浅谈工业4.0下的设备管理

       1 传统模式下的工厂设备管理弊端 
　　传统模式下的设备管理造成的管理弊端显而易见： 
　　第一，由于底层人员推诿敷衍造成信息传递不及时、不准确，导致上层决策者无法实时准确地了解和分析设备的运行状况。 
　　第二，设备的日常运行、故障、保养等重要数据保存不力，或者因为保存方式不妥当造成可追溯性差，很难对数据进行有效地共享和实质性地分析乃至做出相应的计划。缺少大数据的支撑和整合，设备预先维护更是无从谈起，所以大都是事后维护，造成严重的时间损失。 
　　第三，传统的设备管理很难与其他部门形成一个信息互通的系统，而设备的状况又与备件、产品质量有着密切的关系，缺少有效的交互容易导致配合上的“断层”，一方面造成设备维护周期长。另一方面对设备的改进来说，缺少一个数据分析的导向[1]。 
　　2 新模式（工业4.0）下的工厂设备管理 
　　传感器、智能仪器仪表、控制单元、数据存储单元等技术的日趋成熟和成本的大幅降低给工业4.0奠定了先決的物质基础。互联网、大数据、云计算的高速发展，推动了现实与虚拟的互联结合，给各行各业发掘潜在价值带来了新的可能。 
　　2.1 基本特性 
　　准确性：数据的准确性是设备管理的基本需求，是整个管理系统中最基本也是最重要的一环。 
　　实时性：数据的实时性对管理者对设备的突发状况作出及时反应有着至关重要的作用。系统实时跟踪设备的状态和做出相应指示，包括运行状态、停机时间、故障处理信息推送、故障处理现状、故障处理记录、故障负责人员等。 
　　灵活性：系统的灵活性主要包括两个方面。第一个指的是系统内部信息、功能的可配置性；第二个指的是可多渠道访问和展示系统信息，如现场看板、操作面板、局域网、网页、移动终端（APP）等[2]。 
　　2.2设备自诊断与大数据分析 
　　2.2.1 预防性维护 
　　系统根据用户定义的点检、保养、设备寿命等计划，自动对指定人员以消息推送的形式发出任务提醒，并可对人员反馈的数据（如：任务开始时间、完成时间、现场图片、任务备注等）进行接收和归档。 
　　2.2.2 自诊断性 
　　可以通过各种功能的传感器来获取设备的健康问题，并把采集到的数据集成到系统中，系统通过这些数据可以预先诊断设备的潜在故障，管理者通过故障预警提前做出反应，而不至于等到设备出现破坏性现象后再去处理，造成设备效率的损失。 
　　应用场景：轴承在传动系统中起着至关重要的作用。因为安装位置隐蔽和故障征兆性弱，所以当发现有故障趋势时，轴承的性能往往已经处于急速衰退期，又因更换过程繁琐，故对正常生产造成影响较大。工业4.0下的解决方案是在轴承的油脂和材料中加装特殊功能传感器，用以检测油脂金属碎片浓度和轴承材料应力的变化来判断轴承的状态和故障趋势，经由系统发出相应警报，使应急反应时间大大提前。 
　　2.2.3 大数据下的设备维护管理 
　　系统通过对设备运行过程中性能参数、停机、故障等数据进行采集和分析，最终确定设备运行状态模型，为设备维修、采购、使用、轮换做定量分析，通过连续性数据分析，合理确定设备的使用寿命。管理者可据此提前做出措施，让停机时间降到最少。系统建立自身维护的知识库，根据经验或者资料对突发事件做出合理的应对策略[3]。

       应用场景：维修人员处理完故障A之后，将维修的方法上传，服务器自动将此故障和方法关联并保存。当故障A再次发生时，系统会自动推送排除此故障的参考。当同个故障有多种方法记录时，系统可对这些方法与其他数据参数（如排障时间等）关联起来，择优排列。也可以手动录入对某故障的排障方法，方便人员的查阅和参考。 
　　2.3 跨系统、可互联性 
　　一个好的设备管理体系要与能源管理、产品质量管控、采购、仓库管理、设备厂商管理等管理机制都有着紧密的联系。 
　　对设备管理来说，要将设备的效率发挥到极致，设备管理也应该与其他职能部门融合互联，甚至是与其他公司、设备生产商、供应商形成互联。 
　　应用场景：当系统检测到某个元器件有发生故障的趋势或者已经发生故障时，系统除了提醒管理者之外，还可与工厂的备件库互联，搜索出该元器件当前的库存、库位信息，自动生成领料申请单。当检测到库存不足时，可发出采购提醒甚至是与其他公司、设备生产商、供应商建立起备件共享机制，从而大幅缩短设备维修的流程周期。 
　　3 新模式给设备管理者带来了新的课题 
　　3.1 对人员素质提出更高要求 
　　随着工业4.0、智能工厂的深入推进，在工厂自动化、网络化、信息化日新月异的变化中，越来越多的普通操作人员将面临更多更大的挑战。 
　　由于设备的高自动化使得企业不再需要过多的员工参与生产；由于一些员工的水平有限，无法运用相关知识对现场智能化设备进行关联，无法切实理解设备的运行原理和改善方向，进而导致无法根据生产状况做出改善或提出实际的改善方案。 
　　智能工厂不可能独立于人类之外进行工作，智能工厂再智能也只能是人类的生产工具，想要保证智能工厂的正常运行，企业需要能驾驭得了智能工厂设备的人才，特别是设备管理人员。对此，企业应提前做好人员储备和进行系统培训。 
　　3.2 对设备和网络安全提出更高要求 
　　第一，智能工厂内部的设备、元器件之间形成一个环环紧扣的设备物联网，某个结点的小问题可能在整个网络中被无限放大，对整个工厂生产和决策造成影响。 
　　第二，工厂网络化和信息化的开放性可能导致工厂的资料被外界窃取，管理和控制系统受到外界的恶意攻击，造成企业运营系统的瘫痪。 
　　第三，國外的公司在许多关键元器件和软件技术等领域占据主导地位，技术上的受制于人为今后的设备管理带来了潜在风险。 
　　4 总结与展望 
　　逐步完成对工业4.0的过渡，在笔者看来，应注意以下几点： 
　　第一，制定企业发展理念，使员工认可和支持工业4.0的转换思路。 
　　第二，培养符合智能工厂生产管理需求的人才。 
　　第三，对某些设备进行低成本改造，使其符合工业4.0的发展要求。 
　　第四，工厂内部进行设备互联，形成一个功能强大的设备管理系统。 
　　第五，与外部系统数据如采购、仓管、产品反馈等系统形成互联和数据共享，使得工厂的各个模块运作有条不紊，实现无缝对接。利用大数据、云计算等强大的数据分析能力，对整个生产和营销过程做出动态调整。 
　　在进行工业4.0改造的进程中，一定要对自身的能力和需求进行有效研究和均衡，结合自身的管理特色，只有这样，才能使改造给企业带来利益的最大化。 
　　【参考文献】 
　　【1】梁乃明.工业4.0实战：装备制造业数字化之道[J].工业控制与智能制造，2015（1）：1-10. 
　　【2】吴军.智能时代[J].机械智能，2016（1）：2-15. 
　　【3】维克托·迈尔·舍恩伯格， 肯尼斯·库克耶.大数据时代[J].电子科技，2013（1）：45-57.