智能化条件下的维修知识重用与技能培养

在智能制造背景下，工业系统向更为复杂化、智能化方向发展。对于维修管理而言，维护维修的工作量、维修响应能力、系统可靠性和稳定性要求、维护人员综合技能要求、工业备件的供给效率和质量等都面临重大的挑战。

鉴于内部维修与外部工业服务现状，多数制造企业处于救火式的事后维修，设备隐患突出，这制约了工业转型的进程。工业互联网条件下，探索新的维修模式和服务形态，将成为当务之急。

1

智能化条件下的维修知识重用与技能培养

高技能维修人才短缺是工业领域较为突出的矛盾，在工业互联网背景下，人才争夺正成为趋势，这意味着工业企业招聘人才的成本陡然上升。为此，通过智能化手段，提升现有维修工人技能是非常迫切的需求，这包括：

1.基于故障记录的维修诊断辅助。重复性故障在维修作业中的占比普遍较高，但这些经验往往由个别业务专长较高的业务能手掌握，抑或由于人才流失，致使这些经验无法重用，造成维修资源的浪费和知识共享的缺乏。借助于人工智能技术的应用，根据故障描述与历史维修经验的查询匹配，大幅降低故障判断与处理方法引用，有效提升故障处理效率，实现维修知识共享和精准技能培训。

对于维修培训来说，面授培训和网络培训无法解决员工“学时不能用，用时不能学”和“遗忘曲线”的困境。无论是面授培训还是网络学习，都无法将理论和实践重叠，只要有时间上拖延和空间上阻隔就会导致知识的流失，这是人固有的遗忘曲线导致。

通过0glass AR 眼镜的辅助培训，可半自动生成实战型指引内容或课件，只需将图片或者视频进行简单编辑（拖动、旋转、标记一些简单工具或者符号），快速简单的就制作好了实用的课件，解放双手学习，学与用同时进行，培训效率大幅提升。

人工智能维修辅助

2.基于预测性维修的智能诊断辅助与远程运维支持。预测性维修是在故障早期发现设备隐患和缺陷，进而主动采取干预措施的维修策略，这将大幅减少非计划性停机，从而提高制造效率、降低维修成本，是工业互联网重要的应用场景。

预测性维修，也就是对人和物大数据的掌握。仅仅知道设备本身的磨损率、消耗率是远远不够的，我们还应该掌握影响设备的数据以及维护这个设备的数据等，这些足以说明科技发展的今天，只有掌握了这些所有的大数据之后，才可堪称其为真正意义上的大数据，才能做出实实在在的预测性维修。而0glass AR智能眼镜就能很好地做到这一点。不等出了问题再去解决问题，而是掌握了互联网和信息技术，同时又有大数据支撑，才可以做预测性运维。

受制于工业设备故障相关传感器普及率较低，这使得为预测性诊断成本极高。将传感器从诊断仪器中分离，采用智能传感单元＋工业APP的创新模式结合，不仅大幅降低预测性诊断成本，同时将云计算和智能应用高度融合，提高用户体验和智能诊断准确性。

结合AR智能眼镜的应用，构建成现场故障监测→云计算隐患排查→远程诊断报告→AR辅助现场故障排查与处理的预测性智能维修闭环。

预测性智能诊断＋AR远程维修协作系统

2

维修可视化-数据驱动下维修智能决策系统

管理学大师彼得德鲁克曾经说过“你如果无法度量它,就无法管理它”(“It you can’t measure it, you can’t manage it”)。现实中的大多数维修维护活动并没有准确量化，这是造成维修管理在企业活动中得不到有效重视，尽管设备人是专业填坑者，却依然充当背锅侠的尴尬角色。

维修管理的目的在于更快的维修效率（MTTR↓，平均故障修复时间越小越好）、更长的设备寿命（MTBF↑，平均故障间隔时间越大越好），为更好的体现设备的稳定性和可靠性，引进可用度(availability)非常必要，它反映了在长期运行的情况下，制造系统处在正常状态的概率。计算公式为：可用度（A）＝（MTBF/（MTBF＋MTTR））×100%。

在智能化条件下，建立目标导向的可视化系统，将有利于构建新的运维体系，实现：

1.维修维护动态监控可视化系统。设备停机时间进行科学的合理切分，并以维修APP为载体，实现从报修到开机验证的全过程管理，以此形成作业动态管理，包括报修延时、维修延时、人员去向动态等可视化看板系统。这有利于实现维修调度，维修作业动态管理，确保维护维修资源利用效率和质量。

故障停机时分析

2.维修智能决策可视化系统。以维修APP为基础的智能维修系统为基础，将有效统计出工业企业整体，部门和设备的可用度指标、主动性维修和事后维修相应比例关系、维修费用以及维修分析数据。讲实现：

A.维修价值度量。通过对比分析工厂整体可用度的变化趋势，维修费用下降趋势、维修库存下降趋势对比，以及事后维修工单的下降趋势、点检和预防性维修的执行情况分析，并对多发故障、长停机故障和高成本的故障针对性的分析。设备维修价值一目了然，这将从整体上说明维修管理对生产效率，企业盈利能力保障的表现，并识别出影响设备维修业绩的薄弱瓶颈环节，以实施针对性的业绩改善。

B.全员参与性度量。识别并对不同产线进行可用度的排序，这有效区分出不同产线的自主维护水平和能力，这对于实施TPM、精益生产的工业企业而言，将有效推动设备维护能力的全面提升。针对这些产线/部门实施奖励和针对性分析和能力提升活动，强化维修配合、自主点检和日常维护活动的落实，对于全面提升设备稳定性和可靠性、节约维护成本将具有深远的意义。

3.维修技能可视化系统。以维修APP为载体，有效衡量不同维修人员的工作量（工单执行的数量和时间）、工作效率（维修平均所花费的时间）、工作态度（派单响应时间）和工作业绩（维修维护责任区的可用度表现），将作为维修工人绩效和维修技能提升的依据，这对于企业整体的维修能力将有大幅的提升。

维修智能可视化决策系统

3

服务化-工业互联网条件下的维修模式变革

伴随工业设备的复杂化、智能化发展，维修维护的难度增大，企业维修力量已经不能满足全面的维修业务，维修的专业化分工成为必然趋势。这包括：

1.专业化的维修外协。比如IT逐渐成为制造系统的一部分，IT运维外协越来越普及。复杂设备受制于故障机理和维护难度，设备制造厂家开始承接这部分维修维护业务。值得注意的是，这部分业务由于牵扯到客户数据安全和成本考虑，并不会以工业物联网作为数据驱动。

2.非制造主体的运维托管业务。非生产主体的能源供给部分，这部分设备具有通用性特征，由于不涉及核心数据，且往往和环境、安全关联起来，越来越多的工业企业开始将能源供给（水、电、气、热、冷）托管给第三方管理。第三方服务企业，对日常运行、维修维护、设备改造等全方位专业管理，为追求利益的最大化和安全性考虑，基于物联网的应用较为普及，实现无人值守、虚拟巡检、预测性诊断等全方位的服务。但受制于服务半径限制，一般会在工业聚集的区域较为普及。

基于工业互联网的能源远程运维系统

3.维修外包作业形态。不难发现，许多企业的高技能的维修人才，流动性都很大，要么另谋高就，要么转而成为维修服务商，这对于企业提升维修综合能力并不是件好事。从历次的调研结果而言，外修外包正在成为趋势，通常包括：

A.大型企业的维修公司化。由于制造规模较大，容易形成新的维修业态，并能有效整合供应链资源，一般系由原有的设备主管部门或者供应部门成立工业服务公司。

其难点在于，受制于企业体制影响，很难开展内部的维修外包，即由工厂维修部门变更为维修项目组，抑或决策周期较长，短时间内新的模式不容易形成。

B.中小民营企业的外修外包形态。在制造业区域化集中的地区，适合以第三方工业服务平台开展维修外包业务，即以工厂现有的维修力量为主体，成为维修项目团队，并以平台实现业务调度、专家支持等业务。而对于本身维修力量较弱，由个人对公司业务的工业企业，可由平台实现服务共享为主体的虚拟维修外包。

其难点在于，受制于规模的限制，以及工业交易诚信体系的缺乏。通常需要由政策强有力的支持，借以解决规模化服务（智能服务条件下的供需匹配）、供应链创新（工业备件集采集供、工业服务共享）和金融产业化（工业品和工业服务交易诚信）的难题。

4

后记

设备维修管理模式创新迫在眉睫，是发展先进制造业，构建工业互联网条件下供给侧结构性改革的必由之路。