1、工业APP实现数据驱动下的设备管理全面创新01.可靠性与维修性基础与设备前期管理02.智能维修辅助-数据驱动设备管理03.智能运维应用案例分享AgendaCONTENTS目录Part 1 Part 2Part 3 01可靠性与维修性基础与设备前期管理1.1 故障停机分析时间分析可靠性与维修性-围绕停机的时间分析总停机时间维修时间供应延误维修延误接近诊断更换或修理验证和校准构成构成范围范围管理延误时间管理延误时间、生产或采购时间生产或采购时间、故障件修复时间故障件修复时间、运输时间运输时间。广度库存备件的品种深度某种备件的数量时间点可能发生于维修周期的初始阶段、也可能发生在故障部件后需其更换的时

2、刻。供应延误：供应延误系获得维修所需备件而耗损的全部时间供应延误维修资源维修资源人员人员、测试设备测试设备、保障设备保障设备、工具工具、技术手册或其他技术资料技术手册或其他技术资料。维修设施维修车间的服务区或固定的试验台等。维修通道实施和完成维修工作所需除备件以外的其他维修资源和设施。维修延误：供应延误系由于等待维修资源或维修设施所花费的时间，包括管理（通知）时间和运输时间维修延误固有维修时间：固有维修时间系接近、诊断、修理或更换、验证和校准等子任务持续时间的总和。接接近近抵达并得到故障产品所需时间抵达并得到故障产品所需时间，如拆卸面板或盖子所花费的时间如拆卸面板或盖子所花费的时间。诊断确定故

3、障原因所需的原因，也称为故障隔离时间。修理或更换完成恢复功能所花费的时间。验证和校准对已经修复的故障进行确认和核对，包括动平衡，对中、校正等，从而确保故障单元已恢复到可工作状态。固有维修时间1.2 维修性与可靠性设计维修性与可靠性 车间级由设备的使用操作人员和所属产线的保障人员进行维修的机构，只限定较短时间能完成的简单维修工作，配备有限的保障设备和人员。企业级比车间级有较高的维修能力(有数量较多和能力较强的人员及保障设备)，承担基层级所不能完成的维修工作，分为企业级MRO社区和社会化MRO社区。专业级具有更高修理能力的维修机构，包括装备制造厂家、专业性的维修机构，涵盖预测性故障诊断、可靠性修复

4、、专项维修、专项改造等内容，属于企业级和车间级维修的补充、指导。维修级别故障隔离与诊断故障排除形式要求手动诊断需要反复测试才能找到故障。诊断过程需要用到仪表、示波器、量规、测试设备或技术图纸，通常通过排除法实现故障隔离。自动诊断通常将故障件从系统上拆卸下来，接到系统上，执行一个或多个诊断程序来隔离故障。也可通过离线或在线的传感器，实现故障的提前隔离。自诊断系统一旦出现故障就会转换到诊断模式，识别并隔离故障部件。通常需要机内测试或机内测试设备。模块化和可达性可靠性内容考虑方面零部件和材料选择拉伸试验、硬度、冲击韧性、蠕变。降额针对电子产品，电压或额定电流值设计得高于实际值。应力强度分析包括电应力

5、、热应力、机械应力和化学应力。设计时应充分考虑安全裕量。复杂性和技术在复杂设备设计考虑时，部件数量是10个时，如果系统的可靠度是0.99,则部件的可靠度需要达到0.999。冗余设计部件会有多个故障模式确定时，冗余是唯一的选择。在设计时，应权衡部件成本、系统尺寸和重量的增加，以及对维修和预防性维修的增加（因为需要维修的是两个或多个部件，而不只是一个）。1.3 可用度指标与前期管理设备管理关键指标-“可用度”可用度(availability)：度量系统性能好坏的指标，反映了在长期运行的情况下，系统处在正常状态的概率，是衡量设备管理水平的核心指标之一。如何在设备规划前期确定可用度案例案例一：购买前评

6、价案例二：购买后评价某企业通过维修记录统计，获取到不同设备、不同零部件的使用寿命（MTBF),以此获得不同供应商的供给质量，作为判定合格供应商的依据。02智能维修辅助-数据驱动设备管理2.1 设备管理指标体系从设备的故障机理说起 异常应力：通常是由外部或环境因素造成的，也有可能是内部电源浪涌引发的。机械应力：例如持续的振动、共振造成设备的松动。污染：污垢和灰尘造成的电子故障，油液污染造成的机械磨损、振动及故障；蒸发：灯丝的老化是由分子蒸发造成的；疲劳：材料的物理变化会导致断裂，比如皮带。摩擦：传送带、齿轮和一般性机械故障的普遍原因，通常与不良润滑有关。温度循环：反复的膨胀或收缩会使材料变得脆弱

7、。老化和磨损：这不是主要原因，但反映了其他原因的长期效应。不合格或缺陷的零部件：这反映了制造过程的质量控制水平低下。操作或维修引起的错误：人为失误造成的故障。腐蚀：这是使材料变得脆弱的化学变化。数字运维有效产出价值模型TOC约束性理论和作业线类型与有效产出指标原材料成品在制品库存 运营费用 有效产出 服务型制造离散作业线流水作业线流程作业线订单延误 OEE/OPE 数字制造&智能制造事故停机0OEE（设备综合效率）与OPE（整体工厂效率）OEE1时间开动率性能开动率直通率OPE1设计者绩效管理者绩效操纵者绩效OEE2/OPE2（有效生产时间/实际生产时间）（标准单件工时全部生产数量）/有效生产

8、时间）（合格品数实际生产时间）OEE3/OPE3(标准单件工时合格品数)/实际生产时间（合格品数标准小时产量）/实际生产时间真正赚钱时间/实际生产时间如何识别和提升可用度 停机不停产 停产停机 可用度提升方向 离散作业线离散作业线 非瓶颈环节或有备用设备 影响订单计划执行的故障 快速维修 瓶颈工序考虑增加备用设备 强化预防性和预测性维修 流水作业线流水作业线 有缓冲环节或在线备用设备 断料、操作及设备故障造成停线时间 快速维修 瓶颈工序考虑增加备用设备 强化预防性和预测性维修 流程作业线流程作业线 有备用设备时 造成质量、安全和停产事故的故障 快速维修 强化预防性和预测性维修 2.2 数字运维

9、下的设备管理能力提升数字运维基本逻辑与可靠性&维修性工程理论供应延误维修延误接近诊断更换或修理验证和校准总停机时间维修时间停机事故停机事件预测性维修预防性维修维修性可靠性被动维修主动维修日/周/月检查专业检测运维数据识别物联网自诊断定时更换部件定期润滑定期清理定频率更换部件紧急工单冗余工单异常触发工单定期触发工单动态工单执行时间去哪儿了，事后维修通道与可靠性&维修性工程理论（MTTR)供应延误维修延误接近诊断更换或修理验证和校准总停机时间维修时间报修、响应调度.协作AI作业辅助维修验证备件供应维修分类停产停机不停产停机紧急维修冗余维修主动性维修通道与可靠性&维修性工程理论(MTBF）供应延误维

10、修延误接近诊断更换或修理验证和校准总停机时间维修时间预测性维修通道手动诊断专业日检/周检专业定期检查AI诊断辅助状态诊断辅助深度AI诊断辅助工业物联网接入自动诊断委外精密诊断自诊断自主日检/周检日处理计划周处理计划月处理计划年处理计划区域巡回检查虚拟缺陷库批处理缺陷库执行记录验证关闭预防性维修通道周期性预防工单数字运维人工智能维修作业辅助传统维修管理：生产人员生产班长维修班长维修人员历史维修记录数字运维管理：报告故障反馈通知查找生产人员扫码报修修复建议人工智能维修辅助系统维修人员AI微信小程序维修APP报修终端维修终端数据驱动决策的运维体验数字运维决策看板维修绩效考核看板数字运维人工智能设备故

11、障实时在线监控和语音播报人工智能算法自动对故障现象进行识别并语音播报，同时动态展示所有产线的实时性数据、异常性数据、计划性数据，并提供了故障响应和维修超时的智能预警提醒。数字运维设备维护维修工作执行情况一目了然预防性维修通道（事前预防）预测性维修通道（事中控制）事后维修通道（事后修复）对设备维修、点检过程实现了全生命周期管控，并通过各种统计分析指标直观地展现了完成效果和预防维修比例，从而帮助决策管理人员有效评估设备部门工作成效。数字运维设备管理部门工作成效可以用简单直观的数值衡量评估生产保障能力评估组织调度水平评估知识技能水平通过设备故障率、MTBF平均故障间隔时间、MRT平均维修响应时间、M

12、TTR平均故障修复时间等关键决策指标智能分析和展示设备管理工作成效。评估故障爆发趋势数字运维自动统计分析设备全生命周期维修维护成本反应设备现状、标准合理性、员工执行力、备件成本/质量、人力成本、稼动能力数字运维扫一扫二维码更知道设备全生命周期所有信息数字运维设备维修人员工作绩效直观评价人员工作绩效客观真实反映，大数据分析系统按周期自动分析汇总每个人的工作工时、工作负荷程度，并反映出事前预防、事中控制、事后修复比例等。数字运维条件下的运维决策和组织能力构建维修费用可用度MTBFMTTR库存预防性维修执行率维修质量预测性/点检执行点检执行率隐患和缺陷发现数隐患消缺率维修技能维修组织能力耗费性故障重

13、复性故障维修时间长偶发性故障备件消耗规律供应制约影响运维能力指标运维行为指标运维改善指标运维业绩指标03智能运维应用案例分享案例1：东风本田汽车零部件有限公司东风与本田合资的企业，成立于1994年12月，本田在亚洲最大的零部件生产基地，国产和进口数控机床、机器人共1800台，员工3000人。企业概况设备点巡检工单全部是纸质的，异常信息难以第一时间知道。3班倒24小时连续不断生产，设备不坏就不会报修，坏了又直接影响生产，预防维修比例严重不足。ERP存在大量数据录入工作，且无法精准追踪备件消耗情况。面临挑战通过微信小程序实现无纸化点巡检，将所有操作人员变成活得“传感器”、第一时间采集异常数据通过工

14、业APP自动采集故障时间、故障现象、故障原因、处置对策、备件更换，实现设备指标数字化和备件请购自动化。解决方案大幅降低事后维修故障，事后维修比例从导入时的80%下降到60%大幅降低紧急备件采购比例，紧急备件采购从70%降低到10%成效总结案例2：嘉陵-本田发动机有限公司嘉陵工业与本田技研共同投资组建的中日合资企业，公司成立于1993年1月，国产和数控机床725台，员工2500人。企业概况设备数据统计口径不一致，在设备管理指标上，设备部门和生产部门经常扯皮，只要产能有问题就是怪设备故障问题。公司成立20多年，设备维修人员换了几拨，人被挖走了，知识也带走了。面临挑战设备运维数据自动采集并智能统计分析管理指标，在设备部门和生产部门安装可视化系统，确保数据透明、共享。利用人工智能自然语言处理技术自动识别设备重复故障，只要一个人修理过就可实现真正的知识经验共享。解决方案采用MTBF、MTTR、设备可用度来评价保障能力，基本杜绝扯皮现象。历史维修记录变成了企业价值资产，平均故障修复时间从121分钟下降到80分钟/单。成效总结我们已服务于几十家顶部生产制造型企业多 谢