助力企业数字化转型

文/王海涛 张凯禹

如今，企业数字化转型正开展得如火如荼，尤其在智能制造企业中，全自动生产线设备开始大量应用数字技术，用以提升企业核心竞争力。标准数字化作为企业数字化转型的一个环节，已经发挥出重要的技术支撑作用。

感知信息物理系统

在智能制造企业中，全自动生产线设备的使用频率要远高于普通人工生产线，发生故障的可能性也相对较高。然而，对大多数企业来说，设备管理工作通常会出现一类通病（见图1），影响企业正常生产效率。依托数字技术加持的标准化理念，打造全新的设备管理体系，也成为企业数字化转型的一部分。

图1 设备管理存在的问题

在常用的智能制造企业信息物理系统（CPS）架构中，设备数据采集被形象地比作感知，工作人员将感知的数据进行标准指标比对和分析后，可实时监测设备运行状况、实现设备评价等，从而有利于设备管理工作的开展。

目前，现代化智能制造企业的设备数据采集量很庞大，一台设备一天被采集的数据量约为20 MB，一个大型工厂一天的数据量就可能有几十个GB，即使采用分布式数据库架构，也无法满足快速分析的需求。

为此，上汽集团云计算中心设计了TPM设备管理平台，将种类繁多的计算工具按照各自擅长的数据场景进行整合，如Kafka作为数据接入端，负责采集数据的接入，同时负责业务配置数据的更新输入；HBase负责将采集到的数据进行永久存储；Kylin提供标准的SQL查询功能等，此时可查询的标准文本，已经是数字形态，是整个数据库的一个组成部分。TPM设备管理平台摒弃了传统人工记录的管理方式，将管理过程的文档电子化，保障文档传递的准确性和安全性；将管理流程标准化，规范设备数据的采集、分析共享，充分挖掘设备数据价值，为设备管理提供决策支持，极大地提升了企业设备管理效率。

精准预测快速响应

上汽集团利用在行业内的庞大的设备种类和数量优势，采用机器传感器采集数据和设备维护记录相结合的方式，结合设备的机理模型和相关标准的数据指标，利用云计算中心强大的算力，对设备关键部位的使用寿命进行智能预测，在故障发生前主动采取上门巡检或者更换相关零部件的措施，以减少对应的宕机损失。

预测性维护可以帮助企业克服预防维护的盲目性。以前，企业都是采用定期维护方式，一方面维护检查的工作量比较大，但另一方面生产任务紧急，没有时间腾出设备去做一些预防性的保护。现在，企业可以根据不同的设备类型采用不同的算法模型，以标准化的过程指标和考核指标为依托，对设备不断横向对比分析和优化，提高设备的可用率，从而降低运行监测费用，提高经济效益。

设备维护的另一重要内容是快速响应。当生产设备异常时，现场工作人员可直接用微信小程序扫码，通知维修人员进行现场抢修，并留下维修记录，实现快速响应。对于一线工作人员来说，他们可以用语音和图片输入相关信息。系统通过云计算中心的自然语言处理以及图象识别技术，将现场的操作便捷化、人性化；对于维护保养人员来说，系统支持电话、短信、智能手环提示，他们不会错过重要信息。

数字决策一目了然

除了应用于数据采集流程管理和设备寿命使用预测，标准数字化还可应用于设备管理能力评价，帮助企业建立数字化决策和模型。

设备绩效管理模块主要是实现设备运行情况及其绩效情况的可视化管理，使设备管理的成效一目了然。首先，建立绩效评价指标库；其次，根据绩效评价指标从数据库中获取每台设备在每个指标下的数据，系统内嵌的绩效评价模型对数据进行分析、处理和计算；最后，在前端界面显示绩效评价的结果。

评价指标包括设备基础管理、设备维修管理、设备维护管理和设备成本管理4个一级指标，及其19个二级指标（见表1）。

表1 生产设备管理能力评价指标体系

结 语

企业数字化转型是建立在数字化转换和数字化升级基础上的高层次转型。将标准融入转型，可以使标准在众多自动化、智能化环节提供具体技术支撑，助力企业内部生产链条与设备维护高效协同、转型升级。