基于成本管理视角下的数控机床运行监测维护研究

祝铭，刘亚南

（北京理工大学珠海学院，广东珠海 519088）

1 文献综述

随着高新技术的不断发展与进步，社会生产活动从简单手工制作向高科技方向发展，在现代科学技术的推动下，各种类型的机器人和数控机床向高智能方向发展。相关学者认为，数控机床（Computer Numerical Control Machine Tool，简称CNC Machine Tool）是装备制造业的基础，是提升制造产业水平的关键设备[1-8]。数控机床的应用能力与应用技术水平，实际反映出一个国家制造业的现状与发展能力。

企业在生产运行过程中，通过有效的设备维护、保养，延长使用寿命、降低故障风险，是体现企业生产运行管理能力的重要方法之一。制定和实施有效的设备运行管理措施，是企业减少成本与经费支出、提高经营效益的核心任务。相关学者认为，在成本考核中企业要重点关注生产、产品质量、维修与检测等环节存在的问题与风险，只有将岗位责任与激励相结合，才能形成企业的竞争优势[9-11]。企业成本管理的核心是整合设计、生产、物流和技术，利用企业的成本优势寻求更多的竞争优势。企业在运行过程中，要重点考虑人力成本投入的相关因素，在全面预算的基础上，充分把握不确定的市场因素，以有效降低企业内部运营成本为原则，提高企业盈利能力。

武耀罡等认为，飞机的维修成本直接影响航空公司的盈利情况，而过度地控制成本，又会导致不确定因素与风险的发生，通过在维修中对人的相关因素的分析，是控制成本的重要方法[12]。王航提出建立在线监测与故障诊断系统[13]。万珊提出故障预测预警设想、故障维修决策与评价、专家系统和职能维护等方面的服务能力与监控标准体系，是有效消除故障、减少损失、节约成本的重要途经[14]。

2 数控机床的监测维护路径

企业对运行中的数控机床实施跟踪，是维持企业正常生产秩序的重要路径，是提高生产效率、降低成本最有效的方法之一，生产一线的员工对数控机床的保养和维护可以采用经验法则展开，该方法对应中医“望、闻、问、切”的理论体系。通过应用智能监测设备与人工辅助的方式来共同完成对数控机床作业状态下的监测与风险防范。

①对数控机床运行状态的监测。数控机床运行状态下的监测，是指通过安装合适的智能传感器来实时地对运行的数控机床进行监控，从而获取运行状态下数控机床动态变化的参数值。在这一过程中，数控机床的操作人员和维修保养人员会根据自己的工作经验，获取数控机床的温度、内部声响、运转速度、操作精度等方面的内容，同时，结合智能监控设备的参数值作出正常与异常的判断。这实际上就是中医的“望”的诊断方法，通过对数控机床的外表状态进行巡视，对数控机床是否正常进行有效判断。②对数控机床故障的诊断。当数控机床出现明显的不正常状态时，就需要立即停机进行故障诊断，获取故障的准确信息。就故障诊断工作而言，这是一项基于知识集合的整体活动，需要由经验丰富的技术人员完成，特别是该行业中的相关专家组成诊断专家小组，通过集合机、电、液、气等跨领域的软硬件等方面的知识能力，对数控机床的故障作出正确的诊断，找出真实的故障原因，进而达到事倍功半的效果。这一过程就是“闻”的过程，通过对内部结构、多层次的机理“号脉”，判断数控机床存在的故障因素以及发生故障的具体情况。③对数控机床运行状态的预测。此项工作是根据一段时间内数控机床自身智能监测设备所获知的监测参数，确定数控机床的运行状态的规律性，进而能够有效预知运行中的设备会在何时发生何种故障，进而提前做好更换相关部件的准备工作，如铣床、车床和钻床刀具的磨损与更换。这一过程需要大量的数据进行支撑，同时，需要对运行规律建立相应的模型，以此验证所获得参数的有效性。这一过程实际上就是中医的“问”的理论应用。④对数控机床维修的一体化决策。根据获得的监测参数值和专家提供的意见，对数控机床实施对应的维修和养护措施。这一过程就是中医的“切”的过程，即通过有效的判断，给出维修预案，对可能需要投入的成本与人力资源以及可能对产量的影响等相关因素作出决策，确保数控机床的故障能够得到有效解决。⑤数控机床维修项目类别。有关学者从不同的角度对维修服务知识体系进行了相关分类，其中，部分学者认为应该将数控机床故障体系分为故障现象和故障原因知识两个大类，根据故障现象将故障来源分为电气部件、机械部件和质量反馈结构3 个主要层次。根据故障原因，需要对电气特性、机械特性、规程特性和自然磨损特性进行诊断。

维修服务的关键业务环节包括维修成本决策、确定维修对象、确定机床状态、维修策略制定、维修结论确定、制定维修工单、维修资源分配等内容。

3 数控机床监测维护能力与成本关系分析

本研究获得了A 大学机械自动化精工实验中心“数控机床教学和操作”教员的大力支持与帮助。本文基于中医理论中“望、闻、问、切”的原理，就实际工作中技工如何结合智能监测数据和个人经验，对设备进行有效维护与精准故障判断，进而降低设备故障发生概率、减少维护成本，在A 大学机械自动化精工实验中心发放了500 份调查问卷，获得435 份有效问卷，并以此数据为基础，对维修成本决策、确定维修对象、确定机床状态、维修策略制定、维修结论确定、制定维修工单、维修资源分配等因素进行分析。

3.1 样本信度与效度分析

如表1 和表2所示，根据本文建立的调查问卷内容可知，KMO 是Kaiser-Meyer-Olkin 的取样适当性量数，KMO测度的值越高，表明变量间的共同因子越多，研究数据适合用因子分析。通常按照以下标准解释该值的大小：KMO 测度值在0.9 以上为非常好，0.8~0.9 为好，0.7~0.8 为一般，0.6~0.7 为差，0.5~0.6 为很差。如果KMO 测度值低于0.5，需要增加样本量。本文KMO 的测度值为0.945，表明适合做因子分析。巴特利特球度检验（Bartlett）的目的是检验相关矩阵是否是单位矩阵，如果是单位矩阵，则认为因子模型不适合。通常，显著性水平值越小（＜0.05），表明原始变量间可能存在有意义的关系，适合做因子分析。在本文中，Bartlett球形检验卡方值为7 527.795，自由度为435，显著性ρ=0.000＜0.05，满足了显著性的要求，说明通过调查问卷获得样本数据的质量适合做因子分析。

表2 可靠性统计

同时，克隆巴赫Alpha（信度）系数分析是最常用的信度评估工具之一，其依据一定公式测验内部的一致性，作为信度指标。通常，该系数越高，说明所使用工具的信度越高。基于统计分析可知，本问卷基于标准化项的克隆巴赫Alpha=0.960，证明调查问卷的设计质量能够满足研究需要。

KMO 取样适切性量数0.945巴特利特球形度检验近似卡方7 527.795自由度435显著性0.000

3.2 维修成本决策与相关因素分析

在主成分分析结构矩阵中获得变量归集，构建企业针对数控机床的维修成本、所提供的维修经费与维修活动之间的依存关系（如表3所示），并根据表3 的各项指标进行多变量实验设计，进而在内部财务管理体系和设备运维过程中充分地展示有效的成本控制和管理对企业盈利能力的影响。

表3 主成分指标体系

根据表4 多变量检验的内容可知，确定维修对象、制定维修工单、分配维修资源、领用维修材料、确定机床状态的比莱轨迹显著性Sig.=0.000＜α=0.05，说明企业内部的技工在对数控机床进行维护时，其规范的操作流程和其所拥有的能力，对企业在设备维修过程中的成本管理具有显著的影响能力。但从构建的多变量的检验模型中可以看出，员工工作年限的比莱轨迹显著性Sig.=0.422＞α=0.05，说明员工工作年限对企业进行维修成本决策和投入维修经费的影响力不显著。

表4 多变量检验a

根据表5 的分析可以得知因变量维修成本决策、提供维修经费与各自变量的关系。在计算过程中，自变量确定维修对象的显著性Sig.=0.535＞α=0.05，分配维修资源的显著性Sig.=0.709＞α=0.05，工作年限的显著性Sig.=0.278＞α=0.05，说明这3 个自变量对因变量维修成本决策没有显著性影响。这说明企业在日常生产运行中是按照预算管理制度准备维修基金的。自变量确定机床状态的显著性Sig.=0.613＞α=0.05，工作年限的Sig.=0.461＞α=0.05，说明这两个自变量对因变量提供维修经费的影响不显著。

表5 主体间效应检验

维修成本决策的R2=0.550，提供维修经费的R2=0.703，说明因变量维修成本决策、提供维修经费与各自变量之间存在线性关系。进一步说明，企业在生产运行中通过推行精细化管理手段，对数控机床等设备进行维护、保养、检测及维修，是降低生产运行成本的最佳手段，也是从精益化管理中提升经济效益的有效路径。

4 研究建议

在现代工业制造企业中，数控机床已经成为企业发展的重要动能。针对其在生产运行中可能出现的故障，首先，要通过激励机制，提高员工的工作积极性，进而构建故障预防、保养与维修的路径；其次，推动落实员工的学习机制，提升核心员工的忠诚度，为核心员工提供持续学习的机会，让核心员工在掌握新的技能的条件下，运用员工自己的经验——“望、闻、问、切”，将其与数控机床的智能自检数据相结合，高效率地对数控机床进行运行监测、问题诊断、综合数据剖析，有效地降低事故与故障发生的概率，最大限度地减少企业运行维护成本，提高运行效率，增强企业的盈利能力。