基于“预测性维修”的工业服务，或将成为智能制造升级和应用的基石

发布时间：2017-04-15 作者：杨明波来源：智能制造

关键字：智能制造工业4.0

收藏好文推荐打印

随着工业4.0的提出，我国提出一带一路，互联网＋，中国制造2025三大工业发展战略。随着供给侧经济结构性转型的提出，中国开启了工业转型升级的快车道模式。而现实中的中小型工业制造业，依然生存困难，并未对即将到来时代做好充分的准备。

面向未来的消费模式，会呈现消费者定制为基础，对于消费品的需求会越来越追求个性化、高性价比。消费模式的转变，对于产品品质、产品功能、产品可靠性及交付周期提出了更严格的要求，对制造系统智能化水平、可靠性和维修性要求提出了更高的要求。可预想的未来、基于互联网＋的智能制造，将会呈现一个全新的生态供应链时代。

突破瓶颈，呈现基于智能和数据的极简管理

在改革开放的三十年时间里，人口红利得到大规模的释放，在自动化程度不足，工业系统在2.0-3.0的条件下，制造业仍蓬勃发展，一派欣欣向荣的景象。但这一切在，随着能源危机、老龄化时代的逐渐来临，人工成本上涨，房地产库存时代、出口受阻等多重因素影响下的经济危机来临，制造业步入了寒冬。所谓否极泰来，困难总伴随着机会的到来，面临这样的危机，继欧美国家提出工业互联网、工业4.0后，中国制造2025与互联网＋开始陆续改良工业生态。

在制造企业，有一条定律：“系统的自由度，决定了管理的复杂程度”，也就是说，系统的自由度越高，管理的复杂程度越高。在这场关于工业转型革命中，随着新技术的应用，机器人、3D打印、自动化、数字化制造的升级和产品转型的改变。将逐步降低系统的自由度，生产呈现更柔性，更有利于柔性供应链的打造，带来的改变使得交货期和质量的问题更容易识别，管理将呈现更简单，有了数据的应用，管理更容易识别问题，更方便做管理决策。

智能制造升级需要匹配预测性维修能力的同步提升

基于智能制造会带来另一个新的问题，也就是系统的自由度越小，系统的可靠性要求会更高。同许多制造企业自动化改造一样，对于设备维护管理的要求也会随之提高。德国工业4.0提出也反复强调了预测性维修和员工责任、意识和能力的提升对工业4.0的基础作用，这对于缺乏装备维修性和可靠性的中国企业来说，显得尤为迫切和重要。在即将到来的DT时代，设备维护将会迎来新一轮的巨变，制造企业、设备管理信息化提供商、预测性维修服务提供商、设备管理咨询机构都将参与其中，为中国制造添砖加瓦，并在以下三个方面分享万亿级的市场蛋糕。

i.SAAS设备信息化为主体的企业大数据能力建设

以往的EAM信息化产品，因实施和开发成本偏高，致信息化偏向于上规模的企业使用。受设备管理理论体系和客户网络终端建设的制约，信息化产品往往处于单点建设，未形成大数据应用，对于企业的持续提升没有实质性的帮助。

近年来，随着智能手机和互联网技术的大规模发展应用，信息的应用端，开始从PC端向智能手持端转移，全员参与信息与数据共享便不再是困难。我们知道，真正发挥作用的主体，依然是人，企业内部大数据的应用的重心，是将所有人的目标锁定到个人，技能知识有针对性的推送到个人，知识贡献针对到班组团队，让数据在企业内有效流动，产生应用和决策的管理作用，通过人的责任、意识和能力建设，达到全员参与，全员考核。

图1：冰山之下的企业大数据应用潜力

设备管理软件SAAS化会成为一种趋势，一方面减少财务支出，采用租赁费用，年费用不足万元，在可预见的未来，将可能出现完全免费的信息化应用。未来的企业用户端，会如同市面流行的社交软件一样，企业高层和基层在同一个平台实现轻松、即时、有效的沟通基础之上，将业务、数据管理有效的结合起来，而信息化的服务商，还会定期推送关于数据分析、管理技巧与方法的公众号，使得企业的管理更加便捷和轻松。

图2：SAAS模式下的数据应用与改善

当然SAAS模式不会是唯一的企业数据化应用级，一方面是用户私有部署的定制需求，一方面设备数据采集、预测性点检诊断服务依然需要本地部署。但SAAS级的应用，仍然能为企业解决大多数信息化需求，且经济适用。对于信息化服务商而言，数据逻辑分析和服务将成为决胜的核心。

ii.基于大数据应用分析的工业服务生态体系建立

无数据、无生态；无生态，不未来。基于设备管理大数据的工业服务，是工业企业外部资源的整合运用。按照企业数据分析的类型，可将工业服务平台内提供：

依据设备可用度(A设备可用度＝MFBF平均故障间隔时间/（MTTR平均故障修复时间＋MTBF平均故障间隔时间）)：利用大数据分析，可对单个或多个企业分析出企业的设备维修管理水平在行业中的位置，并可根据MTTR和MTBF的情况得出存在的管理问题。并在信息化软件中进行陈述，并匹配相应的培训视频、书籍和合适的管理咨询机构推荐。

依据MTBF、维修通道比例关系和备件消耗行为数据，利用大数据分析，判定用户的预测性维护水平。并根据问题分类，推送基于振动、油液分析、红外成像、机械手关节故障诊断等相关预测性工业服务商进行针对性解决，或推送行业优秀供应商进行解决，并集成这些优秀供应商信息化系统，打造具有针对性的智能分析系统。

综合设备可用度数据、效率、能耗等数据（备注：效率、能耗数据通过集成的生产管理、能源系统获取），判定用户在能耗和效率上的主要问题和提升空间，进而匹配平台内的能效改造、先进制造技术（含3D打印、机器人等）相关供应资源的建议和推送。

iii.基于大数据应用分析的设备和备件供应体系

相比于德国提出工业4.0体系，中国制造业要实践“中国制造2025”，装备制造的可靠性和维修性设计是明显落后的，改革开放三十年来，我们建立了完备齐全的工业体系，经历了引进、仿造和部分创新，但国产设备整体可用度却落后德国工业。

在基于SAAS设备信息化的大规模应用的基础上，依据大数据分析，通过备件供应互联网，可以分三步来逐渐提升用户设备可用度，包括：

轴承是机械传动的基础原件，是工业的关节，涉及到所有传动机构的运用。润滑油（脂）是机械传动中减少摩擦的介质，是工业的血液，被视为工业最重要的“备件”之一。作为最基础的工业备件，市场供应却存在仿造、造假、“地沟油”等严重问题，严重影响了设备运行和维护。为此，大数据在备件供应互联网应用的第一步，就是联合这类优质供应商成立机电类电商平台，逐步向标准件、通用件和行业备件和设备供应方向拓展。通过用户大数据，形成规模定制，进而成为备件和设备制造商的互联网＋平台。

备件和设备供应商，大多属于离散制造业。要提高其交付能力，首先是要整合MES等解决方案，实现数字化制造。

最后一步，也是非常关键的一步，基于大数据、平台和备件交易网，向备件和设备制造商提供可靠性和维修性设计、制造和售后环节的认证服务。通过认证的供应商，将在设备可靠性、维修性、智能化及其自诊断（设备通过内嵌传感器，设定严格的逻辑程序，进行故障自我隔离的方式）方面具有优势，并优先推送向用户。

结束语

这是一场关于工业的革命，是作为制造大国之间不可避免的交锋。笔者抛出以上观点，不仅仅是抛砖引玉，也是为工业制造业的设备人发出一点声音，期望需求同样肩负使命和责任感的工业服务人、互联网人、投资人，一起去打造属于中国制造崛起的中国梦，也只有广泛的参与，大视野，大合作，才能完成这场颠覆，呈现一个全新的预测性维修工业服务生态系统，为“中国制造2025”战略落地保驾护航。

本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处，如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正。联系方式：editor@e-works.net.cn tel：027-87592219/20/21。

上一篇文章：预测性维修及其技术体系研究
下一篇文章：数字运维：大数据应用定义生态、智能服务驱动制造业转型