,,

如何運用TPM自主保全，降低設備故障率，提高生產可動率？

近段時間來，調研了幾家大型制造企業，都談到對設備維護管理的硬性需求：

一方面工廠各種生產設備、特種設備、測量儀器儀表、各產品治具、通用工具等，動不動就幾千上萬臺，不說正常的保養維護，定期校驗，僅是管理設備分類及存放位置就要花費大量人力，雖然設置了專門設備管理部門，但仍不能保證設備上線正常，作為企業老板只知道花了大把的錢，買進了各種價格不菲的設備，但具體設備時間開機率、性能開動率、能源利用率、設備停機損失、設備投資實際收益等等一直是企業管理的難點與盲點。

所以，今天和大家一起分享TPM管理在企業的實際運用。

全員設備管理即TPM（Total Productive Maintenance）意思就是“全員生產維修”。

這是日本人在70年代提出的，是一種全員參與的生產維修方式，其主要點就在“生產維修”及“全員參與”上。通過建立一個全系統員工參與的生產維修活動，使設備性能達到最優。

1、TPM的明顯特點即全效率、全系統和全員參與

全效率：指設備壽命周期費用評價和設備綜合效率。
全系統：指生產維修系統的各個方法都要包括在內。
即是生產維修&預防維修（PM）、維修預防（MP）、改善維修（CM）、事后維修（BM）等都要包含。
全員參與：指設備的計劃、使用、維修等所有部門都要參加，尤其注重的是操作者的自主活動。

2、TPM中的設備點檢制

A、點檢制定義：
點檢制是以點檢為中心的設備維修管理體制，點檢制的醫學內涵就象人要做身體檢查一樣，利用一些檢查手段，對設備進行早期檢查、診斷和維修。每個企業可根據自己的實際情況制定自己的點檢制度。
B、“三位一體”點檢制及五層防護線的概念：
“三位一體”點檢制：
指崗位操作員的日常點檢、專業點檢員的定期點檢、專業技術人員的精密點檢三者結合起來的點檢制度。
五層防護線是：第一層防護線：崗位操作員的日常點檢。第二層防護線：專業點檢員的定期點檢。
第三層防護線：專業技術人員的精密點檢。
第四層防護線：對出現問題進一步通過技術診斷等找出原因及對策。
第五層防護線：每半年或一年的精密檢測。
C、點檢制的特點：
點檢制的特點就是——八“定”
①定人：設立操作者兼職和專職的點檢員
②定點：明確設備故障點，明確點檢部位，項目和內容
③定量：對劣化側向的定量化測定
④定周期：不同設備，不同設備故障點給出不同點檢周期
⑤定標準：給出每個點檢部位是否正常的依據
⑥定計劃：作出作業卡、指導點檢員沿規定的路線作業
⑦定記錄：定出固定的記錄格式
⑧定流程：定出點檢作業和點檢結果的處理程序
D、點檢的分類：
按點檢的目的分：傾向點檢、劣化點檢。
按是否解決分：解體點檢和非解體點檢。
按周期和業務范圍分：日常點檢、周期點檢、精密點檢。

3、設備維修體制

A、生產維修——PM（Productive Maintenance）
是一種以生產為中心，為生產服務的一種維修體制。它包含了以上四種維修方式的具體內容。對不重要的設備仍然實行事后維修，對重要設備則實行預防維修，同時在修理中對設備進行改善維修，設備選型或自行開發設備時則注重設備的維修性（維修預防）。
B、維修預防——MP（Maintenance Prevention）
維修預防實際就是可維修性設計，提倡在設計階段就認真考慮設備的可靠性和維修性問題。從設計、生產上提高設備素質，從根本上防止故障和事故的發生，減少和避免維修。
C、預防維修——PM（Preventive Maintenance）
這是以檢查為基礎的維修，利用狀態監測和故障診斷技術對設備進行預測，有針對性地對故障隱患加以排除，從而避免和減少停機損失，分定期維修和預知維修兩種方式。
D、事后維修——BM（Breakdown Maintenance）
這是最早期的維修方式，即出了故障再修，不壞不修。
E、改善維修——CM（Corrective Maintenance）
改善維修是不斷地利用先進的工藝方法和技術，改正設備的某些缺陷和先天不足，提高設備的先進性、可靠性及維修性，提高設備的利用率。

4、基于大數據運用的TPM系統運用

運用系統對接、設備互聯技術，拉通企業設備管理整體信息流，除常規的周期保養維護管理及基于使用次數管理保養維護外，基于設備或工裝治具實時運行參數或品質數據管控保養維護。
下面以飛達管理為例，說明大數據在TPM運用。

案例中，FD0023與FD0189兩支飛達，在使用次數及使用時間周期兩方面，都未達到保養預警范圍。但FD0023飛達連續四天相同封裝元件拋料率呈現持續上升趨勢，雖然目前還沒有超過設置的拋料管控線，但系統仍會基于大數據分析相同物料在另一支飛達FD0189上拋料率一直處于平穩狀態，而鎖定FD0023這支飛達進行保養維護預警。
目前部分智能制造系統解決方案服務商，通過整個工廠多制程、多工序實時信息聯動，預警及管控生產過程；已經實現基于品質履歷、關鍵設備運行歷史數據與能源運用率，產品維修履歷、等企業營運信息進行大數據分析，并提前預警及提示品質風險及提高生產效率，筆者相信隨著工業技術和IT技術發展、大數據與人工智能在制造工廠中的運用將越來越廣泛。