淺談使用大數據對汽車廠設備維修成本的控制

王海平

（1.浙江大學工程師學院，浙江杭州 310015；2.沃爾沃汽車（中國）投資有限公司臺州路橋分公司，浙江臺州 318057）

0 引言

《中國制造2025》發展戰略已明確將智能制造作為研究的方向，制造業的裝備技術將邁向智能和互聯的方向，從精細化向智能化轉型發展。近年來，隨著大數據及其相關技術的不斷成熟，其應用范圍逐步從互聯網服務領域拓展到工業生產領域。目前自動化設備已成為制造業未來發展的主流，如何保證自動化設備運行的可靠性及減少設備運行維護成本是設備日常管理和控制的一個難題。目前的控制方式主要是依靠對數據的采樣實現對數據進行分析控制，這種單一方式只能識別一些顯形設備的維修成本，對設備維修的隱形成本存在極大的盲區，不能快速捕捉。結合大數據思維和設備維修成本控制經驗，對比傳統控制方式和大數據控制方式對汽車廠自動化設備維修成本的控制，介紹了自動化設備維護成本的分類和定義，以及使用大數據思維對汽車自動化設備維修成本控制的便利性及影響。

1 傳統的設備維修成本介紹及控制方式

1.1 設備維修成本介紹

汽車自動化設備維修成本主要分為設備故障維修成本、設備維護保養成本、設備備品備件成本及設備維修工時成本等。

1.1.1 設備故障維修成本

設備故障維修成本是在日常生產過程中由于設備出現異常等原因導致生產線停線而產生的成本損失（設備故障維修成本一般從設備交付后開始算起）。設備故障維修成本隨著維修時間長短而變，維修用的時間越長，導致的最終損失就越高。設備故障維修成本往往在新設備交付后3個月內成本相對較高，主要是前期設備調試原因引起，這個階段也是設備管理打基礎的階段。設備交付3個月后，設備故障維修成本會有下降趨勢，直至趨近穩定的波動狀態為止。

設備故障維修成本的控制企業主要是通過設定設備KPI（Key Performance Indicator，關鍵績效指標）指標來控制設備故障的發生，進而控制相應的設備故障維修成本。設備故障的發生往往是有一個過程的，對于目前汽車廠自動化程度較高的設備來說，設備的集成度和控制水平往往較高，依靠設備人員的經驗進行分析控制，其中有80 %以上的設備故障是不能被發現的，存在潛在的隱患。這種控制方式具有一定的局限性，主要通過分析已發生的設備故障而采取措施進行控制，對潛在的設備故障控制仍采用人工進行控制。隨著設備自動化水平的提高，很多設備故障的發生形式是多種因素導致的一種現象，依靠人工分析管理難度越來越大。

1.1.2 設備維護保養成本

設備維護保養成本是為了預防設備故障的發生而提前對設備實施檢查、維護及更換備件等產生的成本。設備維護保養成本受設備人員的維護保養經驗影響較大，隨著設備維護保養工作量的增多，相應的維護成本增加。

設備維修保養成本的控制是依據設備年度檢修保養計劃進行實施的，年度維護保養計劃是設備人員根據當年的生產計劃方針提前策劃的計劃活動。維護保養計劃的制定受設備管理人員的經驗影響較大，很難做到完善。設備維護保養的標準制定得過高，會帶來設備過分保養的情況，同時也會帶來極大的浪費，如：設備備件未達到磨損更換時間，提前對備件實施更換，就會帶來浪費。如果設備維護保養標準制定得過低，會由于設備保養工作不夠充分而發生設備故障。因此設備維護保養計劃應制定得合理，才能保證設備運行的可靠性和合理的維護成本。

1.1.3 設備備品備件成本

設備備品備件成本主要分為兩種方式：一種是有形的成本，主要是設備預防維護或出現異常情況消耗的備品備件的成本，這是必要的消耗計劃成本；另一種是無形成本，主要是為了保證設備運行可靠性提前儲備的備品備件在儲備期間需要進行維護帶來的維護成本。

設備備品備件成本的控制需要將設備故障管理和設備預防維護的管理相結合，結合現場設備管理的需求，提前采購儲備設備備件。隨著備品備件的庫存量增多，相應的維護成本也會不斷增加。備件的庫存本來就是一種資源浪費，因此，在設備管理期間要精準定位管理，盡可能地減少設備庫存，提高設備備件管理的周轉率。

1.1.4 設備維修工時成本

設備維修工時成本是在設備維修和維護活動中投入的人力成本。如何在維修活動中安排合理的必要的人員參與其中，需要大量的數據進行支持。設備維修工時需要綜合考慮設備維修人員的經驗和設備維修工作的難易程度來確定。

1.2 設備維修成本的控制

1.2.1 設備維修成本分析

目前設備維修成本分析主要分為4個步驟：收集數據、分析原因、對策控制、輸出結果等。每個科目控制之間獨立進行分析，然后再綜合起來進行分析，整個過程都是通過人為中心進行實施的，具體見表1。

表1 設備維修成本控制分析Table 1 Analysis of equipment maintenance cost control

1.2.2 傳統設備維修成本控制現狀

目前企業對設備維修成本的控制采用人工分析為主，系統分析為輔，控制方式多采用人工數據分析為主，依賴分析人員的管理經驗進行分析控制，只能對已發生的設備維修成本進行控制，對未發生的潛在隱患帶來的維修成本無法實現預測控制。目前的設備維修成本的控制往往對單一項目的維修成本現象背后的因果關系進行分析，采集的樣本數據也是有限的。這種分析方式采用有限的樣本數據無法反映出整個事物之間的普遍性的相關關系。

傳統的設備維修成本控制由于收集的樣本信息量比較少，所以必須確保采集記錄下來的數據盡量結構化、精確化，否則分析得出的結論不能支持整體的設備維修成本數據。

2 大數據思維的引入對設備維修成本的控制

2.1 大數據概念介紹

隨著互聯網技術的快速發展和革新，尤其是數據的挖掘及應用，大數據正在各行業和領域快速蔓延，大數據正在改變人類固有的知識體系和思維模式，大數據可以看成是一種數據，也可以是一種技術；既可以看成是一種應用，也可以看成是一種思維。目前汽車制造業依靠大數據進行管理和分析正在變革的路上，使用大數據進行監控和管理已是必然的發展趨勢。

大數據控制設備維修成本的方式主要是整合企業目前所有的資源，建立模塊化通信平臺，在設備基礎運行階段就開始采集收集設備基礎運行數據，通過大數據技術挖掘出維修成本之間隱蔽的相關關系，獲得更多的數據信息去提前捕捉和分析當前的現狀，同時可以實現對未來趨勢的預測。大數據管理公司內部數據，需要實現公司層級、車間層級、控制層級及設備層級等四層級數據的相互采集和應用。要想實現大數據精準分析和控制設備的維修成本，需要持續不斷地進行資源整合，數據維護和開發創新等。

2.1.1 資源整合

充分整合現有企業資源計劃（ERP）、制造執行系統（MES）及數字化設備管理系統等，通過建立和完善設備狀態監測和數據信息采集系統，做好設備的運行數據、狀態數據、檢修保養數據等基礎數據的采集與分析。設備運行基礎數據采集是大數據系統的基礎。隨著對基礎數據的收集、存儲和分析，可以更加方便、快捷、動態地獲得和研究對象有關的所有數據，相應思維方式也從樣本思維轉向總體思維，從而能夠更加全面系統地進行數據采集分析，不再受以往主要依靠采樣數據獲取信息的限制，可以實時獲得與分析更多的數據，而不再依賴于采樣，從而可以帶來更全面的認識和細節信息。通過資源整合，可以整合內部各系統的數據，統一數據規則，實現信息的采集和共享，從而能夠更加全面、立體、系統地認識總體狀況，這就是大數據思維帶來的好處。

2.1.2 數據維護

在整合資源時，對各設備系統需要統一數據規則，要有效解決因設備不能通訊和通信協議不兼容等造成的數據不匹配、不互認等傳輸問題。要定期對設備系統數據進行優化，解決設備傳輸速度慢或通訊不暢的問題。要建立設備數據維護標準和機制，努力推進大數據的應用，只有通過實際應用才能發揮其價值。

2.1.3 開發創新

隨著大數據及其相關技術的不斷成熟，其應用范圍逐步從互聯網服務領域拓展到工業生產領域。對設備運行數據的分析、建模和仿真，是研究的重點和難點，也是實現智能管控的前提條件。只要進一步樹立“大數據思維”，圍繞“提質控本增效”這個中心任務，創新探索，就一定能推動設備管理的全面提升，更好地支撐行業高質量發展。不斷提高機器的自動化、智能化水平始終是人類社會長期不懈的努力方向。通過資源整合，可以實現若干小數據匯集成大數據，為提升機器智能帶來契機，大數據將有效推進機器思維方式由自然思維向智能思維轉變，這才是大數據思維轉變的核心內容。

2.2 大數據在設備維修成本控制中的應用

將所有采集的數據在系統中進行關聯，通過采用大數據分析可以實現對故障數據的監控及分析，實現設備維修保養計劃與設備運行時間相結合，提前預測分析設備具體的維護時間，制定合理的維護實施計劃。利用大數據將設備維修成本、設備維修保養成本、設備備品備件成本和設備維修工時成本等與設備基層運行情況相關聯起來，過程中采用傳感器技術、設備監測裝置等將底層設備運行數據和狀態數據采集到系統中，通過大數據將設備故障管理、設備維護保養和設備備品備件消耗相結合，提前預測設備備件需要更換的時間，幫助管理人員進行預判和分析，實現對管理工作的精準定位和分析。大數據控制流程圖如圖1所示。

圖1 大數據控制維修成本流程Figure 1 Big data control maintenance cost process

2.3 大數據控制維修成本與傳統模式控制維修成本的對比

不斷提高設備的自動化、智能化水平始終是人類不懈努力的方向，計算機的出現推動了自動化控制、人工智能等新技術的發展。越來越多的新設備的自動化和智能化水平不斷提升，設備的運行主要依靠各種參數進行控制，僅依靠簡單的對設備故障的統計分析，已經不可能實現對設備維修管理的精準控制。傳統模式控制維修成本的思維方式屬于線性、簡單的自然思維，而大數據的引入為設備維修成本的控制分析帶來了希望和轉機，將有效改進傳統思維方式的弊端。通過大數據控制設備的維修成本，可以對所有影響維修成本的數據進行跟蹤分析，實現數據共享，同時改變了以往依靠經驗分析判斷事物的狀況，提升數據分析的智能化和智慧化，具體對比詳見表2。

表2 傳統控制方式與大數據控制方式的對比Table 2 Comparison of traditional control method and big data control method

3 結語

近年來，自動化設備的控制越來越依賴信息技術，大數據技術的快速發展深刻改變了人們對傳統模式下設備控制和思維的方式。使用大數據能夠改變以往僅使用采樣的方式分析設備故障和維修成本，可以獲得與分析更多的設備控制和運行數據，甚至是與之相關的所有數據和參數，而不再依賴于采樣的方式來分析設備的相關性能等，從而可以更全面地了解設備控制原理和控制方式，更清楚地發現樣本無法揭示的細節信息。大數據時代，隨著數據收集、存儲、分析技術的突破性發展，可以更加方便、快捷、動態地獲得設備有關的所有數據。相應地，可以在今后的設備日常管理中發揮越來越重要的作用，如：對設備故障分析，可以實現對某一個設備故障的異常進行跟蹤，查找設備異常的真因。對機器人噴涂油漆浪費的控制，可以利用數據跟蹤機器人的噴涂過程，分析油漆的利用率等。