本文作者：艾默生系統及方案工業軟件及數字化——張楓

為什么要實現運維方式的轉型？

當前一些生產性企業工廠實施了數字化應用，逐漸意識到了工廠生產數據的價值，然而對于大部分工廠來說，這些數據的最大用途是生成提交給各部門的報表，并未實現數據增值服務。對于運維人員來說，運維依然日常例行巡檢、排班倒班、維修設備，這些活動占據了大量的工作時間，工作負荷較高。對于運維管理人員來說，運維是時刻監測現場的運行性能，應對生產中出現的突發狀況，確保生產的穩定運行。

隨著互聯技術的革新、大數據的廣泛應用，在當前行業發展趨勢和政策的雙重作用下，每個生產企業都在探討自己的發展方向以及發展措施。在這個思索的過程中，我們自然而然會問到一個問題，生產企業是否認為需要繼續沿襲上述的運維理念，關注點是否有了新的變化呢？

根據羅蘭貝格的調研，對于制造型企業來說，85%以上的受訪者認為運維服務商應更多地關注數字化方案規劃能力，97%的受訪者認為運維服務商應提供主動、完整的數字化運維服務方案。從生產企業自身角度出發，傳統的維護方式已無法適應當前數字化轉型發展的要求，融匯物聯網理念、應用先進數字化手段的新型運維解決方案是未來的發展趨勢。這就帶來了一個新的問題，運維方式的方向在哪里。

運維方式轉型的方向

當前生產企業所采用的運維方式通常分為三種：被動式維護、預防式維護和預測性維護。三種運維方式的對比如下表所示：

通過上表，我們可以看到傳統被動式維護、預防性維修，難以準確把握設備有無故障、故障類型、故障部位及故障程度。另外，由于良好部位的反復拆卸，機械性能往往不理想，甚至低于維修前。因此采用這兩種維護方式造成了維護維修成本巨大，故障未能及時處理帶來的停車損失更是不可估量。

預測性維護是“工業4.0”提出的關鍵創新點之一，它將狀態作為依據，對設備進行連續在線的狀態監測及數據分析，診斷并預測設備故障的發展趨勢，用戶依據此類信息制定預測性維護計劃以及維修工作的確認，涵蓋了設備狀態監測、設備故障診斷、故障狀態預測、維修決策支持和維修內容確認的全過程。預測性維護能夠幫助企業將計劃外停機的風險和資金影響降至最低，因此運維方式的數字化轉型能夠實現成本的節約和效率的提升。

如何實現預測性維護？

為了幫助企業更好地實現維護管理，運維團隊需要考慮人員、管理流程、技術輔助工具和維護數據這四方面的內容，將運維平臺化，不再拘泥于以往“運維=維修”的理念。

建議生產企業考慮以下幾個維度的內容，實現人、技術和流程的密切配合，實現用數據驅動維修決策的制定，將數據的價值融入運維過程：

1. 確保數據的準確性

越來越多的生產企業意識到大量的數據積累是必要的，可用作以后建模的基礎和決策制定的數據支撐。然而通過對于部分企業的調研，一些現場設備選型不匹配，導致數據準確性降低，缺乏參考、存儲和分析的價值，無法制定合理的運維計劃。對于生產企業來說，確保數據的準確性是實施數字化工廠各項功能模塊的基本要求，也是奠定數字驅動生產的基礎。

2. 搭建預測性數據平臺

搭建平臺的目的是實現數據的流動，需要考慮數據的接口、數據種類的全面性等特性，建立場景分類標簽，形成規范的、緊密結合業務的資產標簽等標識，最終在應用數據層提供可視化支持，例如廠級設備可視化駕駛艙，駕駛艙能夠提供電子巡檢、臺賬管理、報警原因分析、報表等畫面。

3. 引入機器學習

機器學習能夠提升預測性維護的價值，幫助操作人員和維護人員迅速鑒別表明設備問題的數據異常。機器學習能夠生成設備模型，識別并模擬設備的運行，從而預測設備的剩余使用壽命和特定時間內的設備故障。

4.規劃智能運維流程

根據實際運維的要求，提供KPI統計報表和分析報告，提供優化措施建議，自動執行優化策略，提高運行效率。

5. 復合型人才的培養

生產企業將生產相關的經驗匯總成各種知識庫，不斷進行知識庫的更新和優化，幫助各專業人員提升專業素養和全面培訓，為未來數字化轉型提供復合型人才。

生產企業根據實際生產定制各種應用場景，實現數據的協同、共享和復用。例如搭建仿真環境，提高工藝、操作人員等對于現場工段的洞察力，為各專業人員提供輔助工具，實現更好地溝通、更快速地學習以及制定更高效的決策。

結束語

數字化轉型的制勝基礎是運維方式的轉型，數據平臺和優化分析工具已經成為提高企業經濟效益的重要途徑，相信未來會有越來越多的生產企業實現數字化運維。