基于大数据的设备管理模式探索

俞键

摘 要：德国制造业是世界上最具竞争力的制造业之一，2013年4月份，德国政府在汉诺威工业博览会上正式提出“工业4.0”的概念，其主要目的是为了提高德国工业的竞争力，而紧随其后，中国政府提出了“中国制造2025”的发展战略，而许多行业也将“智能工厂”的建设纳入到了企业的发展规划中[1]。智能工厂的建设需要依托大量的信息，也就是大数据技术，大数据技术在近几年来发展迅速，尤其是在消费互联网中起到了极为重要的作用，同样，在智能工厂的建设中所起到的作用也愈发凸显。

国家十三五以来，生产制造企业紧跟智能工厂的发展思路，不断推进“信息化”和“工业化”的深度融合，最终要实现产品智能化、生产柔性化、管理精益化、供应链集成化、决策科学化、人员发展持续化的目标。近几年，大数据技术的崛起，对众多制造业企业、服务型企业的发展起到了重要的推动作用，毫无疑问，大数据技术也将对公司未来的设备管理方面带来一些变革，那么如何将大数据技术和设备管理工作有机结合是我们需要深度探索的重要方向。

一、固有的设备管理模式

固有的设备管理模式的核心是：设备点检、保养和维修，同时也是工作量最大的部分。要制定合理的设备点检、保养和维修方面的计划，并进行定期检修，才能尽可能优化设备管理质量，节省企业资本。目前，很多工厂现在仍保持着人工录入数据，跟踪设备状态信息，并且数据分析仍然停留在一个较为粗浅的阶段，工作任务分配较为不科学。

该模式下，人工录入数据出错概率较大，无法保证数据的高真实性，设备故障信息描述的理解也是因人而异，无法最大程度还原现场，任务分配需要人为分配，这也需要经历较长时间，不仅浪费了时间，还影响了检修效率，如果因为检修不及时造成了设备大面积故障，更是造成了巨大的经济损失。因此，现代大型制造业企业应当建立一套集设备数据采集、分析一体，可以实时汇报设备生命周期状态并进行故障预警的平台。

二、基于大数据的设备管理系统模式

1、系统性策划的设备全寿命周期模型

系统设计基于已进行系统梳理的设备流程架构和设备运维管理制度的基础上开展的，通过设备运维信息化系统的设计和运行，实现设备管理组织内部高效协同、目标一致，管理方法明确，管理要求统一。基于PDCA闭环管理模式，确保制度规范常态化执行将设备保养、润滑、点检、预防维修等定期任务的要求进行电子化。将任务计划的周期时间、人员、作业过程、故障反馈等规范化要求纳入系统进行管理。

2、以工单跟踪流程模型为基础，适应各种不同的业务类型

根据工厂各个车间的设备类型不同，组织形式也有所不同，根据这种现状，设计时对业务工作的共性和个性特点进行分析。建立适合各车间的工单跟踪流程模型，在此模型上，可通过配置为不同工单类型单独设置管理要求。

3、生产过程中数据实时化

在生产过程中，通过工业控制网络及信息化网络采集各个设备及生产线实时生产状态、关键环节报警信息，对生产过程全过程实时监控，状态秒级刷新[2]。以企业月度经济运行分析为基础，从产量、产值、质量、设备、消耗等多个维度对企业生产运营进行对比分析和趋势分析，为企业经济运行分析提供第一手数据支撑，大大缩减了工作量，提高效率的同时节约了成本。

4、设备故障预警

对部分高速旋转设备来说，我们不单单需要采集如电流、电压、转速等直接相关的数据进行分析，进入到大数据时代后，我们还需要将更多直接或者间接相关的因素考虑在内，如：环境温湿度、振动頻率、润滑油温度、设备运行音频数据等等，大数据分析需要考虑到诸多其他因素对设备的影响。

5、数据应用模型建立

结合实际业务的开展情况，通过聚类分析、回归分析、购物篮分析及决策分析等大数据挖掘方法对数据进行分析，建立设备健康指数模型并及时进行设备预警，制定易损件更换周期策略、预测性维护措施或者预测性维修机制。同时，对一段时间的数据分析，还有助于我们开展针对性的设备项修或者大修，制定项修、大修策略。

伴随着信息化技术的发展，人们进入大数据时代后也应该具备信息化思维能力，通过信息化思维改变大家的生活及工作方式，提升生活品质及提升工作效率。“信息化”和“工业化”的深度融合需要工厂从数据采集转变成为数据应用，如何挖掘工厂设备数据的价值是做好设备管理工作的关键，大数据可以帮助我们创新设备管理模式、提升设备综合利用率、帮助企业提效降本，为智能制造奠定设备管理上的基础，大数据也可以为企业管理和发展提供依据，因此大数据技术必定成为未来大国工业技术竞争的重点与焦点[3]。

参考文献：

[1] 佚名.工业4.0时代的智慧工厂有多完美？[J].智慧工厂，2018，（05）：24-25.

[2] 于艳华，宋美娜.大数据（3）[J].中兴通讯技术，2013，19（03）：57-62.

[3] 孙柏林.未来智能装备制造业发展趋势述评[J].自动化仪表，2013，34（1）：1-5.