塑造淘汰管理的未来

“预测未来的唯一方法是拥有塑造未来的力量，”美国哲学家埃里克-霍弗说。然而，由于陈旧设备的问题日益严重，这对制造商来说正变得越来越困难，陈旧设备是指原设备制造商不再生产的机器，其备件可能很难找到。

根据Atomik研究公司代表Shire租赁公司所做的一项调查，52%的制造业员工表示，过时的设备经常阻碍他们的工作。过时的设备给各种制造业专业人员，从企业主到操作员和维修工程师等各个层面都带来了问题。通用电气数字公司的一项全球研究发现，82%的企业存在非计划停机问题，在接受调查的450家公司中，平均每小时损失26万美元。

更换陈旧的资产可能是困难的。如果设备不再生产，就不可能找到一个类似的替换零件，甚至是必要的序列号。另一方面，用较新的型号替换过时的资产可能是昂贵的和破坏性的，而且不一定是最佳选择。

维修可能比投资更换更便宜–取决于机器的大小、功率或类型–然而这种方法也有问题。一旦我们考虑到生产停顿、时间和资源损失等破坏性因素，以及供应链中其他方面的后果，据估计，机器故障的真正成本可能是维修成本的4到15倍。

发现和管理问题

那么，制造商可以做些什么来减轻机器报废的后果？在GE的另一项研究中可以发现，只有24%的经理人将他们的维护方法描述为预测性的。

这表明许多生产环境依赖于预防性的维护策略，而不是预测性的，这意味着资产的更换和维护是按照预定的时间表进行的。这方面的问题包括：在两次检查之间，故障可能会恶化或导致故障，从而导致被动的维护方法，即直到太晚才解决故障。

然而，GE的研究为我们指出了一个解决方案：利用数字技术收集、监测和分析工业资产产生的数据，进行预测性维护。

通过工业4.0，不仅预测性维护成为可能，像传感器这样的技术可以帮助诊断问题，比人类工程师更快。此外，这些系统可以帮助制造商预测性地发现和管理老化的工厂设备的陈旧问题。让我们研究一下如何。

预测未来

根据Technavio的数据，亚太地区的工业预测性维护市场在2021年至2026年间的复合年增长率预计将超过34%。这主要得益于工业物联网（IIoT）、人工智能（AI）和大数据的持续进步。

工业4.0传感器连接到设备层面，可以通过收集数据支持实时调整，这些数据被反馈到工厂的监督控制和数据采集（SCADA）和制造执行系统（MES），然后由工程师实时处理、分析和可视化。

有了这些数据，工厂经理可以执行有效的陈旧管理战略的第一步。这些步骤是系统评估、资源规划和风险分析。这些步骤应考虑到生产工厂中所有设备和部件的寿命。换句话说，工厂经理应该知道所有的东西有多旧，并标出任何可能影响设备性能的损坏迹象。目的是在陈旧的部件老化时，在它们影响生产力或导致停工之前，更换陈旧的部件。

陈旧管理战略的下两个阶段是创建一个数据库，并审查和更新这些信息。整个工厂的陈旧风险数据应该易于访问，它可以简单到创建一个电子表格，突出车间内的关注领域。该数据库可以包括如何着手管理风险的建议。

这就引出了我们淘汰管理策略中的最后两个步骤：寻找合适的供应商，以及采购和储备零件。数据库应该包含一个值得信赖的供应商的联系信息，该供应商专门从事过时的自动化部件，并在遗留部件需要被替换时随时准备协助制造商。

最重要的是，应该记住，淘汰管理是一个持续的过程。这就是工业4.0和传感器的自动化实时功能，引用埃里克-霍夫的话说，给了工厂管理者塑造未来的力量。通过帮助人类工人预防性地维护整个工厂的陈旧设备，数字化的陈旧管理给了他们预测未来的力量。