隨著設備自動化、數字化水平的提高，工廠亟需提升設備管理能力。在智能制造的浪潮下，制造業也正在積極轉型，自動化、數字化、智能化水平大大提高。但是，多數制造企業雖然花費巨資上馬了非常先進的設備，但設備管理維護、人員知識結構仍停留在較低水平：數采基本靠筆，處理基本靠人，分析基本靠猜(經驗)。可以說是買來了工業4.0的設備，卻延續著工業2.0的管理。
【康沃真空網】從設備資產效益產出角度看，我國制造業的設備綜合效率的提升空間巨大。據統計，我國大部分離散制造業的OEE在40%左右，距離發達國家至少還有30%-40%的提升空間。同時，很多企業對設備維護和保養的精細化管理不夠重視，造成異常停機和備件浪費等隱性損失。在當前疫情沖擊、全球化局勢不確定性進一步增加的形勢下，提升設備管理水平可以為企業的生存發展，提升競爭力帶來寶貴的機會。
如何構建面向新型設備的管理能力，是當前我國制造業面臨的一個問題和挑戰。為此，我們總結了制造業企業存在的5大誤區，并給出了對應的策略建議，希望可以幫助企業少走一些彎路。
大部分企業新建工廠或者新購買的設備，只重視硬件的驗收交接，忽視了軟件系統的運行、維護、服務標準，沒有明確要求設備廠商提供數據采集接口和定義設備數據所有權。
根據相關數據統計，目前我國企業生產設備的數字化率平均為47%，關鍵工藝的數控化率51%，關鍵設備聯網率41%。嵌入式軟件、人機界面、數據監測模型、管理平臺都是智能設備的重要組成部分，也都應當是設備管理的范疇。設備數據采集受制于工業現場協議眾多、原廠不開放不支持、設備數據不確權等原因，設備數采仍然是生產現場數字化推進中最大的痛點之一。
●設備管理經歷了四個發展歷程●
從1.0的糾正性維護(CM)，
2.0預防性維護(PM)、
3.0的可靠性維護(RCM)、
4.0的預測性維護(PHM)，本質上是以設備健康管理（EHM：EquitmentHealth Mangment）為中心，從“治已病”到“防未病”的進化過程。通過EHM，設備健康狀態不再是簡單地劃分為正常、異常。
我們可以通過新技術、新工具，分析積累的基礎數據，評估出設備的亞健康狀態，提前維護，大大減少設備維護成本。配備帶有振動傳感器的智能點檢儀，就像給醫生配了“智能聽診器”一樣，通過數秒的監測振動，結合內置的頻譜分析模型，就可以準確、快速地判斷出設備健康狀態、故障征兆原因，對設備工程師故障診斷起到重要輔助作用。這樣，設備管理人員的職責從原來的壞了再修，轉向如何保障設備健康運行的專業維保維護工作，進入良性循環。
雖然TPM已經推行了多年，但許多管理者觀念和行動上，還是認為設備出了問題，就是設備部的事情，導致生產部門對設備的故障不關心，對影響產量、質量的設備維護不重視。設備維護工程師也往往因為地位低、薪酬低，自嘲為看門狗和替罪羊：節假日，別人可以休息，他們卻不能離開，因為這正是維修設備的好時機；凡是出了問題，無論是設備停機，生產停產，還是質量事故，都會與設備相關，設備人員幾乎永遠是背鍋俠。
設備部成了優秀人才最不愿意去的地方這種惡性循環現象需要生產管理者身體力行，樹立正確的設備管理理念，構建生產為主體的全員自主維保體系。只有生產部門管理者重視起來了，生產設備操作者才會改變對設備漠不關心的態度，才能有效進行設備保養。這個光靠設備部是玩不轉的。
零故障是不可實現的，企業在遇到困難需要削減成本時，很多情況是拿設備維修費用開刀，甚至提出讓維修預算每年遞減百分之幾的目標。從傳統財務角度看，設備維修資金一般被定義為成本和費用。其實早在30年前，德國召開歐洲維修團體聯盟國際會議時，就提出“維修——為了未來的投資“的主題。作為投資，就需要有清晰的投入產出。維修的投入是設備日常維護所投入的人工費、各類防護費、備件費，以及設備管理系統的投資。產出是什么呢？是避免由于設備維護不足、設備管理不善，帶來的設備停機、精度或者質量缺陷帶來的損失。如果對這些損失的價值誤判，則容易扼殺設備維護技術和管理體系的改善性投入。
降低設備停機1小時的價值，僅僅是這1小時涉及到的員工的人工成本。設備停機一小時的損失，要從工廠視角端去衡量整體，這里面其實包括了產能損失的機會成本，即1小時的產品產值損失，才是這個工廠真正的損失。這樣算下來，工廠許多可以改善停機、改善浪費、現場精益類的小改小革的項目，都可以進行開展，能激發起基層員工的創新積極性，也確實能給工廠帶來實實在在的效益。
在實際操作中還存在一個問題，就是備件的更換，很大程度上掌握在維修工手上，存在著許多“人為掌握”更換的因素。維修人員大都靠經驗判別備件損壞程度，對懷疑有故障的零部件，通常為了減少麻煩，即使還可以用也會更換成新的，導致產生過度維護的隱性浪費。這塊隱形的損失，如果通過構建更精準的備件壽命管理，可以轉變成“利潤”。
設備維護工作由過去強調為生產服務，追求較高的設備完好率指標轉變到以企業的經濟效益為中心，要求設備管理工作重視維修費用的管理與控制，找到以最少的維修費用達到最高的設備可利用率的平衡點。企業高層管理者應當從“投資”的角度認識維修和設備管理，實現轉變設備管理理念。
預測性維護的落地比預想中困難，是因為企圖單純依賴數據提取可解釋的工業機理邏輯，難度遠超想象。
●主要有兩個原因●
1 許多企業的基礎數據還缺乏積累
比如設備基本的巡點檢、維護保養、故障分析記錄，都還是散落在各種紙張、Excel中，設備缺乏數字化檔案，基本維護保養數據、備件更換記錄、故障和修理數據，包括設備的故障特征數據還沒有結構化的積累，就不可能實現模型的訓練和驗證；
2 許多廠商企圖單純依賴數據分析路徑而忽略了設備工程師現有專業知識和經驗的融入
光靠數學和AI算法容易走入統計陷阱，只是得到了相關性，不容易得出可解釋、可預測的因果性模型。所以我們建議工廠一是要重視設備數字化檔案、基礎維護、維修工單、故障樹等這些基本數字化能力的建設。二是針對重點的高價值、停機高損失設備，將經驗模型和數據模型結合建模，而且模型的輸出，目的是起到輔助人員維護維修的作用，最后還是需要交給人來綜合判斷。
