钢铁企业设备维修数据分析方法的应用

冯 杰，王鸣深

（宝山钢铁股份有限公司，上海 201900）

目前钢铁企业中已普遍采用设备维修信息管理系统。由于钢铁设备所处环境复杂，类型各异，数量又多，往往涉及大量的原始和处理的数据，但在数据保留和分析方面，还存在可靠性不够、系统性不强和对决策支持不足等问题。因此，建立一套系统化、专业化的数据分析方法，及时地掌握和分析设备静态、动态的数据和业务信息，从大量数据中揭示出其内在规律，才能挖掘出有用的信息来指导维修活动。

一、确立关键绩效指标

将数据转化为有用的信息首先要确定引导正确决策的关键绩效指标（KPI）。每个钢铁企业在建厂投产时，都建立了设备维修关键绩效指标，并不断进行调整，推动设备管理的进步。确定关键绩效指标还必须分析公司关键成功因素，以确保专业指标能支撑公司的发展目标和战略举措。如设备维修领域，设备状态稳定是确保公司生产运行的支撑，而合理投入维修费用则是控制或降低公司运营成本的支撑。因此，设备状态（如有效作业率） 和维修费用（如吨钢维修费）等方面的指标通常为设备维修领域的关键绩效指标的首选。在欧美一些企业常常会选择一些综合性指标，如成熟度，它是将维修策略的应用、设备的运转、检修的计划性综合起来的一项定量评价指标。

其次，确定指标的定义和统计口径是数据分析的基础保障。设备维修的专业性较强，不同生产线、不同设备的静态和动态数据量非常庞大，指标的定义和统计口径经常受地域、企业管理要求等各种因素的影响而有所不同，因此确定指标的定义和统计口径对数据的准确性极其重要。在企业数据分析中，需要进行进步性和对标性分析，因此指标的定义和统计范围是首先考虑的重点，因为在统一的定义下、相同的统计范围才有比较的意义。如进行国内外指标对标，获取的数据往往因为没有任何定义和统计说明而变成死数据，不能说明问题。

必须强调的是，确定指标的一个重要考虑因素是数据收集的难度。目前设备维修活动已基本实现信息化管理，因此主要考虑的就是源头数据的准确性。

二、数据的收集

收集数据是比较繁琐的工作，从数据表格的设计、数据的采集和检核都需要耐心和细致的策划。

数据表格的设计必须考虑数据定义的进一步说明、文字提问方式的合理性、收集的方式。设计内容如能先行广泛征求意见，待完善后正式下发会比较好，这样可确保收集数据的进度和质量，减少因理解等方面的问题导致返工。

有效的数据检核是确保原始数据准确性的最后环节，却是最容易疏忽甚至放弃的环节。人工观察的检核方式虽然简便易行，但检核的准确性不能保证。应采用人工和信息系统结合的方法，建立一套数据检核逻辑或程序。如有分项百分比的，则检核组成项百分比之和应在99.9%和100.1%之间，不在此范围，则必有数据出错。另外对一些异常点数据则要进行排除，以保证数据样本的代表性。将检核出错的数据以特殊标志返回进行修改，如此反复两三次，方能确保所有数据都是准确和有效的。

三、数据分析

通常的数据分析会停留在按指标定义，将原始数据代入后，计算出指标实绩，然后按部门、按生产线进行同比、环比分析以确定维修进步程度，或与目标值比较以确定目标完成情况。这些都是比较基础的分析方法，在分析的深度和技术上是远远不够的。因此，在分析时可强化指标间的关联分析和综合性分析。

关联性分析是将两个以上指标实绩联系起来进行分析，以更全面和聚焦的方式分析维修活动绩效。如宝钢很少将状态和成本的指标数据联系起来分析，若将两者结合起来分析，就会发现有些生产线设备的状态稳定是靠成本的大量投入来获取的。

如图1是将工序的产量和维修成本指数（工序维修成本及总维修成本）进行关联分析，其中右下方显示的产量高、成本指数低的工序，其绩效比较好，而左上方的工序产量低、成本指数高，相对而言，绩效比较差。此种方式的分析避免了仅以成本指数或产量来评估生产线绩效的片面性。

综合分析的方法是一种比较全面的评价分析方法，因为涉及设备维修各个主要领域，并且结果为定量，所以分析方法相对比较复杂。具体分析中可有不同，以下介绍主要的内容。

（1）明确设备维修的主要绩效领域，如设备特性、设备状态、维修成本、人力投入等。

（2）在每个领域中选择关键绩效指标，如设备特性可选择设计产能和役龄，设备状态可选择有效作业率，维修成本可选择吨钢维修费，人力投入可选择吨钢维修人力投入等。

（3）对每个指标建立评价标准，但所有指标的评分方式和幅度要保持一致。

（4）以机组或设备为分析单元，按评价标准进行打分，每个指标的得分总和即为该分析单元的得分。

（5）根据得分，可进一步进行拓展分析。如将得分最高的进行细化剖析，追溯其高得分项的维修策略和方法，或进行同类工序对标，寻找改进空间。

需要进一步说明的是，无论是哪种分析，图形化是一种直观的有效辅助手段，除了我们常用的直方图、饼图、趋势图，还可以用散点图（如图1）和雷达图（如图2）。

图2显示与其他各公司制造单元相比，其钢生产水平达到了平均水平的三倍，同时厂内所有设备的役龄达到平均水平，年吨钢维修人员这一指数的得分低于平均，但是其他所有的指标几乎均好于平均水平。因此，该制造单元的综合绩效水平较好。

四、应用与效果

1.应用

宝钢从2008年起尝试建立维修评价模型，该模型确定了设备状态、维修成本、检修、物料、点检、固定资产和计量管理七个专业领域及其对应的权重。对每个专业领域确定了评价指标，如设备状态选择了主作业线故障时间、维修成本选择吨钢维修费等多个指标。然后在此基础上建立评分标准，如主作业线故障时间实绩同比上升3%扣1分，下降3%加1分等，计算出每个专业的得分，最后按权重计算出总分。

评价按季度和年度执行，每年年初对上年度评价进行分析，在此基础上结合当年管理重点进行完善，确定当年的评价模型。

2.效果

（1）该评价模型已正式实施3年，在不断实践和完善的过程中逐步形成宝钢首个系统的、全方位的设备管理绩效定量评价模型。

（2）帮助各部门寻找管理中的瓶颈，有针对性地分析问题，持续改进。如炼钢厂在2008年由于设备运行状态不佳，导致总分最低。为此，炼钢厂聚焦状态管理，采取多种方式加以改善，从2008年的68分，逐步提升到2010年的92分，设备运行状态趋于稳定。

（3）模型的设计以现场运行管理为重点，以提升设备状态控制能力、维修资源调控能力为基础，有效地引导设备系统各级管理者聚焦重点，形成管理合力，提升整体水平。

五、结束语

随着管理信息化的发展，数据在管理中起着越来越重要的作用。依托信息化手段，建立一套更全面、更系统化、技术性更强的数据分析方法，对设备领域的决策支持乃至公司的经营发展起着非常重要的支撑作用。