基于大数据的预防性维修在汽车行业生产管理中的实证研究

廖夏菲

一汽-大众汽车有限公司佛山分公司 广东省佛山市 528000

1 汽车行业设备管理现状

汽车行业经过百年历史，特别是在二次世界大战之后，随着制造业快速发展，也出现了较多的现代企业设备管理方式。从时间维度而言，主要可以划分为设备前期管理和设备后期管理两个阶段，其中前期管理主要侧重设备对于企业生产管理的经营目标和产品需求的对应，主要工作内容是选型以及安装调试。后期管理则主要是针对已经投入运行的设备，进行保养监测，维修更换等等。本文主要研究的是设备后期管理，当前行业中，应用比较广泛的是来自于日本的全员生产维修制，也就是TPM（Total Production Maintenance）。[1]

TPM最早出现在维修领域是源于20世纪60年代，日本的一家电子元件制造商Nippondenso，随后在日本工业维修协会的支持下，在数百家日本公司开始应用，目前也是行业中主流的日常设备管理方式。其核心思想是要在设备管理中要实现“三全”，全效率，全体系，全员。即企业的全体员工保持饱满的热情，关注整个过程中的设备情况，实现效率高，质量好，成本低，故障少的目的。

但是在自动化显著提升以及信息数据快速增长的现代生产过程中，也逐渐出现了一些弊端：（1）设备数量快速增加与维修人员数量的矛盾，随着生产环节的复杂程度以自动化程度的提升，设备数量呈指数增加，但是人员成本逐渐上升，只能提升单人负责设备数量。（2）设备内部复杂程度与维修人员能力的矛盾，目前的设备复杂程度与过去已经不可同日而语，从机械结构升级为机械电气一体化，甚至内部封装已经广泛应用，这对维修人员的能力也提出了全新的挑战。

同时，随着智能制造的兴起，特别是通过制造执行系统，采集设备参数以及生产环节各项数据，并对数据进行分析和管理，其中基于大数据的设备预防性维修是重要研究方向和应用实践。

2 预防性维修概述

传统维修主要依靠经验及定性判断为主的维修模式，而预防性维修主要运用各种维修建模方法和优化技术，定量描述及分析维修工作，在维修实践中给予先行性的指导，起到预测并防范于未然的效果，从而提高企业的运营绩效[2]。

预防性维修的实现也是需要前置的技术基础，才能够实现，具体而言有：

（1）信息技术，生产过程中，信息来自于各个设备，需要搭建设备环网，建立标准的通信模式，搭建以太网络或者5G网络平台，才能保证信息畅通。

（2）物联网技术，预防性维修的对象，是设备，设备之间的参数提取非常关键，且同种设备及不同设备需要搭建统一的信息平台，才能实现设备与设备的互联，为车间级的设备预防性维修建立基础。

（3）大数据存储及计算，设备产生的数据是非常复杂的，常见的有力矩，电流，电压等等，且应用于不同的生产场景，数据的产生也是非常巨大的，需要依托大数据技术对信息进行存储，管理和统计。

（4）建模及算法，预防性维修需要能够建立设备参数以及故障发生的参数模型，并经过自我学习，定义报警或者中断阈值。

3 基于大数据的预防性维修的有效途径

在预防性维修的功能实现上，最为关键的是要在设备出现异常之前，能够提前发现或识别。根据高帆等学者的总结归纳，设备预防性维护的具体过程包含以下四步[3]：

第一，由设备的传感器获知设备的实时状态，利用分析技术判断被监测的设备的当前所处的作业状态和运行环境，获取该设备的健康状态[4]。

第二，基于传感器采集获取的设备健康情况，结合设备管理系统力的相关参数的参考和计量，对在线监测采集到的各类数据进行统计分析。采用如趋势分析曲线的方法，结合历史情况进行综合分析法，形成趋势分析报告，起到辅助决策的作用。

第三，以趋势分析曲线为参考，采用故障分析统计、数据建模分析、评判规则预设、预警数据设置等方式，进行寿命预测和运行状态的有效分析，反复验证、提升和优化，以提升整体预测的可靠性和科学性。

第四，合理确定设备的维护计划和对应的维护时间安排，目的是通过主动发现、主动阻断风险，降低被动的生产停工时间。当然这需要采取一系列符合企业自身客观情况的检测诊断方法，也需要做好对应的经验积累提炼工作。

采取有效途径实现预防性维护，对于企业而言不仅仅在生产时间安排上可以消除被动的风险因素，在经济性上除了带来效率的提升也有利于提升备件采购计划的合理性，从而有效地减少备件库存的占用和降低设备的整体维护成本。同时对于维修人才队伍的自主能力提升也起到了关键的锻炼作用。

4 预防性维修在企业生产管理中的实践

由于对效率提升和成本优化的积极贡献，预防性维修，在自动化率极高的汽车制造领域自然是无疑是重点关注的领域，接下来将以一汽-大众某焊接工业车间为例，进行实践成果的探讨和分析。

该车间自动化程度超过85%，有焊钳、涂胶、工业机器人、辊床等超过100种设备类型，其中工业机器人超过1100台，自动焊接设备超过900台，自动涂胶和铆接设备超200台，输送设备超400台，各类设备超过5000台。设备运行及管理是是完成产量任务的关键保障。

设备运行智能分析系统，利用信息化技术预测设备状态及提升自适应性，采集设备关键参数进行大数据分析，做到设备状态预测性监控，提醒维修人员进行预防性维护，已经得到多个场景的应用：通过电流监控来预测驱动类设备运行状态，提前发现驱动系统磨损缺陷；利用电机转矩、出胶压力、填充时间，监测胶体黏度以及管路状态，分析涂胶设备运行状态；利用摩擦力、响应速度来预测焊钳运行状态等。

接下来结合驱动类设备预防性维修项目展开案例介绍。

驱动类设备是该车间分布广泛的运转型设备，如辊床、转台、升降机等，主要负责车身产品的转移及升降。这类设备一般体积较大、负载较重，出现故障难以修复，维修时间往往在4个小时以上，容易出现重大设备停台。

前期对该类设备的维护，通过两个月一次人工检查，每次投入人员16人，投入工时32人时，但仍难以提前发现设备内部故障隐患点，特别是电机内部损耗以及传送机构磨损。

结合智能制造项目，攻克驱动类设备参数接口，提取设备运动过程的电流曲线，通过数据湖进行存储，同时自主开发算法对电流曲线提取特征值，并进行拟合分析，能够有效识别设备运转过程中，电流跳变以及变化趋势。系统能够实时监控车间400余台驱动设备状态，并实现目视化效果展示，维修人员能够快速获取设备信息，且出现异常时，系统自动邮件提醒维修人员并添加检修内容至工作清单。

运行以来，已发现2起重大故障隐患，分别是升降辊床传动部件磨损及翻转台驱动电机轴承磨损，这两个设备重量超过1吨，生产过程中难以更换，监控发现异常后，系统推送工作任务至维修人员，在停产检修时计划性更换，避免了10小时以上生产停台，并由于发现及时，磨损位置尚可修复，节约备件成本19万元。

5 生产数字化核心技术在预防性维修领域中的应用方向

通过上述实践案例，不难发现，预防性维修的有效实现和可靠性的不断提高，需要综合利用多种数字化手段，这也是我们在制造业领域不断推进数字化转型给企业发展带来的理论和实践价值。概括而言，目前应用比较广泛的核心技术主要有以下四个应用方向：

5.1 工业大数据赋能企业的精准决策

工业数据的透明化，有利于辅助企业的管理者实现敏捷化的决策，这也是企业在生产管理环节大力推进数字化转型的一个重要动因。

在维修领域，大数据的打通往往是指实现设备数据的透明化，和设备与系统之间关于数据的交互性。这样的数据基础有助于实现设备实时运行状态的监控，迅速地发现异常并根据故障数据或提示、及时地进行工艺细节的调整，进行快速的生产调整决策，从整体上实现生产效率的提升，防止缺陷问题的批量流出。同时，在传统的维修模式下，我们常以单个工厂、车间或车型为单位分析生产过程中出现的相关设备问题问题。但大部分车企拥有多个生产基地和车间，这种分析和解决模式不利于发现共性原因，导致盲点的长期存在。通过各大基地生产数据的采集和内部对比，可精准挖掘共性或针对性问题，从单点问题分析转向系统问题分析。

5.2 工业软件系统作为核心工具的作用凸显

工业软件系统是一个宽泛的概念，上至面向整个企业进行资源计划的ERP系统，到供应链管理系统，包含仓储物流相关的管理系统以及关于产品生命周期管理的系统等等，通过工业软件系统的集合，可以实现从单个小模块的控制，到生产线的管理，资源平衡，生产决策偶从微观到宏观的整个过程的管理。

汽车制造业的内部生产管理往往要同时平衡销售端和内部执行，也就是订单的计划兑现和实际的现生产管理、资源匹配，同时在这个环节中会存在多个系统平台和多个入口，因此需要通过网络化的工业软件系统来填补计划层面与实施控制层面的空白。对于这一块制造执行系统的投入和提升，许多行业龙头已经表现出了浓厚的兴趣和热情。

聚焦维修领域，制造执行系统（MES）系统的利用主要是在执行控制层，通过对过程控制模块的整合和应用，通过数据采集，结合预设的逻辑，进行有效的风险识别，实现有效的设备和生产管理。

5.3 工业机器人既是制造基础的执行终端也是数据收集器

在自动化时代，各大车企为了降低人员和提高生产的精度投入了大量的机器人。在数字化时代，机器人的应用必然更加广发，随着5G技术的深入覆盖，机器人的价值不仅仅是替代人工或者稳定输出，而是它本身也可以被挖掘成一个数据基站，对机器人采集到的数据进行进一步分析，企业可以发现更多的潜在价值，进而赋能整个生产环节。智能制造和工业4.0的进一步实现，都需要企业在现有机器的基础上，充分深挖数据价值，两者叠加才能打造具备不断自学习能力的数字工厂。

在维修领域，我们大量的应用场景也离不开机器人的自动诊断，这意味着在这个过程中，机器人不仅仅是被动地等待修理，而是可以自己积累数据，自己根据临界值实现举手甚至是采取主动的制动操作。

5.4 数字孪生作为以预测和控制为目的的认知解决方案

数字孪生是一种具有实时同步、双向映射、高保真还原特性，能够实现物理世界与信息世界互相交换和彼此融合的信息技术[5]。近年来，由于数字孪生概念逐渐被熟悉，实践应用的案例越来越成熟，数字孪生车间的概念也在制造业内部被反复提出，在智能制造中的应用潜力也得到了各界越来越多的关注。

在制造业内部，常见的应用场景是以数字化的方式将物理实体转化为数字模型，对比实施数据和历史数据，降低生命周期中不确定性的技术手段。具象化到维修领域，数字孪生的应用主要通过理论模拟数据和实际数据的对比，快速识别出偏差，发现问题。

6 结语

在人力成本上升、自动化率普及型提高的现代社会，制造业企业内部的管理重点从人逐步转向设备。对于问题管理的侧重点，也更多地也从事后问题解决转向为事中监控和事前的有效预防。在数字化转型浪潮的推动下，技术的迭代和进步也为更多管理功能和先进手段的实现提供了可能。

预防性维修不仅仅是一种理论的概念，在现代汽车企业内部已实现了很多的有效的应用场景，也为企业带来了实际可感知的效应。预防性维修的意义不仅仅在于提高单台设备的安全性和使用寿命，对于企业整体生产的稳定性和全面质量管理的有效实现都有极大的现实贡献。