设备管理2025：为实现制造强国护航

谢昱航

李葆文作为从事设备管理研究几十年、出版专著30余本的知名专家，深知实现制造强国和设备管理的因果关系

“大而不强”，是现阶段我国制造业的标签。经过几十年的发展，我国制造业建成了门类齐全、独立完整的产业体系，但与世界先进国家相比，自主创新能力、资源利用效率、产业结构水平、信息化程度、质量效益等多方面有明显差距。

然而，制造业是国民经济的主体，是立国之本、强国之基。经济发展历史表明，没有强大的制造业，经济繁荣就失去了根基。于是，“中国制造2025”成了重要国家战略。

“‘中国制造2025’的目标，就是实现从制造业大国向制造业强国的历史性跨越。这个目标，要通过两化融合来实现，即党的十八大提出的，用信息化和工业化深度融合来引领和带动整个制造业的发展。” 国际维修协会IMA创立者之一、中国分会主席李葆文表示。

作为从事设备管理研究几十年、出版专著30余本的知名专家，李葆文深知实现制造强国和设备管理的因果关系——再先进的机器，也离不开维护、检修和管理，“中国制造2025”必须有先进的设备管理来支撑。为此，李葆文提出了“设备管理2025”的全新概念。

“中国制造2025”须配套先进设备管理

“‘中国制造2025’提出来之后，我一直在思考设备维护的未来发展走向。我参考了德国提出工业4.0之后的国际制造业变化，参考了国际设备管理的新趋势、新动向，结合中国制造业和设备管理的实际，提出‘设备维护2025’的新概念。如果说‘中国制造2025’的核心是智能生产、智能物流和智能维护三驾马车驱动，‘设备维护2025’主要是对智能维护加以拓展，是为‘中国制造2025’保驾护航服务配套的。” 李葆文表示。

李葆文在调研中发现，在很多企业，先进装备与落后检维修队伍及技术的矛盾十分尖锐。企业设备管理问题凸显：资产实时信息更新滞后、账物不符、无法共享；资产基础管理薄弱，技术档案缺失；计划制定缺乏依据、方法，计划考虑不全面；计划执行不到位、随意性大、计划监督缺失；有流程不按流程走，做事凭经验，违章作业随处见；人员技能欠缺、设备驾驭能力不足；知识经验形成孤岛，无法分享；纸质记录不易保存、不易统计、易出错；维修缺乏统计分析、重复性故障耗费大量时间；备件库存不断增长，周转期过长，仍出现无法满足维修的现象；重技术轻经济，维修费用成本居高不下；无法形成有效决策依据，设备采购、费用预算全凭经验；安全制度规程样样全，安全事故却层出不穷……种种问题的存在，表明提升企业设备管理体系，具有迫切性。“设备维护2025”的现实意义，也在于此。

李葆文对“设备维护2025”的定义是：与“中国制造2025”相适应，将人、机和网络相互关联，充分利用AI技术和现代科技研究成果，实现企业人机系统价值最大化并贯穿设备全寿命周期的管理。

“‘设备维护2025’有三个主要特征：一是人-机-网互联互通；二是人工智能AI技术的应用；三是全寿命周期管理，即LCM，其中包含费用管理和风险管理。通过‘设备维护2025’，可以保证智能制造设备安全、稳定、长周期、满负荷、优质、高效、柔性化、低成本运行。”李葆文介绍说。

“设备维护2025”需要理念革新、稳步推进

“设备维护2025”是对传统设备管理理念和模式的革新，从理论提出到落地，需要一个过程，需要具备一些现实条件，其中包括破除一些阻力。李葆文认为，“设备维护2025”的全面推行，面临三个方面的挑战。

一是企业高层观念的改变。很多企业高层需要有系统全面思考，需要未雨绸缪，不要只想到智能制造却忽视智能维护。

二是人才的准备。未来先进设备和落后设备管理、诊断、维修队伍的矛盾日益突出，企业要有先见之明，要有相应政策和激励手段，要重视这一块人才的储备、培养和引进，在未来竞争中占领制高点。

三是必要的硬件、软件的引进。工欲善其事，必先利其器，监测工具手段及其软硬件的导入对故障的预知不可或缺，忽视这一块的投入也不会达到目标。

为确保“设备维护2025”稳步推进，李葆文给企业设计了“设备维护2025”落地的四个步骤：一是企业运行自动化，管理流程标准化；二是装备状态预知化，维保系统精益化；三是运行信息数字化，维保绩效可测化；四是系统运行智能化，检修维护精准化。这四个步骤是不可省略和跨越的。

“‘设备维护2025’要从基础做起，首先要实实在在的按照中国设备管理协会2017年6月1日颁布的《设备管理体系 要求》标准建设好自己的设备管理体系。其次就是在装备状态预知的条件下结合企业设备实际，设计符合精益原则的设备管理系统流程和方法。另外，在状态数字化的前提下，设计可度量的维保绩效评价体系，让维保的方向可控，收放自如。最后，在系统智能运行的环境下，实现维保的精准有效。”李葆文说。

建立以大数据为基础的设备维护新体系

高质量的设备维护，必须保证维修精准。精准的前提，是充分掌握信息，大数据成为精准维修的前提。基于这一逻辑，李葆文建立了BDBM模型。

BDBM即以大数据为基础的设备维护新体系。“BDBM是我在2018年比利时安特卫普召开的EFNMS欧维联国际会议和2018年埃及开罗召开的海湾地区运行与维护国际会议上提出的新概念，就是以大数据为基础的维护策略。”

李葆文解释说，近年来国际上关于大数据的概念很多。在设备维护领域，有人提出故障模式驱动的维护，也有人提出精准维护，还有人提出虚拟传感器的概念。很多企业在导入状态监测时，常常考虑投资回报率ROI的问题，往往有大量的数据未被挖掘利用，如DCS控制系统数据，PLC、SCADA、能源监测、环境监测数据等等，这些数据聚焦工艺、质量等主要的功能领域，间接反映了设备性能的劣化，企业反而忽视了它们这方面功能的挖掘和利用，这其实就是虚拟传感器的概念。“因此，我认为要首先利用好这些数据，当这些数据不足以反映设备劣化时，我们再考虑导入状态监测等手段。通过这些反映故障趋势的大量数据，运用故障模式驱动的概念，预测故障趋势，再经过不断自学习修正，最后能够生成包含6W2H1S要素的检修包，实现精准维修。”

比如说，系统对相关特征参数进行监测，发现30天前“流量”特征进入其频域带, 启动轻度预警，预测故障在30天内发生，；后来又发现在15天前“流量”、“温度”特征进入相关频域带,启动中度预警，预测故障15天内发生；在前7天又监测到三个特征分别都进入相关频域带，启动强报警，预测故障7天内发生，进入检修决策，并生成检修包。

但是，李葆文坦率地说，BDBM现阶段还是理论模型，需要企业去实践。有一些企业仅仅做了一点初步尝试，这还远远不够。很期望有兴趣的企业率先吃这个螃蟹，也愿意帮助企业去实现这一最前沿的维护管理模式。可以预见，未来BDBM将是“设备维护2025”的核心，这一天一定会到来，只是时间早晚而已。

BDBM投入运营也面临一些现实问题。李葆文展望，BDBM的一个难点是现有数据如何转化为设备劣化趋势的研究，需要设备工程师和数据工程师的紧密结合，并进行反复测试、验证、纠错；另外，就是如何挑选能够真正反映设备劣化的特征值并设计合理的阈值频域陷阱，这会涉及到风险管理的概念和一些智能算法；再其次就是检修包的构成设计，以设备劣化的精准预测为依据，才能有恰当精准的检修包结构生成，涉及人机料法环信等要素。智能维护不会天上掉馅饼，这些工作虽然十分艰难，也要努力突破。否则，未来的精准维护、智能维护只是空谈而已。

李葆文坦陈，BDBM尚处于原型设计阶段，谈不上成果。然而，在未来无人化工厂、智能工厂、黑灯工厂的大趋势下，其必要性不言而喻。企业有经济实力，上智能硬件相对容易，不要光急急忙忙地上了智能制造设备，却忘记了它们的维护体系设计，这也许比上硬件设备更艰难、更重要。否则，一旦智能设备投入运行，设备问题会让企业措手不及、无以应对。BDBM将是解决这些问题的必由之路。