江阴市甲乙三环保设备有限公司

在“液下泵”浪潮下，中国制造业正在大力推进工业互联网建设，工厂自动化突飞猛进，现代化设备正在向大型化、高速化、自动化、智能化迈进。

但与设备智能化的发展历程相比，企业设备管理能力略显滞后。虽然大多数企业花费巨资购买和使用先进设备，但由于对设备维护的精细化管理重视不够，设备非正常?；那榭鍪庇蟹⑸?，造成不必要的损失。正因为如此，如何提高设备管理能力是当今制造业面临的重要问题和挑战。

问题1:重硬件轻软件

大多数企业在采购新设备时，只注重硬件的验收和交接，忽略了软件系统的运行、维护和服务标准，没有明确要求设备厂商提供数据采集接口和定义设备数据所有权。

但实际上，嵌入式软件、人机界面、数据监控都是智能设备的重要组成部分，也属于设备管理的范畴。结合现场实际，设备数据采集受制于工业现场协议众多、原厂未开不支持、数据未确认等诸多原因。设备数据采集仍是制造生产现场数字化推进的zhongdian和难点。

提示:

企业在升级设备的同时，也要注意软件系统的配置。因此，企业应考虑在设备采购中提前在条款中加入相关要求，为日后设备明细数据的收集和工艺质量的分析优化做好准备。

问题2:生产zui重要，不坏也不修。

大多数企业把生产放在diyi位，只要设备还能运转，就不会停产，导致设备维修的时间和资金投入严重不足。原因是企业没有从工厂角度衡量设备?；鹗?。如果在设备故障初期进行维护，损失和投入成本要比?；蟮奈ば〉枚?。

提示:

我们可以通过新技术分析积累的基础数据，评估设备的健康状况，提前对设备进行维护，大大降低维护成本。AM系统能够准确、快速地判断设备的健康状态和故障症状产生的原因，辅助设备工程师诊断故障，进而促进设备维护管理进入良性循环。

问题3:完全依赖预测性维护，忽略了企业的实际问题。

预测性维护一直是工业互联网的热门话题，很多工厂期望对潜在的设备故障给出“预测性维护”的充分分析。

事实上，预测性维护的落地比预期的要困难。一是由于很多企业缺乏基础数据的积累，如设备维修、故障分析记录分散在纸面或表格上，缺乏数字化的文件，维修数据、备件更换记录、故障修复数据，包括设备故障特征数据，都没有形成结构化的积累，没有大量的数据支撑很难实现建模；二是很多企业单纯依靠数据分析，忽视了设备工程师的专业知识和过往经验。

提示:

因此，我们建议，首先，企业要重视基础数字化建设，如设备数字化档案、基础维护、维修订单等。二是要清晰地结合经验和数据进行建模。模型的输出是辅助人员维护和维修设备，zui后需要交给人判断。

通过采集设备运行的数据和状态，AM显著减少了传统管理中依赖人工采集、统计和分析带来的误差，使企业的设备管理更加信息化、合理化和gaoxiao化。利用机器学习、数字孪生等技术，预测未来设备的异常情况，实现设备的预测性维护，从而提高设备的综合性能。

因此，要提高设备管理能力，需要管理者率先认识到设备是制造业核心竞争力的基础，积ji改变传统的设备管理和运营模式，向数字化、智能化发展，从而有效提升企业竞争力。