设备管理的四个层面

前言

工厂的核心业务是生产，生产管理的重点之一是设备。设备是工艺的体现，是生产订单的最基础执行单元，是产品质量的关键影响因素。

同时设备本身的高货值，以及其所需的加工件、原材料的成本，进一步增加了设备管理工作的责任与挑战。

设备管理的四个层面

金融资产管理

设备对企业具体来说是金融资产，紧紧围绕着设备的组织工作主要就包括订货管理、合同管理、分销商管理、金融资产造册管理。

借助于 RFID、二维码、固定金融资产管理控制系统，设备管理人员能努力做到账实相符合、金融资产明晰、领取科学规范；依照分销商的情形，还会进一步与此同时实现设备指南、设备设计图的格尼兹管理。

机械故障修理

总体组织工作的特征是如前所述机械故障来驱动力管理，好处是修理的中国经济效率高，而遭遇的考验是主要就组织工作商业模式是机械故障事前修理，生产遭遇拖移的信用风险和付出。

借助于信息技术方式，设备修理人员能一定程度上提高修理效率，主要就包括：

扫描设备上的二维码，快速查看相关技术指南、修理记录、备件情形；

借助于远程视频通信，让分销商的技术专家和厂内的技术专家一起参与到机械故障的诊断和修理策略的制定；设备管理

报修的及时化、准确化、实景化；

修理记录的持久化、可追溯、准确化。

预防性维护

随着设备使用时长，设备管理重点项目逐渐转移到平均无机械故障时间，即 MTBF。

平均无机械故障时间就是指在规定的条件下和规定的时间，产品的寿命单位总数与机械故障总数之比；或者说，平均无机械故障组织工作时间是可修复产品在相邻两次机械故障之间组织工作时间的数学期望值，即在每两次相邻机械故障之间的组织工作时间的平均值，用MTBF表示，它相当于产品的组织工作时间与这段时间内产品机械故障数之比。

设备管理从事前修理转移到事前的主动维护，主要就包括点检、巡检等。

TPM设备保全管理控制系统

预测性维护

预测性维护

预防性维护主要就如前所述经验，存在过度维护的可能，与此同时缺少量化导致维护管理缺少数据支持和决策依据。

预测性维护则是借助于传感器、物联网、5G、大数据、人工智能等数字技术，将模糊的设备状态与此同时实现在线化、精确化、实时化、持久化、远程化，与此同时实现机械故障的诊断、使用寿命的预测、备件需求的预测。

预测性维护的考验在于设备数据的冗杂、负载的随机性、小数据与大数据并存等，但一旦建成将极大的提高设备的可用性、降低设备维护生产成本。