在智能制造背景下，工業系統向更為復雜化、智能化方向發展。對于維修管理而言，維護維修的工作量、維修響應能力、系統可靠性和穩定性要求、維護人員綜合技能要求、工業備件的供給效率和質量等都面臨重大的挑戰。

鑒于內部維修與外部工業服務現狀，多數制造企業處于救火式的事后維修，設備隱患突出，這制約了工業轉型的進程。工業互聯網條件下，探索新的維修模式和服務形態，將成為當務之急。

1

智能化條件下的維修知識重用與技能培養

高技能維修人才短缺是工業領域較為突出的矛盾，在工業互聯網背景下，人才爭奪正成為趨勢，這意味著工業企業招聘人才的成本陡然上升。為此，通過智能化手段，提升現有維修工人技能是非常迫切的需求，這包括：

1.基于故障記錄的維修診斷輔助。重復性故障在維修作業中的占比普遍較高，但這些經驗往往由個別業務專長較高的業務能手掌握，抑或由于人才流失，致使這些經驗無法重用，造成維修資源的浪費和知識共享的缺乏。借助于人工智能技術的應用，根據故障描述與歷史維修經驗的查詢匹配，大幅降低故障判斷與處理方法引用，有效提升故障處理效率，實現維修知識共享和精準技能培訓。

對于維修培訓來說，面授培訓和網絡培訓無法解決員工“學時不能用，用時不能學”和“遺忘曲線”的困境。無論是面授培訓還是網絡學習，都無法將理論和實踐重疊，只要有時間上拖延和空間上阻隔就會導致知識的流失，這是人固有的遺忘曲線導致。

通過0glass AR 眼鏡的輔助培訓，可半自動生成實戰型指引內容或課件，只需將圖片或者視頻進行簡單編輯（拖動、旋轉、標記一些簡單工具或者符號），快速簡單的就制作好了實用的課件，解放雙手學習，學與用同時進行，培訓效率大幅提升。

人工智能維修輔助

2.基于預測性維修的智能診斷輔助與遠程運維支持。預測性維修是在故障早期發現設備隱患和缺陷，進而主動采取干預措施的維修策略，這將大幅減少非計劃性停機，從而提高制造效率、降低維修成本，是工業互聯網重要的應用場景。

預測性維修，也就是對人和物大數據的掌握。僅僅知道設備本身的磨損率、消耗率是遠遠不夠的，我們還應該掌握影響設備的數據以及維護這個設備的數據等，這些足以說明科技發展的今天，只有掌握了這些所有的大數據之后，才可堪稱其為真正意義上的大數據，才能做出實實在在的預測性維修。而0glass AR智能眼鏡就能很好地做到這一點。不等出了問題再去解決問題，而是掌握了互聯網和信息技術，同時又有大數據支撐，才可以做預測性運維。

受制于工業設備故障相關傳感器普及率較低，這使得為預測性診斷成本極高。將傳感器從診斷儀器中分離，采用智能傳感單元＋工業APP的創新模式結合，不僅大幅降低預測性診斷成本，同時將云計算和智能應用高度融合，提高用戶體驗和智能診斷準確性。

結合AR智能眼鏡的應用，構建成現場故障監測→云計算隱患排查→遠程診斷報告→AR輔助現場故障排查與處理的預測性智能維修閉環。

預測性智能診斷＋AR遠程維修協作系統

2

維修可視化-數據驅動下維修智能決策系統

管理學大師彼得德魯克曾經說過“你如果無法度量它,就無法管理它”(“It you can’t measure it, you can’t manage it”)。現實中的大多數維修維護活動并沒有準確量化，這是造成維修管理在企業活動中得不到有效重視，盡管設備人是專業填坑者，卻依然充當背鍋俠的尷尬角色。

維修管理的目的在于更快的維修效率（MTTR↓，平均故障修復時間越小越好）、更長的設備壽命（MTBF↑，平均故障間隔時間越大越好），為更好的體現設備的穩定性和可靠性，引進可用度(availability)非常必要，它反映了在長期運行的情況下，制造系統處在正常狀態的概率。計算公式為：可用度（A）＝（MTBF/（MTBF＋MTTR））×100%。

在智能化條件下，建立目標導向的可視化系統，將有利于構建新的運維體系，實現：

1.維修維護動態監控可視化系統。設備停機時間進行科學的合理切分，并以維修APP為載體，實現從報修到開機驗證的全過程管理，以此形成作業動態管理，包括報修延時、維修延時、人員去向動態等可視化看板系統。這有利于實現維修調度，維修作業動態管理，確保維護維修資源利用效率和質量。

故障停機時分析

2.維修智能決策可視化系統。以維修APP為基礎的智能維修系統為基礎，將有效統計出工業企業整體，部門和設備的可用度指標、主動性維修和事后維修相應比例關系、維修費用以及維修分析數據。講實現：

A.維修價值度量。通過對比分析工廠整體可用度的變化趨勢，維修費用下降趨勢、維修庫存下降趨勢對比，以及事后維修工單的下降趨勢、點檢和預防性維修的執行情況分析，并對多發故障、長停機故障和高成本的故障針對性的分析。設備維修價值一目了然，這將從整體上說明維修管理對生產效率，企業盈利能力保障的表現，并識別出影響設備維修業績的薄弱瓶頸環節，以實施針對性的業績改善。

B.全員參與性度量。識別并對不同產線進行可用度的排序，這有效區分出不同產線的自主維護水平和能力，這對于實施TPM、精益生產的工業企業而言，將有效推動設備維護能力的全面提升。針對這些產線/部門實施獎勵和針對性分析和能力提升活動，強化維修配合、自主點檢和日常維護活動的落實，對于全面提升設備穩定性和可靠性、節約維護成本將具有深遠的意義。

3.維修技能可視化系統。以維修APP為載體，有效衡量不同維修人員的工作量（工單執行的數量和時間）、工作效率（維修平均所花費的時間）、工作態度（派單響應時間）和工作業績（維修維護責任區的可用度表現），將作為維修工人績效和維修技能提升的依據，這對于企業整體的維修能力將有大幅的提升。

維修智能可視化決策系統

3

服務化-工業互聯網條件下的維修模式變革

伴隨工業設備的復雜化、智能化發展，維修維護的難度增大，企業維修力量已經不能滿足全面的維修業務，維修的專業化分工成為必然趨勢。這包括：

1.專業化的維修外協。比如IT逐漸成為制造系統的一部分，IT運維外協越來越普及。復雜設備受制于故障機理和維護難度，設備制造廠家開始承接這部分維修維護業務。值得注意的是，這部分業務由于牽扯到客戶數據安全和成本考慮，并不會以工業物聯網作為數據驅動。

2.非制造主體的運維托管業務。非生產主體的能源供給部分，這部分設備具有通用性特征，由于不涉及核心數據，且往往和環境、安全關聯起來，越來越多的工業企業開始將能源供給（水、電、氣、熱、冷）托管給第三方管理。第三方服務企業，對日常運行、維修維護、設備改造等全方位專業管理，為追求利益的最大化和安全性考慮，基于物聯網的應用較為普及，實現無人值守、虛擬巡檢、預測性診斷等全方位的服務。但受制于服務半徑限制，一般會在工業聚集的區域較為普及。

基于工業互聯網的能源遠程運維系統

3.維修外包作業形態。不難發現，許多企業的高技能的維修人才，流動性都很大，要么另謀高就，要么轉而成為維修服務商，這對于企業提升維修綜合能力并不是件好事。從歷次的調研結果而言，外修外包正在成為趨勢，通常包括：

A.大型企業的維修公司化。由于制造規模較大，容易形成新的維修業態，并能有效整合供應鏈資源，一般系由原有的設備主管部門或者供應部門成立工業服務公司。

其難點在于，受制于企業體制影響，很難開展內部的維修外包，即由工廠維修部門變更為維修項目組，抑或決策周期較長，短時間內新的模式不容易形成。

B.中小民營企業的外修外包形態。在制造業區域化集中的地區，適合以第三方工業服務平臺開展維修外包業務，即以工廠現有的維修力量為主體，成為維修項目團隊，并以平臺實現業務調度、專家支持等業務。而對于本身維修力量較弱，由個人對公司業務的工業企業，可由平臺實現服務共享為主體的虛擬維修外包。

其難點在于，受制于規模的限制，以及工業交易誠信體系的缺乏。通常需要由政策強有力的支持，借以解決規模化服務（智能服務條件下的供需匹配）、供應鏈創新（工業備件集采集供、工業服務共享）和金融產業化（工業品和工業服務交易誠信）的難題。

4

后記

設備維修管理模式創新迫在眉睫，是發展先進制造業，構建工業互聯網條件下供給側結構性改革的必由之路。