本文发表于2019年5月《中国植物工程》杂志。
原标题:装备管理2025:为制造强国的实现保驾护航
“大而不强”是现阶段中国制造业的标签。经过几十年的发展，我国制造业已建成完整、自主、完整的工业体系，但与世界先进国家相比，在自主创新能力、资源利用效率、产业结构水平、信息化程度、质量效益等方面存在明显差距。
但是，制造业是国民经济的主体，是立国之本，强国之基。经济史表明，没有强大的制造业，经济繁荣就会失去基础。因此，“中国制造2025”已经成为一项重要的国家战略。
“‘中国制造2025’的目标是实现从制造大国到制造强国的历史性跨越。这个目标应该通过两化融合来实现，也就是党的十八大提出了用信息化和工业化深度融合引领和带动整个制造业发展的思想。”国际维修协会IMA创始人之一、中国分会主席李保文说。
作为一个从事装备管理研究几十年、在于本发表专著30篇的知名专家，李保文深知建设制造强国与装备管理的因果关系——再先进的机器也离不开维护、检修和管理，“中国制造2025”必须有先进的装备管理支撑。为此，李保文提出了“设备管理2025”的新概念。
李保文作为从事设备管理研究数十年并在《于本》发表专著30篇的知名专家，深知制造强国的实现与设备管理之间的因果关系。
“中国制造2025”必须与先进的装备管理相匹配。
“‘中国制造2025’提出后，我一直在思考装备维修未来的发展趋势。我参考德国提出工业4.0后国际制造业的变化，国际设备管理的新趋势，以及中国制造业和设备管理的现实，提出了‘设备维护2025’的新概念。如果说‘中国制造2025’的核心是智能生产、智能物流、智能维修驱动的话，‘装备维修2025’主要是智能维修的拓展，是‘中国制造2025’的配套服务。”李玉文说。
李保文在调研中发现，在很多企业中，先进的设备与落后的检修队伍和技术之间的矛盾非常尖锐。企业设备管理问题突出:资产实时信息更新滞后，账实不符，无法共享；资产管理薄弱，缺乏技术档案；方案的制定缺乏依据和方法，方案考虑不全面；计划执行不到位，随意性大，计划监管缺失；有流程不按流程走，凭经验工作，违规操作随处可见；缺乏人员技能和设备控制能力；知识形成孤岛，无法共享；纸质记录不容易保存、统计和出错；缺乏用于维护的统计分析，重复故障耗费大量时间；备件库存不断增加，周转周期过长，维修不能满足的现象依然出现；技术重于经济，维护成本居高不下；无法形成有效的决策依据，设备采购、成本预算全凭经验；有各种各样的安全规章制度，但安全事故层出不穷...各种问题的存在表明，企业设备管理系统升级迫在眉睫。《装备维修2025》的现实意义也在于此。
李保文对“设备维修2025”的定义是适应“中国制造2025”，将人、机、网相互连接，充分利用AI技术和现代科技研究成果，实现企业人机系统价值最大化，管理设备全生命周期。
“‘装备维修2025’主要有三个特点:一是人机网互联；二是人工智能AI技术的应用；三是生命周期管理，即LCM，包括成本管理和风险管理。通过‘装备维修2025’，保障智能制造装备安全、稳定、长周期、满负荷、高质量、高效率、柔性化、低成本运行。”李保文说。
《装备维修2025》需要创新思路，稳步推进。
“设备维修2025”是对传统设备管理理念和模式的创新。从理论提出到实施需要一个过程，需要满足一些现实条件，包括打破一些阻力。李保文认为，全面实施“设备维护2025”面临三大挑战。
第一，企业高层观念的变化。很多企业高管需要系统全面的思考，需要未雨绸缪。不要只想到智能制造而忽视智能维修。
第二是人才的准备。未来，先进的设备与落后的设备管理、诊断和维修队伍之间的矛盾日益突出。企业要有远见，要有相应的政策和激励措施，重视这方面人才的储备、培养和引进，在未来的竞争中占据制高点。
第三，引进必要的硬件和软件。欲善其事，必先利其器。监测工具及其软硬件的引入对于故障预测是必不可少的，忽视这方面的投入是达不到目的的。
为了保证“装备维修2025”的稳步推进，李保文为企业实施“装备维修2025”设计了四个步骤:一是企业运营自动化和管理流程标准化；第二，预知设备状态和精益维修系统；第三，数字化的运营信息和可测量的维护绩效；第四，系统运行智能化，维护精准。这四个步骤不能省略和交叉。
“‘装备维修2025’要从基础做起。首先要按照中国设备管理协会2017年6月1日颁布的《设备管理系统要求》标准，建设自己的设备管理系统。其次是结合企业设备实际，在设备状态预测的条件下，设计符合精益原则的设备管理系统的流程和方法。此外，在状态数字化的前提下，设计了可测量的维修绩效评估体系，使维修方向可控，可自由伸缩。最后，在系统智能运行的环境下，维护准确有效。”李保文说。
建立基于大数据的设备维修新体系。
高质量的设备维护必须保证维护的准确性。精准的前提是充分掌握信息，大数据成为精准维护的前提。基于这一逻辑，李保文建立了BDBM模型。
BDBM是一种基于大数据的新型设备维护系统。“BDBM是我在2018年比利时安特卫普举行的EFNMS欧盟国际会议和2018年埃及开罗举行的海湾地区运维国际会议上提出的新概念。是基于大数据的维护策略。”
李保文解释说，近年来，世界上有许多关于大数据的概念。在设备维修领域，有人提出故障模式驱动维修，有人提出精确维修，还有人提出虚拟传感器的概念。很多企业在引入状态监测时往往会考虑ROI的问题，往往有大量的数据没有被挖掘利用，比如DCS控制系统数据、PLC、SCADA、能源监测、环境监测数据等。这些数据集中在工艺、质量等主要功能领域，间接反映了设备性能的劣化，但企业忽视了对其在这方面功能的挖掘和利用。这其实就是虚拟传感器的概念。“因此，我认为我们应该首先利用好这些数据。当这些数据不足以反映设备的退化时，我们将考虑进口国的监测和其他手段。通过大量反映故障趋势的数据，利用故障模式驱动的概念预测故障趋势，经过不断的自我学习和修正，最终可以生成包含6W2H1S元素的维修包，实现精准维修。”
例如，系统监测相关特征参数，发现“流量”特征在30天前进入其频域，启动轻度预警，预测故障将在30天内发生。后来发现15天前“流量”和“温度”特征进入相关频域，启动中度预警，预测15天内失效。在之前的7天内，检测到三个特征分别进入相关频域频段，启动强告警，预测7天内故障的发生，进入维修决策，生成维修包。
不过，李保文坦言，现阶段BDBM还是一个理论模型，需要企业去实践。有些企业只是做了初步的尝试，远远不够。希望有兴趣的企业带头吃这个螃蟹，愿意帮助企业实现这种前沿的维护管理模式。可以预见，未来BDBM将是“装备维修2025”的核心，这一天一定会到来，只是早晚而已。
BDBM在投入运行时也面临一些实际问题。李保文预计，BDBM的难点之一是如何将现有数据转化为设备劣化趋势，这需要设备工程师和数据工程师紧密结合，反复测试、验证和纠错。另外就是如何选取能够真实反映设备劣化的特征值，设计合理的阈值频域陷阱，这就涉及到风险管理的概念和一些智能算法；其次，维修包的组件设计，基于对设备劣化的准确预测，可以有一个合适的、准确的维修包结构生成，涉及人机材料方法、环境信息等因素。智力的维护不会从天上掉下来。虽然这些任务很艰巨，但我们必须努力突破。否则未来的精准维护和智能维护都只是空说说而已。
李保文坦言，BDBM还在原型设计阶段，还谈不上结果。但在未来无人化工厂、智能工厂、黑光工厂的大趋势下，其必要性不言而喻。企业有经济实力，安装智能硬件相对容易。不要急于安装智能制造设备，而忘记他们的维护系统设计，这可能比硬件设备更难，更重要。否则，一旦智能设备投入运行，设备问题就会让企业措手不及，无法应对。BDBM将是解决这些问题的唯一途径。
本文转载自《中国植物工程》杂志。
