雷锋网按：2020 年 8 月 7 日，全球人工智能和机器人峰会（CCF-GAIR 2020）正式开幕。CCF-GAIR 2020 峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。
从 2016 年的学产结合，2017 年的产业落地，2018 年的垂直细分，2019 年的人工智能 40 周年，峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。
在GAIR大会的第三天下午，工业互联网专场迎来了赛意信息副总裁、工业互联网子公司总经理蔡胜龙，为大家带来了精彩纷呈的演讲。
蔡胜龙表示制造业数字化转型是大势所趋，并且当前的“疫情”再次将其推向“风口”，他首先指出了全面资产管理的重要性，设备的稳定运转和高效协同将直接决定生产效率的高低；接着他剖析了资产管理管什么，如何管的问题，并提出了资产管理的五级成熟度模型，即被动维护、基于计划维护、基于状态维护、基于预测维护、基于规范维护五个成熟度级别。
最后他从赛意资产管理数字化的业务架构和技术架构出发，阐述了资产管理如何实现设备在线监测、检修策略自动决策、模型驱动维保业务等数字化管理的流程。
以下为蔡胜龙的现场演讲内容，雷锋网作了不改变原意的编辑及整理：
我今天讲的是“制造模式转型下，资产如何管理”。对于工业企业来说，资产是非常重要的管理要素，管理资产还需要用人管，我今天想把设备和人的协同做串讲。
我主要讲四方面的内容：第一，资产管理的重要性，我在疫情期间和很多客户打过交道，他们一直在问我，现在智能制造转型，设备管理很重要，到底怎么重要？怎么跟老板说需要在这方面做投资？第二，到底应该怎么管，管什么？有没有一个思维框架告知我，让我思考，让它有一个层级，如何从零开始或者从某个层级开始达到更高的目标；第三，我们的方案和给大家的借鉴和参考；第四，分享案例。
我们每天说数字化转型，数字化转型各种各样，不同的企业、不同的行业、不同的企业不同的阶段转型的出发点都有所不同，有的搞商业模式转型，有的做研发模式转型，有的做服务模式转型。我们的合作伙伴在2017年做的调查，调查了600位CIO，转型占比最高的是制造模式转型，将近60%，尤其是今年疫情，从春节后超过100场探讨都在讲怎么做产线自动化、怎么做示范工厂、怎么做无人工厂、怎么做少人工厂。
智能制造转型做无人工厂、做柔性制造产线，依赖的都是设备，依赖的都是高度自动化的设备，而设备的稳定性和它的高效协同就是我们的生产效率。特别是现在在整个企业的生存环境下，未来整个价值链的增长过程中，把设备的效率提升到最大就可以做到最大化提升利润率。当然，设备包含很多，可能一开始会关注重要的生产设备，也会关注平时的环境，不同的行业需要关心不同的环境。
怎么管资产？我从四方面考虑：
1、资产是否要分级管理，是不是都要用最严格的标准管好资产？这不现实，一定是区分对待。如果分级，什么样的设备处于什么样的级别对待？什么样的设备什么时候可以升级？这是设备管理的维度。
2、如果要分级，怎么分级？级别在不同的设备或者不同的场景怎么应用？或者整个场景有什么特点或者优缺点？
3、现在的分级维护一定依赖不同的技术支撑，到底要用哪些技术来做技术支撑，需要花多少钱？什么时候做这个事情？到底是沉默的成本还是只是降费用还是做投资，角度不一样。
4、考虑设备维护，资产管理到底怎么样支撑企业整体的组织效率或者怎么提升组织效率，或者未来愿景是什么，要达到的目标是什么。这是管理的框架思维。
基于框架思维把资产管理的成熟度分为五级模型，考虑的维度主要是基于资产价值和对业务的影响。腾讯云赵建春总刚才提到，一个煤的机器停机一次，因为维护周期复杂，若停机8个月会损失5.9亿，这就是资产价值和业务影响。
成熟度模型综合考虑资产价值和业务影响，企业资产管理意识（从费用到投资），结合分级应用场景、收益、缺点、所需技术支撑四个方面，划分了被动式维护、基于计划维护、基于状态维护、基于预测维护、基于规范维护五个成熟度级别。其具体情况为：
1、被动式维护。针对非关键资产，特点是使得维护费用最低，计划外停机多，无需技术支持。有问题解决问题，好处是不用花钱，不用留人。坏处是如果出现问题会有些非计划停机的损失，这个损失如果没有测量过就没有办法计算。
2、基于计划维护。针对主要生产设备，特点是可减少非计划停机，延长MTBF，延长设备寿命；计划停机时间多，成本增加；需遵循设备供应商维护手册。我们往往有些重大设备，买了价值比较高的，我们会遵照供应商的维修保养手册定期去做维护保养，像买车一样，定多少公里换机油或者多少时间换机油，而坏处是导致我们产生额外的成本。
3、基于状态维护。针对主要或关键生产设备，特点是可减少非计划停机，延长MTBF，延长设备寿命；进行关键参数监测预警，资产状态不全面，成本增加；手动或IOT数据。很多工业互联网场景都讲基于状态维护，核心是增加基于特定状态的监测去采集设备的健康状态，去做下一步需要维护的工作。缺点是往往关注核心指标，不会做全面监测。数据的采集方式基于状态，前面很多专家谈到有各种各样的技术，包括物联网、AI和SaaS化、平台化的软件，甚至要更多移动化，有利于人机协同。基于状态开始，我们把IoT技术投入地越来越广泛。
4、基于预测维护。针对关键资产，特点是消除资源浪费，预警后需要解决知识沉淀，综合数据实时监测。要知道什么时候会发生故障，如果要预判故障需要有更多的信息来支撑，所以我们去对数据的规范和检测要求越来越高，投入的成本会相对比较大。
5、基于规范维护。针对将资产管理作为公司战略，特点是自动化决策预防故障发生，维护知识、工作流程自动化；IOT/5G/AI集成技术应用。企业组织内部要把设备的管理从整个服务链条做协同，我们会接入更多的数据，包括备品、备件，财务、人员技能、供应链、ERP，成本的信息都会纳入进来。资产的价值越高，业务影响越大，越会基于更高级的规范打通整个服务链条。
怎么用这个模型？现状很骨感，我们做资产管理的时候发现很多无奈的地方。
一是有很多设备没有办法接入；
二是我的工厂变化非常大，我做这个设备介入的工作会疲于奔命；
三是没有人帮我一起思考这个设备应该怎么管理，针对不同的设备以什么方式做，这都需要投入；
四是还有频繁的变化，比如场外的市场配置，市场需求比较多，导致做资产管理很被动。
今天的现状，我们会发现企业越来越主动思考问题，一是本身企业的利润率的压力比较大，在制造企业里面盈利能力都相对比较弱，在5%-10%的净利点，往往希望通过智能化改造的方式保障设备更好的运营状态去提升利用率。当然，还有产品交期的问题，现在特别是网红带货对产品交期压力特别大，压力不能有任何交期的延缓，延缓交期就失去竞争力。现在智能化设备越来越高，如果不重视，它罢工的时候是很难处理的。当然还有不同行业对合规性的要求，也必须遵循这种规范，做更主动的维护。
成熟度模型最终的目标是怎么用它。执行不同成熟度级别的维护是取决于这个资产对我们的主营业务的关键程度，如果要把它做得更好可以从几方面提升盈利能力：
一是通过更好的维护增强设备正常的运营时间，减少平均间隔的故障时间。
二是掌控它的来源，降低成本。
三是要降低其他的风险，包括法律风险，环保、安全的风险。
我们的数字化解决方案是希望做到人机协同的。首先，要提高管理的高效性，包括运行的可持续性以及资产分析的可视化和任务的可执行性。通过移动化去支持，随时看工作记录，通过人员监控保证它的执行性。通过在线监测让人员基于预警和自动诊断触发产生工单信息，并给出纠正措施。也可以通过整体的评估优化去找到更优的路径。
从整个业务架构看，传统的资产管理的流程从投资规划到最后报修，更多是基于以设备为中心、以工单为主线做的用人工发起的流程驱动。
举个例子，原来做EAM的时候要报废一个资产，往往资产管理员在系统中提报一个报废申请单，报废申请单提到经理，经理打电话问为什么设备报废？通过报废情况的了解再确定是否报废。如果是现在用新的资产管理的模式，我们改变的方式是以数据为中心，以人机协同为主线，以数据的自动化决策驱动业务。假设是报废，同样的流程报废，报废在新的流程中是基于以往监测的历史数据，基于以往的巡检数据，基于以往生产效率的数据，基于以往故障的数据来评估它的设备未来的价值以及可能需要维护的费用，去评估它的经济效益，提出报废申请的预警信息。如果资产管理员看到这个事情做人工确认。未来这个模型做得越来越精准的时候，完全不需要人工确认这个事情，这就是现在资产管理核心的差异点。
要做到这点有几个步骤，一是增强IoT的监测能力；二是要有大量的计算能力，要有平台做这个事情；三是要有知识图谱的应用，需要把各种各样跟设备相关的知识和数据集结起来形成业务策划的规则，通过策划的规则达到驱动业务的目的。
既然要通过数据驱动，数据怎么来不再多讲。每个产品厂商和平台厂商都应该提供数据接入能力，无论是智能化设备还是非智能化设备，智能化设备的连接都提供标准的网关做快速接入，非智能化设备，比如电机水泵通过外置传感器做快速接入。
数据接入之后，在平台中最核心的能力是建立业务模型和机理模型和计算模型，前面做工业互联网场景的时候，往往只是做到判定故障的点，判定故障之后再做的事情是资产管理里面关注的重点任务。
建设模型的时候很重要的是后面处理的业务规则模型应该怎么建立，如果我发现一台设备意外停机了，或者预判一台设备一天之后要停机，这时候做什么动作、通知谁、带什么器件，什么时候执行这个动作才能预防它明天这个问题的发生？以前做缺陷预警，不管了，按其他业务流程做。但是这是没有做到真正的协同，没有真正为企业解决问题。
从实施路径看，我们会把业务的过程数据做分类，中间是模型的价值，中间蓝色圈是把每类故障做了分类，每个分类会执行不同的动作，让它驱动实际工作的开展，让管理工作更有经济效益和时效性。
在项目实施过程中收到非常多不同客户的问题，你这是AI、人工智能，很厉害，是不是给你数据就可以把模型建立起来？要做什么事情就给我配好了？我说既能，也不能。
刚才用友杨宝刚总说过，模型有好几种方式，一种是基于机理模型，一种是基于统计分析做的，还有一种是基于神经网络做大量样本数据做的。我们的企业要做这件事情的时候，它都希望有一定时间要达到一定效率。
所以我说能，是因为你给我更长的时间收集更多的样本数据，我说不能，是因为我在这半年内达不到你的目标，所以我们还得老老实实来。从所有数据做数据分析，再做数据发现，再做原因的定位，最后提炼成知识，把知识变成模型驱动业务后续的开展。
每个企业里面都需要针对它的产品、它的设备去专门分门别类做流程的便利，每次都要做这个事，针对不同类型的设备都要做这个事情。有很多公司说我给你数据，其实真正落地的时候是没有那么多数据的。刚才腾讯云赵建春总说做AI视觉识别的时候花一年多时间，那是很正常的时间。
针对一台设备怎么样做检修策略？举个电机的例子，电机不启动是什么问题？形成故障结构树，比如是没电流，怎么会导致没有电流？比如是马达故障，有电流，它是绕组坏了还是点刹坏了，这里面的故障是基于机理模型建立起来的，基于故障树要做在线监测，监测电机要监测电流或者监测振动，还有还可以关联它的监控点的数据，包括业务数据，曾经怎么巡检、点检，后来发现什么缺陷，以前发生什么故障。
首先，要定故障树、定结构，二是定监控对象，三是定规则，通过什么规则判断它的故障，预判它未来发生的故障，基于这些东西才能做策划。
策划是要形成工单建议，建议的内容包括时间、频次、标准、人员以及要准备的备品备件和要带的器械。我只要把这个包带出去，那我指定人员就可以快速执行。做了这个之后，不是一蹴而就，还要做优化，把整个策划过程再次优化，循环优化、持续优化。
传统的EAM和传统的资产管理里面做得比较弱的是优化，因为他们缺少评估过程，往往看到它有一个策划，有一个工单执行，也有包括知识库、资源，但是缺了评估、缺了优化，比如一台设备做了正常的润滑，润滑前后的可靠性评估、可维修性的评估、可用性评估、安全性维护，如果没有评估，那么它是没有办法形成它的优化。
比如这个设备的维修优化，这次做润滑之后，发现润滑前和润滑后的工作经济性、振动的频率、功率都发生了细微的变化，这种细微的变化对我们评估之后，未来对它后面优化的策略就可以形成具体指向性策略，反复把PDCA的闭环绕起来。以前通过人工做这种评估不可能，评估的维度也不够全面，评估的数据太广泛，通过新的架构和模式下能够实现它的闭环。
最后，还是要技术架构支撑，以前很多软件做不到是因为整个架构和现在的架构不一样。以前的EAM系统或者是资产管理系统更多是以流程为中心，以操作为主，现在的系统是以数字为中心，以数字为中心就有不同的数据，来自IoT和其他业务应用系统。
我们在这么一个架构中会构建它以数据为中心的数据中台去分析这些设备或者资产相关的所有数据，包括它的缺陷、检修、点检、预警以及工艺、标准相关的，包括经验值相关的，会打造这些维度不同的数据，形成对外分享的数据服务。数据服务会支撑我们做设备的绩效分析、健康分析和安全分析以及工艺分析。当然，数据中台是要对这些数据做数据治理和管理，我们在PaaS中台上建技术中台的管理和数据资产管理的两个通用技能模块，这是技术夹层上的支撑作用。
我们做了内蒙古天陆实业的案例，内蒙古天陆实业是一家PVC地板的生产厂家，产品在多层卷材地板方面国领先。地板生产是个典型的流程制造，从混料开始到成品养生的生产过程中，各关键工序的温度、油压和电机运转是影响产品生产效率和质量的关键。
在这个项目中客户提出了包括：规范化资产管理流程、清晰化设备台账、透明化维护维修过程、可视化关键工艺/设备实时状态、提前预警，降低设备非计划停机时间、沉淀维修维护知识等项目需求和目标。赛意信息团队通过项目实施为天陆实业实现了在线监测包括245个温度监控、237台电机电流的监控和52个油压监控，确保关键工序设备的健康运行同时也做了两台计米器的数据采取，用于精准核算单产品成本。实施部署了包括资产管理、计划维护、故障管理、工单管理、数字仪表6大模块，最终实现降低80%的非计划停机时间，提升平均设备综合利用率28%，降低5%的单位产品成本。
第二个是做深圳地铁的闸机监测。在地铁里面人流量比较大，闸机会出现卡顿、失灵甚至夹人，虽然发生的概率不是很高，但是一旦发生社会舆情压力比较大，所以有顾虑。这里不讲人机协同，主要讲闸机监控的故障预测。首先要定结构，要分析故障结构；二是定对象，要采集什么数据；最终分析是通过振动方式监测闸机。所以项目目标也非常清晰：规范化资产管理流程、清晰化设备台账、透明化维护维修过程、可视化关键工艺/设备实时状态、提前预警降低设备故障率。最后我们选的点是放在P3点，故障有两大类：一是不动；二是动。不动有两类，动有五类，总共七类故障，我列了两类，这里面我们做了一些分析，前面也要做滤波和降噪，因为动作不是循环动作，而是开关门才有振动，所以通过故障预测来精准来预测它的方案。
赛意信息在制造工业企业的信息化有非常强大的品牌力量和经验，当然，因为在智能制造的转型里能覆盖全面的方案，包括从需求计划到最终的订单交付这个端到端流程的覆盖，也能从数字化支撑上解决供应链的协同，包括供应链计划和供应链执行，都能够完整地覆盖。
设备管理和资产管理这个事情是非常复杂的，不同行业、不同领域的内容是千变万化的，如果大家有兴趣可以随时沟通。谢谢大家！
（雷锋网雷锋网）
正在生成分享图...
卢洁萍