智能制造之下，企业设备管理常见的三大问题

在智能制造的浪潮下，我国制造业正大力推动工业互联网建设，工厂自动化程度突飞猛进，现代化设备大型化、高速化、自动化、智能化水平大幅提升。

但是，与设备智能化发展进程相比，企业设备管理能力却略显滞后。多数企业虽斥巨资购买使用了先进的设备，可由于对设备维护和保养的精细化管理不够重视，常常会出现设备异常停机等情况，造成不必要的损失。也正是因为如此，如何提高设备管理能力是当今制造业面临的重要问题和挑战。

Question1：重硬件，轻软件

大部分企业购买新设备时，只重视硬件的验收交接，忽视软件系统的运行、维护和服务标准，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。

但事实上，嵌入式软件、人机界面、数据监测都是智能设备的重要组成部分，也属于设备管理范畴。结合实际现场来看，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、数据不确权等多个原因，设备数采仍是制造业生产现场数字化推进中的重难点。

Tips:

企业在升级设备的同时也要注重软件系统的配备，因此，企业在设备采购环节要提前考虑将相关需求加入条款，为日后设备详细数据的采集和工艺、品质的分析优化做好准备。

Question2：生产为重，不坏不修

大部分企业都是把生产放在首位，只要设备还能运转，就不会停产，这导致设备维护的时间和资金投入严重不足。究其原因，是企业没有从工厂视角衡量设备停机的损失。如果在设备故障出现初期的时候进行维护，损失和投入成本远比停机后再维修小得多。

Tips:

我们可以通过新技术，分析积累的基础数据，评估出设备的健康状态，提前维护设备，大大减少维护成本。HSEAM系统准确、快速地判断出设备健康状态、故障征兆原因，辅助设备工程师诊断故障，进而促使设备维护管理进入一个良性循环。

Question3：全盘依赖预测性维护，忽略企业实际问题

预测性维护一直是工业互联网的热门话题，许多工厂期望将设备潜在故障交给 “预测性维护”全权分析。

事实上，预测性维护的落地比预想中困难。一是因为许多企业缺乏基础数据的积累，比如设备维护保养、故障分析记录散落在纸张或表格中，缺乏数字化档案，维护保养数据、备件更换记录、故障修理数据，包括设备的故障特征数据没有形成结构化的积累，没有大量的数据支持难以实现建模；二是许多企业单纯依赖数据分析而忽略了设备工程师的专业知识和过往经验。

Tips:

因此，我们建议企业一是重视设备数字化档案、基础维护、维修工单等基本数字化的建设；二是明确将经验和数据相结合进行建模，模型的输出是为了辅助人员维护维修设备，最后是需要交给人来判断的。

HSEAM通过采集设备运行的数据和状态，显著减少了传统管理中依赖人工采集、统计、分析导致的误差，使企业的设备管理更加信息化、合理化、高效化，运用机器学习、数字孪生等技术对设备未来异常情况进行预测，实现设备预测性维护，从而提升设备的综合绩效。

由此可见，提升设备管理能力，需要管理者率先认识到设备是制造业核心竞争力的基础，积极变革传统设备管理和作业方式，向数字化、智能化方向发展，才能切实有效地提高企业竞争力。