设备管理人员关注设备故障的平均修复时间MTTR

工厂的核心业务是生产，生产管理的重点之一是设备。设备是工艺的体现，是生产订单的最基础执行单元，是产品质量的关键影响因素。
同时设备本身的高货值，以及其所需的加工件、原材料的成本，进一步增加了设备管理工作的责任与挑战。

设备管理的四个层面

资产管理

设备对于企业首先是资产，围绕着设备的工作包括采购管理、合同管理、供应商管理、资产台账管理。

借助 RFID、二维码、固定资产管理系统，设备管理人员能做到账实相符、资产清晰、申领有序；根据供应商的情况，还会进一步实现设备手册、设备图纸的有序化管理。

故障维修

随着设备的投入生产，设备管理人员开始关注设备故障平均修复时间，即MTTR，需要提前熟悉关键设备的维修手册和技术，需要准备一定的设备零部件，需要准备相关的检测仪器、维修工具等。

整体工作的特点是基于故障来驱动管理，好处是维修的经济成本低，而面临的挑战是主要工作模式是故障事后维修，生产面临停线的风险和代价。

借助信息化手段，设备维修人员能一定程度上提高维修效率，包括：

· 扫描设备上的二维码，快速查看相关技术手册、维修记录、备件情况；

· 借助远程视频通信，让供应商的技术专家和厂内的技术专家一起参与到故障的诊断和维修策略的制定；

· 报修的及时化、准确化、实景化；

· 维修记录的持久化、可追溯、准确化。

预防性维护

随着设备使用时长，设备管理重点逐渐转移到平均无故障时间，即 MTBF。

平均无故障时间就是指在规定的条件下和规定的时间，产品的寿命单位总数与故障总数之比；或者说，平均无故障工作时间是可修复产品在相邻两次故障之间工作时间的数学期望值，即在每两次相邻故障之间的工作时间的平均值，用MTBF表示，它相当于产品的工作时间与这段时间内产品故障数之比。

设备管理从事后维修转移到事前的主动维护，包括点检、巡检等。

预测性维护

预测性维护标准

预防性维护主要基于经验，存在过度维护的可能，同时缺少量化导致维护管理缺少数据支持和决策依据。

预测性维护则是借助传感器、物联网、5G、大数据、人工智能等数字技术，将模糊的设备状态实现在线化、精确化、实时化、持久化、远程化，实现故障的诊断、使用寿命的预测、备件需求的预测。

预测性维护的挑战在于设备数据的冗杂、负载的随机性、小数据与大数据并存等，但一旦建成将极大的提高设备的可用性、降低设备维护成本。