的人性化。
设备管理工作是现场化的工作,场景随时转换,工作环境比较复杂,工作强度大,有些场合需要专门的护具及工具。维护的现场工作环境对信息化的使用提出了更高的要求,即如何在现场工作中增加信息化的支撑作用而同时又不影响或方便作业人员操作。智能制造环境下,人机交互一直是新一代信息技术、人工智能技术的主要发力点。当前,增强现实技术(AR)、穿戴式计算装备、多通道人机交互技术正在快速发展,未来的工业维护现场是人机交互协作的典范场景。

1.5.4 互联网+设备运维

工业互联网是我国现阶段推进智能制造的使能技术。国家大力推动互联网与工业融合发展,提升工业制造数字化、网络化、智能化水平;推动工业机器人、人机智能交互、物联网等技术在生产过程中的应用,推进生产装备智能化升级、工艺流程改造和基础数据共享,提高仿真优化、数字化控制和自适应控制水平;着力在工控系统、工业云平台等核心环节取得突破,加强工业大数据的开发与利用,构建全面感知、物物互联、预测预警、在线优化、精准执行的智能制造体系;鼓励基于互联网开展故障预警、远程维护、质量诊断、远程过程优化等在线增值服务,拓展产品价值空间,实现从制造向“制造+服务”的转型升级。
互联网对设备运维的带动作用体现在以下几个方面。

  • 从传统的维护成本组织向维护服务组织转型。传统的维护成本组织在企业中还处于成本单位,即所有消耗及费用全计入当期制造成本。而精益思想认为,维护组织应当按利润单元来看待,其理由是任何一项维护成本的节约都会体现为企业利润的增加。更为重要的是,投入到企业维护业务中的“成本”必将产出更大的“效益”,这体现在产品的质量和产量方面。同时,由于生产设备的复杂性特征,设备维护队伍向着专业化、专门化方面发展,企业内部也出现了专门的维护组织—而不是传统分散在生产部门之间。合同化运维及组织的维护承诺也逐渐成为企业维护考核管理的重要方面。
  • 从传统的以人为主的管理向以设备技术为主的管理转型。由于传统的设备以电气传动、机械磨损为主要特征,因此故障特性和技术管理内容相对标准,从而管理的重点在于“人”的管理,考核的重点在于“事”的考核层面。而智能制造环境下,设备复杂度空间提升,维护工作必须借助电子化诊断设备,根据数据报告进行决策。从而设备本体的技术特性、故障特性的管理与研究成为设备管理的基础性工作,表现在设备一机一档、设备维护知识库的建设等方面。
  • 数据将成为重要的维修资源。构建设备一体化全生命周期管理平台,逻辑上形成一体化设备工业大数据。通过大数据搜索与管理平台,可以轻松地将多台设备的所有记录集中起来。针对某台设备,可以轻松地查看从设备基础档案到设备维护保养、维修记录等全部信息;通过强大的数据分析能力,判断故障发生的原因,可以快速地分析并帮助设备人员找出解决设备维护方案的问题。
  • 完全的电子化运维(e-Maintenance)。电子化运维的提出已有很长一段时间,但由于受信息技术的限制,全面电子化受限于人机交互的友好性、移动设备的计算能力等因素,开展效果一直不佳。而在智能制造环境下,移动计算、边缘计算能力空前发展,移动助手、虚拟现实等应用于工业现场。同时各类维护技术资料实现了数字化、三维化,信息共享云端化,网络覆盖无死角。这些技术进步为电子化运维的创新发展打开了新的一页。
  • 云化的信息技术平台。信息化架构按照云平台技术的架构,而不再是简单的企业管理信息化架构,支持企业未来向混合云、公有云的方向发展。整个应用系统支撑“三屏合一”的技术架构及开发方法,采用互联网API网关和微服务技术,将移动应用及BYOD作为企业信息化的标配,支撑企业业务全面互联网化。图1-6显示的是基于互联网+技术的“三屏合一”的示意图。

image.png

  • 智能维护的广泛应用。由于工厂设备变得越来越复杂,过时的监测和维护技术会降低设备的可用性。意外的设备故障可能会增加生产成本,从而对生产交货产生不利影响。生产系统中存在一些不可见的因素,如性能劣化、精度衰减、能力损失、结构性偏差、自然老化等,这些因素对质量和成本的影响甚至超过可见因素。如何精确预测不可见因素的运动轨迹,主动和精准地采取维修对策,将成为智能装备管理和维修的重要课题。

1.6 “IE+IT”的深度融合

我国是名副其实的制造大国,但非制造强国。究其原因,是因为我国的制造业管理水平与西方发达国家还存大较大差距。因此,全面提升企业管理水平,加快技术改造,提升信息化与工业化的融合水平,是我国产业界的紧迫任务,也是打造制造强国的关键所在。
1.“IE+IT”两个平台的融合理论
仔细研究工业化国家与我国工业化发展历程,不难看出这其中存在很大区别。诞生于20世纪20年代的工业工程(Industrial Engineering,IE),为美国企业管理能力和企业效益的提高奠定了良好的管理基础。到20世纪90年代,信息技术大范围应用于制造业,起到了很好的固定管理和促进提升作用。同时,在20世纪末,美国制造业界又以信息化作为新的生产力和管理要素,结合传统的管理理念产生了计算机集成制造系统(Computer Integrated Manufacturing Systems,CIMS)和企业资源计划系统(Enterprise Resource Planning,ERP),进一步促进了企业整体效益和生产效率的提升。而我国企业创建的时间普遍较短,且很长一段时间处于计划经济时期,对企业管理的重视也不够。即使随着信息化的快速发展引进了先进的系统,结果也不尽如人意,ERP、CIMS实施不成功的案例比比皆是,主要是因为企业并不具备相应的条件和基础,没有深入实施IE就直接部署IT。
因此,针对我国企业的管理信息化,有识之士提出了“IE+IT”两个平台的融合理论。两个平台即管理平台与信息平台。管理平台是企业经营及管理活动的管理手段、管理方法、管理流程、监督机制与反馈机制、企业制度、企业文化的统称,这里用IE来表示。IE虽然是工业工程的简称,但可以泛指一切管理理论。众所周知,管理理论的产生、实践有其固有的规律,更新周期也较长,如百年前的泰勒科学管理、20世纪70年代的TPM、20世纪90年代的精益管理(LM-Lean Management,LM)等至今仍长盛不衰。信息平台是指在企业管理信息系统的平台,信息技术在企业管理中应用的具体内容,包括硬件平台与软件系统。两个平台相融合的理论是指在企业信息化应用和发展过程中,信息平台的架构、内容、功能、实施步骤和运行保障机制均由管理平台直接决定,并要求从形式和结构上适应管理平台。平台之间的匹配程度是影响和决定信息平台能否顺利运行并产生合理效益的首要因素。如图1-7所示,在相互匹配的条件下,信息平台通过对管理平台的持续推动促进管理平台的快速转动,提高管理系统的运行效率。反之,管理系统效率的提升会反过来带动信息系统的提升。

image.png

2.精益管理思想的落地
精益管理思想能够很好地应用于设备管理领域。精益设备管理是指通过运用精益管理的思想和工具,以客户需求为出发点,持续改进和优化设备的技术、经济、组织管理,消除设备管理过程中的各种浪费,保证企业以高品质、高价值、高效率对市场需求做出迅速的响应。精益设备管理的主要任务是导入精益管理的思想和工具,进一步提升设备管理精益化水平和对工艺质量、节能降耗等管理的保障。全员生产维护(TPM)是精益管理设备领域的一种具体应用,也是目前国内外应用最广泛的先进设备管理体系。TPM是以最高的设备综合效率和完全有效的生产率为目标,以系统的检维修模式设计为载体,以员工的行为规范为过程,全体人员参与的设备人机系统精细化管理体系。“IE+IT”在精益设备管理中的目标如表1-1所示。

image.png

信息技术能够很好地支撑精益设备管理,并且相互促进提升。利用信息化技术实现精益设备管理具体体现为“六精”,即设备信息管理精细化、设备状态预测精确化、运行成本控制精实化、设备修理精准化、设备保养精心化、队伍建设精干化。
通过“六精”的良好运行,最终实现卓越的管理绩效,称为“六零”,即设备运行零故障、设备诊断零失误、备件管理零冗余、设备零安全事故、费用控制零浪费、现场管理零污渍、专业人员零流失。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
7天前
|
机器学习/深度学习 人工智能 运维
智能化运维####
本文深入探讨了智能化运维的前沿趋势与实践,通过融合大数据、人工智能等先进技术,重塑传统IT运维模式。我们分析了智能化运维的核心价值,包括提升效率、减少故障响应时间及增强系统稳定性,并通过具体案例展示了其在现代企业中的应用成效。对于追求高效、智能运维管理的组织而言,本文提供了宝贵的洞见和策略指导。 ####
|
9天前
|
机器学习/深度学习 数据采集 人工智能
智能化运维在现代IT基础设施中的应用与价值####
本文探讨了智能化运维(AIOps)在现代IT基础设施管理中的实际应用、面临的挑战及其带来的深远影响。通过引入先进的算法和机器学习模型,智能化运维不仅提高了故障检测与响应的速度,还显著优化了资源配置,降低了运营成本,为企业数字化转型提供了强有力的技术支撑。 ####
|
7天前
|
机器学习/深度学习 人工智能 运维
智能运维在现代IT系统中的应用与挑战####
本文深入探讨了智能运维(AIOps)在现代IT系统中的关键作用,通过具体案例分析,揭示了其在提升系统稳定性、优化资源配置及自动化故障处理方面的显著优势。同时,文章也指出了实施智能运维过程中面临的数据安全、技术整合及人员技能转型等挑战,并提出了相应的解决策略,为读者提供了全面而深刻的见解。 ####
30 6
|
5天前
|
运维 监控
构建高效运维体系:从理论到实践
在当今快速发展的信息化时代,高效的运维体系是保障企业信息系统稳定运行的关键。本文旨在探讨如何构建一个高效、可靠的运维体系,通过分析当前运维面临的挑战,提出相应的解决策略,并结合实际案例,展示这些策略的实施效果。文章首先介绍了高效运维的重要性,接着分析了运维过程中常见的问题,然后详细阐述了构建高效运维体系的策略和步骤,最后通过一个实际案例来验证这些策略的有效性。
|
9天前
|
机器学习/深度学习 运维 监控
智能化运维:从被动响应到主动预防的转型之路####
本文深入探讨了智能化运维(AIOps)如何引领信息技术管理从传统的被动响应模式向主动预防机制转变,强调了大数据、人工智能算法与机器学习技术在提升系统稳定性和效率中的关键作用。通过分析智能化运维的核心价值、实施策略及面临的挑战,本文为读者揭示了一个更加智能、高效且灵活的IT运维未来蓝图。 ####
|
7天前
|
人工智能 运维 监控
智能运维在现代数据中心的应用与挑战
随着云计算和大数据技术的迅猛发展,现代数据中心的运维管理面临着前所未有的挑战。本文探讨了智能运维技术在数据中心中的应用,包括自动化监控、故障预测与诊断、资源优化等方面,并分析了当前面临的主要挑战,如数据安全、系统集成复杂性等。通过实际案例分析,展示了智能运维如何帮助数据中心提高效率、降低成本,并提出了未来发展趋势和建议。
|
7天前
|
机器学习/深度学习 数据采集 人工智能
运维新纪元:AIOps引领智能运维变革####
本文探讨了人工智能与运维管理深度融合的前沿趋势——AIOps(Artificial Intelligence for Operations),它通过机器学习、大数据分析等技术手段,为现代IT运维体系带来前所未有的智能化升级。不同于传统依赖人力的运维模式,AIOps能够实现故障预测、自动化修复、性能优化等功能,大幅提升系统稳定性和运营效率。文章将深入分析AIOps的核心价值、关键技术组件、实施路径以及面临的挑战,旨在为读者揭示这一新兴领域如何重塑运维行业的未来。 ####
|
5天前
|
机器学习/深度学习 数据采集 人工智能
智能运维:从自动化到AIOps的演进与实践####
本文探讨了智能运维(AIOps)的兴起背景、核心组件及其在现代IT运维中的应用。通过对比传统运维模式,阐述了AIOps如何利用机器学习、大数据分析等技术,实现故障预测、根因分析、自动化修复等功能,从而提升系统稳定性和运维效率。文章还深入分析了实施AIOps面临的挑战与解决方案,并展望了其未来发展趋势。 ####
|
9天前
|
机器学习/深度学习 运维 监控
智能运维在现代IT架构中的转型之路####
【10月更文挑战第29天】 本文旨在探讨智能运维(AIOps)如何成为现代IT架构不可或缺的一部分,通过分析其核心价值、关键技术及实践案例,揭示AIOps在提升系统稳定性、优化资源配置及加速故障响应中的关键作用。不同于传统运维模式的被动响应,智能运维强调预测性维护与自动化处理,为企业数字化转型提供强有力的技术支撑。 ####
37 0
|
1月前
|
运维 Linux Apache
,自动化运维成为现代IT基础设施的关键部分。Puppet是一款强大的自动化运维工具
【10月更文挑战第7天】随着云计算和容器化技术的发展,自动化运维成为现代IT基础设施的关键部分。Puppet是一款强大的自动化运维工具,通过定义资源状态和关系,确保系统始终处于期望配置状态。本文介绍Puppet的基本概念、安装配置及使用示例,帮助读者快速掌握Puppet,实现高效自动化运维。
52 4