您好、欢迎来到现金彩票网!
当前位置:手机棋牌游戏平台 > 维修策略 >

智能化条件下的维修知识重用与技能培养

发布时间:2019-06-16 18:41 来源:未知 编辑:admin

  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。

  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glass 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。

  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。

  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 cant measure it, you cant 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。

  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。

  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。

  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。

  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。

http://lake-macquarie.com/weixiucelue/255.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有