<mark id="oztn4"></mark>
0
| 本文作者： 李菁瑛 | 2020-08-17 16:50 | 專題：CCF-GAIR 2020 全球人工智能與機器人峰會 |
雷鋒網按：2020 年 8 月 7 日，全球人工智能和機器人峰會（CCF-GAIR 2020）正式開幕。CCF-GAIR 2020 峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）聯合承辦，鵬城實驗室、深圳市人工智能與機器人研究院協辦。
從 2016 年的學產結合，2017 年的產業落地，2018 年的垂直細分，2019 年的人工智能 40 周年，峰會一直致力于打造國內人工智能和機器人領域規模最大、規格最高、跨界最廣的學術、工業和投資平臺。
在GAIR大會的第三天下午，工業互聯網專場迎來了賽意信息副總裁、工業互聯網子公司總經理蔡勝龍，為大家帶來了精彩紛呈的演講。
蔡勝龍表示制造業數字化轉型是大勢所趨，并且當前的“疫情”再次將其推向“風口”，他首先指出了全面資產管理的重要性，設備的穩定運轉和高效協同將直接決定生產效率的高低；接著他剖析了資產管理管什么，如何管的問題，并提出了資產管理的五級成熟度模型，即被動維護、基于計劃維護、基于狀態維護、基于預測維護、基于規范維護五個成熟度級別。
最后他從賽意資產管理數字化的業務架構和技術架構出發，闡述了資產管理如何實現設備在線監測、檢修策略自動決策、模型驅動維保業務等數字化管理的流程。
以下為蔡勝龍的現場演講內容，雷鋒網作了不改變原意的編輯及整理：
我今天講的是“制造模式轉型下，資產如何管理”。對于工業企業來說，資產是非常重要的管理要素，管理資產還需要用人管，我今天想把設備和人的協同做串講。
我主要講四方面的內容：第一，資產管理的重要性，我在疫情期間和很多客戶打過交道，他們一直在問我，現在智能制造轉型，設備管理很重要，到底怎么重要？怎么跟老板說需要在這方面做投資？第二，到底應該怎么管，管什么？有沒有一個思維框架告知我，讓我思考，讓它有一個層級，如何從零開始或者從某個層級開始達到更高的目標；第三，我們的方案和給大家的借鑒和參考；第四，分享案例。
我們每天說數字化轉型，數字化轉型各種各樣，不同的企業、不同的行業、不同的企業不同的階段轉型的出發點都有所不同，有的搞商業模式轉型，有的做研發模式轉型，有的做服務模式轉型。我們的合作伙伴在2017年做的調查，調查了600位CIO，轉型占比最高的是制造模式轉型，將近60%，尤其是今年疫情，從春節后超過100場探討都在講怎么做產線自動化、怎么做示范工廠、怎么做無人工廠、怎么做少人工廠。
智能制造轉型做無人工廠、做柔性制造產線，依賴的都是設備，依賴的都是高度自動化的設備，而設備的穩定性和它的高效協同就是我們的生產效率。特別是現在在整個企業的生存環境下，未來整個價值鏈的增長過程中，把設備的效率提升到最大就可以做到最大化提升利潤率。當然，設備包含很多，可能一開始會關注重要的生產設備，也會關注平時的環境，不同的行業需要關心不同的環境。
怎么管資產？我從四方面考慮：
1、資產是否要分級管理，是不是都要用最嚴格的標準管好資產？這不現實，一定是區分對待。如果分級，什么樣的設備處于什么樣的級別對待？什么樣的設備什么時候可以升級？這是設備管理的維度。
2、如果要分級，怎么分級？級別在不同的設備或者不同的場景怎么應用？或者整個場景有什么特點或者優缺點？
3、現在的分級維護一定依賴不同的技術支撐，到底要用哪些技術來做技術支撐，需要花多少錢？什么時候做這個事情？到底是沉默的成本還是只是降費用還是做投資，角度不一樣。
4、考慮設備維護，資產管理到底怎么樣支撐企業整體的組織效率或者怎么提升組織效率，或者未來愿景是什么，要達到的目標是什么。這是管理的框架思維。
基于框架思維把資產管理的成熟度分為五級模型，考慮的維度主要是基于資產價值和對業務的影響。騰訊云趙建春總剛才提到，一個煤的機器停機一次，因為維護周期復雜，若停機8個月會損失5.9億，這就是資產價值和業務影響。
成熟度模型綜合考慮資產價值和業務影響，企業資產管理意識（從費用到投資），結合分級應用場景、收益、缺點、所需技術支撐四個方面，劃分了被動式維護、基于計劃維護、基于狀態維護、基于預測維護、基于規范維護五個成熟度級別。其具體情況為：
1、被動式維護。針對非關鍵資產，特點是使得維護費用最低，計劃外停機多，無需技術支持。有問題解決問題，好處是不用花錢，不用留人。壞處是如果出現問題會有些非計劃停機的損失，這個損失如果沒有測量過就沒有辦法計算。
2、基于計劃維護。針對主要生產設備，特點是可減少非計劃停機，延長MTBF，延長設備壽命；計劃停機時間多，成本增加；需遵循設備供應商維護手冊。我們往往有些重大設備，買了價值比較高的，我們會遵照供應商的維修保養手冊定期去做維護保養，像買車一樣，定多少公里換機油或者多少時間換機油，而壞處是導致我們產生額外的成本。
3、基于狀態維護。針對主要或關鍵生產設備，特點是可減少非計劃停機，延長MTBF，延長設備壽命；進行關鍵參數監測預警，資產狀態不全面，成本增加；手動或IOT數據。很多工業互聯網場景都講基于狀態維護，核心是增加基于特定狀態的監測去采集設備的健康狀態，去做下一步需要維護的工作。缺點是往往關注核心指標，不會做全面監測。數據的采集方式基于狀態，前面很多專家談到有各種各樣的技術，包括物聯網、AI和SaaS化、平臺化的軟件，甚至要更多移動化，有利于人機協同。基于狀態開始，我們把IoT技術投入地越來越廣泛。
4、基于預測維護。針對關鍵資產，特點是消除資源浪費，預警后需要解決知識沉淀，綜合數據實時監測。要知道什么時候會發生故障，如果要預判故障需要有更多的信息來支撐，所以我們去對數據的規范和檢測要求越來越高，投入的成本會相對比較大。
5、基于規范維護。針對將資產管理作為公司戰略，特點是自動化決策預防故障發生，維護知識、工作流程自動化；IOT/5G/AI集成技術應用。企業組織內部要把設備的管理從整個服務鏈條做協同，我們會接入更多的數據，包括備品、備件，財務、人員技能、供應鏈、ERP，成本的信息都會納入進來。資產的價值越高，業務影響越大，越會基于更高級的規范打通整個服務鏈條。
怎么用這個模型？現狀很骨感，我們做資產管理的時候發現很多無奈的地方。
一是有很多設備沒有辦法接入；
二是我的工廠變化非常大，我做這個設備介入的工作會疲于奔命；
三是沒有人幫我一起思考這個設備應該怎么管理，針對不同的設備以什么方式做，這都需要投入；
四是還有頻繁的變化，比如場外的市場配置，市場需求比較多，導致做資產管理很被動。
今天的現狀，我們會發現企業越來越主動思考問題，一是本身企業的利潤率的壓力比較大，在制造企業里面盈利能力都相對比較弱，在5%-10%的凈利點，往往希望通過智能化改造的方式保障設備更好的運營狀態去提升利用率。當然，還有產品交期的問題，現在特別是網紅帶貨對產品交期壓力特別大，壓力不能有任何交期的延緩，延緩交期就失去競爭力。現在智能化設備越來越高，如果不重視，它罷工的時候是很難處理的。當然還有不同行業對合規性的要求，也必須遵循這種規范，做更主動的維護。
成熟度模型最終的目標是怎么用它。執行不同成熟度級別的維護是取決于這個資產對我們的主營業務的關鍵程度，如果要把它做得更好可以從幾方面提升盈利能力：
一是通過更好的維護增強設備正常的運營時間，減少平均間隔的故障時間。
二是掌控它的來源，降低成本。
三是要降低其他的風險，包括法律風險，環保、安全的風險。
我們的數字化解決方案是希望做到人機協同的。首先，要提高管理的高效性，包括運行的可持續性以及資產分析的可視化和任務的可執行性。通過移動化去支持，隨時看工作記錄，通過人員監控保證它的執行性。通過在線監測讓人員基于預警和自動診斷觸發產生工單信息，并給出糾正措施。也可以通過整體的評估優化去找到更優的路徑。
從整個業務架構看，傳統的資產管理的流程從投資規劃到最后報修，更多是基于以設備為中心、以工單為主線做的用人工發起的流程驅動。
舉個例子，原來做EAM的時候要報廢一個資產，往往資產管理員在系統中提報一個報廢申請單，報廢申請單提到經理，經理打電話問為什么設備報廢？通過報廢情況的了解再確定是否報廢。如果是現在用新的資產管理的模式，我們改變的方式是以數據為中心，以人機協同為主線，以數據的自動化決策驅動業務。假設是報廢，同樣的流程報廢，報廢在新的流程中是基于以往監測的歷史數據，基于以往的巡檢數據，基于以往生產效率的數據，基于以往故障的數據來評估它的設備未來的價值以及可能需要維護的費用，去評估它的經濟效益，提出報廢申請的預警信息。如果資產管理員看到這個事情做人工確認。未來這個模型做得越來越精準的時候，完全不需要人工確認這個事情，這就是現在資產管理核心的差異點。
要做到這點有幾個步驟，一是增強IoT的監測能力；二是要有大量的計算能力，要有平臺做這個事情；三是要有知識圖譜的應用，需要把各種各樣跟設備相關的知識和數據集結起來形成業務策劃的規則，通過策劃的規則達到驅動業務的目的。
既然要通過數據驅動，數據怎么來不再多講。每個產品廠商和平臺廠商都應該提供數據接入能力，無論是智能化設備還是非智能化設備，智能化設備的連接都提供標準的網關做快速接入，非智能化設備，比如電機水泵通過外置傳感器做快速接入。
數據接入之后，在平臺中最核心的能力是建立業務模型和機理模型和計算模型，前面做工業互聯網場景的時候，往往只是做到判定故障的點，判定故障之后再做的事情是資產管理里面關注的重點任務。
建設模型的時候很重要的是后面處理的業務規則模型應該怎么建立，如果我發現一臺設備意外停機了，或者預判一臺設備一天之后要停機，這時候做什么動作、通知誰、帶什么器件，什么時候執行這個動作才能預防它明天這個問題的發生？以前做缺陷預警，不管了，按其他業務流程做。但是這是沒有做到真正的協同，沒有真正為企業解決問題。
從實施路徑看，我們會把業務的過程數據做分類，中間是模型的價值，中間藍色圈是把每類故障做了分類，每個分類會執行不同的動作，讓它驅動實際工作的開展，讓管理工作更有經濟效益和時效性。
在項目實施過程中收到非常多不同客戶的問題，你這是AI、人工智能，很厲害，是不是給你數據就可以把模型建立起來？要做什么事情就給我配好了？我說既能，也不能。
剛才用友楊寶剛總說過，模型有好幾種方式，一種是基于機理模型，一種是基于統計分析做的，還有一種是基于神經網絡做大量樣本數據做的。我們的企業要做這件事情的時候，它都希望有一定時間要達到一定效率。
所以我說能，是因為你給我更長的時間收集更多的樣本數據，我說不能，是因為我在這半年內達不到你的目標，所以我們還得老老實實來。從所有數據做數據分析，再做數據發現，再做原因的定位，最后提煉成知識，把知識變成模型驅動業務后續的開展。
每個企業里面都需要針對它的產品、它的設備去專門分門別類做流程的便利，每次都要做這個事，針對不同類型的設備都要做這個事情。有很多公司說我給你數據，其實真正落地的時候是沒有那么多數據的。剛才騰訊云趙建春總說做AI視覺識別的時候花一年多時間，那是很正常的時間。
針對一臺設備怎么樣做檢修策略？舉個電機的例子，電機不啟動是什么問題？形成故障結構樹，比如是沒電流，怎么會導致沒有電流？比如是馬達故障，有電流，它是繞組壞了還是點剎壞了，這里面的故障是基于機理模型建立起來的，基于故障樹要做在線監測，監測電機要監測電流或者監測振動，還有還可以關聯它的監控點的數據，包括業務數據，曾經怎么巡檢、點檢，后來發現什么缺陷，以前發生什么故障。
首先，要定故障樹、定結構，二是定監控對象，三是定規則，通過什么規則判斷它的故障，預判它未來發生的故障，基于這些東西才能做策劃。
策劃是要形成工單建議，建議的內容包括時間、頻次、標準、人員以及要準備的備品備件和要帶的器械。我只要把這個包帶出去，那我指定人員就可以快速執行。做了這個之后，不是一蹴而就，還要做優化，把整個策劃過程再次優化，循環優化、持續優化。
傳統的EAM和傳統的資產管理里面做得比較弱的是優化，因為他們缺少評估過程，往往看到它有一個策劃，有一個工單執行，也有包括知識庫、資源，但是缺了評估、缺了優化，比如一臺設備做了正常的潤滑，潤滑前后的可靠性評估、可維修性的評估、可用性評估、安全性維護，如果沒有評估，那么它是沒有辦法形成它的優化。
比如這個設備的維修優化，這次做潤滑之后，發現潤滑前和潤滑后的工作經濟性、振動的頻率、功率都發生了細微的變化，這種細微的變化對我們評估之后，未來對它后面優化的策略就可以形成具體指向性策略，反復把PDCA的閉環繞起來。以前通過人工做這種評估不可能，評估的維度也不夠全面，評估的數據太廣泛，通過新的架構和模式下能夠實現它的閉環。
最后，還是要技術架構支撐，以前很多軟件做不到是因為整個架構和現在的架構不一樣。以前的EAM系統或者是資產管理系統更多是以流程為中心，以操作為主，現在的系統是以數字為中心，以數字為中心就有不同的數據，來自IoT和其他業務應用系統。
我們在這么一個架構中會構建它以數據為中心的數據中臺去分析這些設備或者資產相關的所有數據，包括它的缺陷、檢修、點檢、預警以及工藝、標準相關的，包括經驗值相關的，會打造這些維度不同的數據，形成對外分享的數據服務。數據服務會支撐我們做設備的績效分析、健康分析和安全分析以及工藝分析。當然，數據中臺是要對這些數據做數據治理和管理，我們在PaaS中臺上建技術中臺的管理和數據資產管理的兩個通用技能模塊，這是技術夾層上的支撐作用。
我們做了內蒙古天陸實業的案例，內蒙古天陸實業是一家PVC地板的生產廠家，產品在多層卷材地板方面國領先。地板生產是個典型的流程制造，從混料開始到成品養生的生產過程中，各關鍵工序的溫度、油壓和電機運轉是影響產品生產效率和質量的關鍵。
在這個項目中客戶提出了包括：規范化資產管理流程、清晰化設備臺賬、透明化維護維修過程、可視化關鍵工藝/設備實時狀態、提前預警，降低設備非計劃停機時間、沉淀維修維護知識等項目需求和目標。賽意信息團隊通過項目實施為天陸實業實現了在線監測包括245個溫度監控、237臺電機電流的監控和52個油壓監控，確保關鍵工序設備的健康運行同時也做了兩臺計米器的數據采取，用于精準核算單產品成本。實施部署了包括資產管理、計劃維護、故障管理、工單管理、數字儀表6大模塊，最終實現降低80%的非計劃停機時間，提升平均設備綜合利用率28%，降低5%的單位產品成本。
第二個是做深圳地鐵的閘機監測。在地鐵里面人流量比較大，閘機會出現卡頓、失靈甚至夾人，雖然發生的概率不是很高，但是一旦發生社會輿情壓力比較大，所以有顧慮。這里不講人機協同，主要講閘機監控的故障預測。首先要定結構，要分析故障結構；二是定對象，要采集什么數據；最終分析是通過振動方式監測閘機。所以項目目標也非常清晰：規范化資產管理流程、清晰化設備臺賬、透明化維護維修過程、可視化關鍵工藝/設備實時狀態、提前預警降低設備故障率。最后我們選的點是放在P3點，故障有兩大類：一是不動；二是動。不動有兩類，動有五類，總共七類故障，我列了兩類，這里面我們做了一些分析，前面也要做濾波和降噪，因為動作不是循環動作，而是開關門才有振動，所以通過故障預測來精準來預測它的方案。
賽意信息在制造工業企業的信息化有非常強大的品牌力量和經驗，當然，因為在智能制造的轉型里能覆蓋全面的方案，包括從需求計劃到最終的訂單交付這個端到端流程的覆蓋，也能從數字化支撐上解決供應鏈的協同，包括供應鏈計劃和供應鏈執行，都能夠完整地覆蓋。
設備管理和資產管理這個事情是非常復雜的，不同行業、不同領域的內容是千變萬化的，如果大家有興趣可以隨時溝通。謝謝大家！
（雷鋒網雷鋒網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
