浅谈使用大数据对汽车厂设备维修成本的控制

王海平

（1.浙江大学工程师学院，浙江杭州 310015；2.沃尔沃汽车（中国）投资有限公司台州路桥分公司，浙江台州 318057）

0 引言

《中国制造2025》发展战略已明确将智能制造作为研究的方向，制造业的装备技术将迈向智能和互联的方向，从精细化向智能化转型发展。近年来，随着大数据及其相关技术的不断成熟，其应用范围逐步从互联网服务领域拓展到工业生产领域。目前自动化设备已成为制造业未来发展的主流，如何保证自动化设备运行的可靠性及减少设备运行维护成本是设备日常管理和控制的一个难题。目前的控制方式主要是依靠对数据的采样实现对数据进行分析控制，这种单一方式只能识别一些显形设备的维修成本，对设备维修的隐形成本存在极大的盲区，不能快速捕捉。结合大数据思维和设备维修成本控制经验，对比传统控制方式和大数据控制方式对汽车厂自动化设备维修成本的控制，介绍了自动化设备维护成本的分类和定义，以及使用大数据思维对汽车自动化设备维修成本控制的便利性及影响。

1 传统的设备维修成本介绍及控制方式

1.1 设备维修成本介绍

汽车自动化设备维修成本主要分为设备故障维修成本、设备维护保养成本、设备备品备件成本及设备维修工时成本等。

1.1.1 设备故障维修成本

设备故障维修成本是在日常生产过程中由于设备出现异常等原因导致生产线停线而产生的成本损失（设备故障维修成本一般从设备交付后开始算起）。设备故障维修成本随着维修时间长短而变，维修用的时间越长，导致的最终损失就越高。设备故障维修成本往往在新设备交付后3个月内成本相对较高，主要是前期设备调试原因引起，这个阶段也是设备管理打基础的阶段。设备交付3个月后，设备故障维修成本会有下降趋势，直至趋近稳定的波动状态为止。

设备故障维修成本的控制企业主要是通过设定设备KPI（Key Performance Indicator，关键绩效指标）指标来控制设备故障的发生，进而控制相应的设备故障维修成本。设备故障的发生往往是有一个过程的，对于目前汽车厂自动化程度较高的设备来说，设备的集成度和控制水平往往较高，依靠设备人员的经验进行分析控制，其中有80 %以上的设备故障是不能被发现的，存在潜在的隐患。这种控制方式具有一定的局限性，主要通过分析已发生的设备故障而采取措施进行控制，对潜在的设备故障控制仍采用人工进行控制。随着设备自动化水平的提高，很多设备故障的发生形式是多种因素导致的一种现象，依靠人工分析管理难度越来越大。

1.1.2 设备维护保养成本

设备维护保养成本是为了预防设备故障的发生而提前对设备实施检查、维护及更换备件等产生的成本。设备维护保养成本受设备人员的维护保养经验影响较大，随着设备维护保养工作量的增多，相应的维护成本增加。

设备维修保养成本的控制是依据设备年度检修保养计划进行实施的，年度维护保养计划是设备人员根据当年的生产计划方针提前策划的计划活动。维护保养计划的制定受设备管理人员的经验影响较大，很难做到完善。设备维护保养的标准制定得过高，会带来设备过分保养的情况，同时也会带来极大的浪费，如：设备备件未达到磨损更换时间，提前对备件实施更换，就会带来浪费。如果设备维护保养标准制定得过低，会由于设备保养工作不够充分而发生设备故障。因此设备维护保养计划应制定得合理，才能保证设备运行的可靠性和合理的维护成本。

1.1.3 设备备品备件成本

设备备品备件成本主要分为两种方式：一种是有形的成本，主要是设备预防维护或出现异常情况消耗的备品备件的成本，这是必要的消耗计划成本；另一种是无形成本，主要是为了保证设备运行可靠性提前储备的备品备件在储备期间需要进行维护带来的维护成本。

设备备品备件成本的控制需要将设备故障管理和设备预防维护的管理相结合，结合现场设备管理的需求，提前采购储备设备备件。随着备品备件的库存量增多，相应的维护成本也会不断增加。备件的库存本来就是一种资源浪费，因此，在设备管理期间要精准定位管理，尽可能地减少设备库存，提高设备备件管理的周转率。

1.1.4 设备维修工时成本

设备维修工时成本是在设备维修和维护活动中投入的人力成本。如何在维修活动中安排合理的必要的人员参与其中，需要大量的数据进行支持。设备维修工时需要综合考虑设备维修人员的经验和设备维修工作的难易程度来确定。

1.2 设备维修成本的控制

1.2.1 设备维修成本分析

目前设备维修成本分析主要分为4个步骤：收集数据、分析原因、对策控制、输出结果等。每个科目控制之间独立进行分析，然后再综合起来进行分析，整个过程都是通过人为中心进行实施的，具体见表1。

表1 设备维修成本控制分析Table 1 Analysis of equipment maintenance cost control

1.2.2 传统设备维修成本控制现状

目前企业对设备维修成本的控制采用人工分析为主，系统分析为辅，控制方式多采用人工数据分析为主，依赖分析人员的管理经验进行分析控制，只能对已发生的设备维修成本进行控制，对未发生的潜在隐患带来的维修成本无法实现预测控制。目前的设备维修成本的控制往往对单一项目的维修成本现象背后的因果关系进行分析，采集的样本数据也是有限的。这种分析方式采用有限的样本数据无法反映出整个事物之间的普遍性的相关关系。

传统的设备维修成本控制由于收集的样本信息量比较少，所以必须确保采集记录下来的数据尽量结构化、精确化，否则分析得出的结论不能支持整体的设备维修成本数据。

2 大数据思维的引入对设备维修成本的控制

2.1 大数据概念介绍

随着互联网技术的快速发展和革新，尤其是数据的挖掘及应用，大数据正在各行业和领域快速蔓延，大数据正在改变人类固有的知识体系和思维模式，大数据可以看成是一种数据，也可以是一种技术；既可以看成是一种应用，也可以看成是一种思维。目前汽车制造业依靠大数据进行管理和分析正在变革的路上，使用大数据进行监控和管理已是必然的发展趋势。

大数据控制设备维修成本的方式主要是整合企业目前所有的资源，建立模块化通信平台，在设备基础运行阶段就开始采集收集设备基础运行数据，通过大数据技术挖掘出维修成本之间隐蔽的相关关系，获得更多的数据信息去提前捕捉和分析当前的现状，同时可以实现对未来趋势的预测。大数据管理公司内部数据，需要实现公司层级、车间层级、控制层级及设备层级等四层级数据的相互采集和应用。要想实现大数据精准分析和控制设备的维修成本，需要持续不断地进行资源整合，数据维护和开发创新等。

2.1.1 资源整合

充分整合现有企业资源计划（ERP）、制造执行系统（MES）及数字化设备管理系统等，通过建立和完善设备状态监测和数据信息采集系统，做好设备的运行数据、状态数据、检修保养数据等基础数据的采集与分析。设备运行基础数据采集是大数据系统的基础。随着对基础数据的收集、存储和分析，可以更加方便、快捷、动态地获得和研究对象有关的所有数据，相应思维方式也从样本思维转向总体思维，从而能够更加全面系统地进行数据采集分析，不再受以往主要依靠采样数据获取信息的限制，可以实时获得与分析更多的数据，而不再依赖于采样，从而可以带来更全面的认识和细节信息。通过资源整合，可以整合内部各系统的数据，统一数据规则，实现信息的采集和共享，从而能够更加全面、立体、系统地认识总体状况，这就是大数据思维带来的好处。

2.1.2 数据维护

在整合资源时，对各设备系统需要统一数据规则，要有效解决因设备不能通讯和通信协议不兼容等造成的数据不匹配、不互认等传输问题。要定期对设备系统数据进行优化，解决设备传输速度慢或通讯不畅的问题。要建立设备数据维护标准和机制，努力推进大数据的应用，只有通过实际应用才能发挥其价值。

2.1.3 开发创新

随着大数据及其相关技术的不断成熟，其应用范围逐步从互联网服务领域拓展到工业生产领域。对设备运行数据的分析、建模和仿真，是研究的重点和难点，也是实现智能管控的前提条件。只要进一步树立“大数据思维”，围绕“提质控本增效”这个中心任务，创新探索，就一定能推动设备管理的全面提升，更好地支撑行业高质量发展。不断提高机器的自动化、智能化水平始终是人类社会长期不懈的努力方向。通过资源整合，可以实现若干小数据汇集成大数据，为提升机器智能带来契机，大数据将有效推进机器思维方式由自然思维向智能思维转变，这才是大数据思维转变的核心内容。

2.2 大数据在设备维修成本控制中的应用

将所有采集的数据在系统中进行关联，通过采用大数据分析可以实现对故障数据的监控及分析，实现设备维修保养计划与设备运行时间相结合，提前预测分析设备具体的维护时间，制定合理的维护实施计划。利用大数据将设备维修成本、设备维修保养成本、设备备品备件成本和设备维修工时成本等与设备基层运行情况相关联起来，过程中采用传感器技术、设备监测装置等将底层设备运行数据和状态数据采集到系统中，通过大数据将设备故障管理、设备维护保养和设备备品备件消耗相结合，提前预测设备备件需要更换的时间，帮助管理人员进行预判和分析，实现对管理工作的精准定位和分析。大数据控制流程图如图1所示。

图1 大数据控制维修成本流程Figure 1 Big data control maintenance cost process

2.3 大数据控制维修成本与传统模式控制维修成本的对比

不断提高设备的自动化、智能化水平始终是人类不懈努力的方向，计算机的出现推动了自动化控制、人工智能等新技术的发展。越来越多的新设备的自动化和智能化水平不断提升，设备的运行主要依靠各种参数进行控制，仅依靠简单的对设备故障的统计分析，已经不可能实现对设备维修管理的精准控制。传统模式控制维修成本的思维方式属于线性、简单的自然思维，而大数据的引入为设备维修成本的控制分析带来了希望和转机，将有效改进传统思维方式的弊端。通过大数据控制设备的维修成本，可以对所有影响维修成本的数据进行跟踪分析，实现数据共享，同时改变了以往依靠经验分析判断事物的状况，提升数据分析的智能化和智慧化，具体对比详见表2。

表2 传统控制方式与大数据控制方式的对比Table 2 Comparison of traditional control method and big data control method

3 结语

近年来，自动化设备的控制越来越依赖信息技术，大数据技术的快速发展深刻改变了人们对传统模式下设备控制和思维的方式。使用大数据能够改变以往仅使用采样的方式分析设备故障和维修成本，可以获得与分析更多的设备控制和运行数据，甚至是与之相关的所有数据和参数，而不再依赖于采样的方式来分析设备的相关性能等，从而可以更全面地了解设备控制原理和控制方式，更清楚地发现样本无法揭示的细节信息。大数据时代，随着数据收集、存储、分析技术的突破性发展，可以更加方便、快捷、动态地获得设备有关的所有数据。相应地，可以在今后的设备日常管理中发挥越来越重要的作用，如：对设备故障分析，可以实现对某一个设备故障的异常进行跟踪，查找设备异常的真因。对机器人喷涂油漆浪费的控制，可以利用数据跟踪机器人的喷涂过程，分析油漆的利用率等。