Skip to footer

新冠疫情迫使全球制造企业要么停产待工,要么降低产能,减产运营,因此这必会导致设备利用率降低。在当今动荡、不确定、复杂和模糊(VUCA)的世界里,此类危机可能会更频繁地发生。在这个前所未有的时代,采用神经网络制造原则可提升组织的韧性和适应性,并转变为目标驱动型企业。通过实施有效的策略可将危机转化为机遇,比如资产即服务、用于战略成本管理的预测性和规范性资产诊断以及将工作重点从生产转移到能力建设和新产品转型等其他领域。举个例子,企业应将工厂停工维护活动提前到停工时或资源利用率较低时。这有助于制造企业更好地利用经济放缓期对工厂进行修整,为将来恢复正常生产,保持最佳产能做好准备。

在漫长的疫情封锁期以及随之而来的经济放缓等危机时期,执行停工维护活动既必要又有利。工厂管理团队会面临诸如以下的若干问题:

  • 如何管理和优化蓝领工人?
  • 如何让关键设备和工具保持良好状态?
  • 恢复运行后,如何确保关键设备不发生故障?
  • 如何利用有限的资源,在尽可能短的时间内,完成工厂检修或工厂停工维护活动?

欧洲的大型制造企业都是24x7全天候运行,所有的停工维护活动都会安排到每年的七八月份和十二月份,通常一年两次,每次2到4周。显然,完善的规划策略和团队合作对于成功执行这些检修维护活动至关重要。负责设计端到端计划的团队要由经验丰富的维护规划人员组成,并由维护主管和专家技术人员提供支持。规划流程会提前三到四个月启动,由人工利用电子表格或规划工具制定计划并进行跟踪。

通常,停工维护管理分为八个阶段,如图1所示:

首先,要明确维护活动的范围,并确定检修活动所要涉及到的设备、机器和建筑物。范围的界定和确定取决于历史数据,包括:

  • 设备故障发生率和根本原因分析
  • 状态监测数据
  • 故障导致的生产损失
  • 故障导致的环境和安全影响
  • 需要消耗的备件及其库存情况
  • 关键设备的性能数据/停工时间
  • 其他费用
  • 用于实施高效停工维护的智能技术

用于实施高效停工维护的智能技术

传统上,工厂要通过人工来确定停工维护的范围和选择需要维护的设备,整个过程费时费力。然而,在诸如新冠疫情这样的特殊时期,能够用来规划停工维护活动的时间是有限的。这正是智能化工具大显身手的时刻,此类工具基于以往大量的维护规划数据、状态监测数据以及各种维护日志数据,可为您提供经过充分分析的可靠维护方案,加快维护规划过程。借助这些工具,工厂能够以更短的时间和更少的精力,在短时间内有效地规划检修活动。更重要的是,这些工具还更加准确,并可在整个组织内充分利用,以提高制造过程的响应敏捷性和弹性。

以上工具有助于:

  • 分析历史数据,以指导维护规划人员利用有限的资源,优先考虑最需要进行维护和/或大修的关键设备。
  • 访问存档的以往计划内停工维护活动的历史数据,包括有关计划内停工维护活动的管理团队、关键绩效指标(KPI)以及基准数据和KPI影响因素的详细信息。
  • 提出设备和运营的应急计划。例如,确定哪些流程或操作可以切换至其他备选设备或外包给外部承包商。
  • 提供有关天数、所需备件、库存充足性、技术技能要求等的详细规划信息和估算。
  • 执行风险评估并提出缓解计划。这将帮助维护规划人员执行有据可依的假设分析,并为精准决策提供充足的洞察。
  • 创建带有诸如项目管理程序、安全表、手册等更多信息的自动工单,以可加快规划过程。
  • 对资产执行预测性和规范性诊断以选择设备。
  • 与工厂中使用的企业资源规划(ERP)系统对接,并充当与计划内停工维护相关的所有数据的存储库。

管理停工维护活动,做好长期准备

通过开发和使用上述工具来管理停工维护活动,可让制造企业在危机时期更具灵活性,并做好准备。这些工具还有助于无缝地恢复运营。从长远来看,这些工具提供的灵活性会产生连锁效应,能够提高设备的可用性,让工厂维护团队能够将精力集中放到规划、工厂改进或技能培养上,而无需在日常维护任务和应急活动上消耗精力。

About the author

图像 Subodh Joshi

Subodh Joshi

Subodh Joshi is a Senior Consultant with the Manufacturing Operations Management group of TCS’ Manufacturing business unit. He leads a manufacturing excellence consulting group, part of the Europe manufacturing business group. Over 30 years, he has helped digitally transform the plant operations of discrete and process industry customers globally. In his previous role, has was the manufacturing plant operations lead for 16 years. Subodh is a six-sigma black belt and holds a Bachelor’s degree in Product Engineering from Chhatrapati Shivaji Maharaj University, Kolhapur, India.