根据相关数据统计，目前我国企业生产设备的数字化率平均为47%，关键工艺的数控化率51%，关键设备联网率41%。然而由于设备数据采集受制于诸多原因，仍然是生产现场数字化推进中最大的痛点之一。

大部分制造企业中都是生产为大，设备只是保障部门，只要设备还能运转，就不会停产。这导致设备维护改善的时间和资金投入严重不足，设备部也陷入四处救火、穷于应付的被动恶性循环。究其原因，是因为企业没有从工厂端到端视角看设备停机的损失。在设备故障出现初期征兆的时候进行维护，远比造成停机后再维修造成的损失和投入成本要小得多。

设备管理经历了四个发展历程：从1.0的纠正性维护(CM)，到2.0预防性维护(PM)、3.0的可靠性维护(RCM)、4.0的预测性维护(PHM)，本质上是以设备健康管理（EHM：EquitmentHealth Mangment）为中心，从“治已病”到“防未病”的进化过程。通过EHM，设备健康状态不再是简单地划分为正常、异常。

例如可以通过设备管理系统搜集到的基础数据，分析评估出设备的亚健康状态，提前维护，大大减少设备维护成本。通过数据准确、快速的判断出设备健康状态、故障征兆原因，对设备管理人员的故障诊断起到重要辅助作用。这样，设备管理人员的职责从原来的坏了再修，转向如何保障设备健康运行的专业维保维护工作，进入良性循环。

在许多管理者观念和行动上始终认为设备出了问题就是设备部的事情，导致生产部门对设备的故障不关心，对影响产量、质量的设备维护不重视。设备维护工程师也往往因为地位低、薪酬低，自嘲为看门狗和替罪羊：节假日，别人可以休息，他们却不能离开，因为这正是维修设备的好时机；凡是出了问题，无论是设备停机，生产停产，还是质量事故，都会与设备相关，设备人员几乎永远是背锅侠。

设备部成了优秀人才最不愿意去的地方。这种恶性循环现象需要生产管理者身体力行，树立正确的设备管理理念，构建生产为主体的全员自主维保体系。只有生产部门管理者重视起来了，生产设备操作者才会改变对设备漠不关心的态度，才能有效进行设备保养。这个光靠设备部是玩不转的。

许多管理者认为设备零故障是不可实现的，企业在遇到困难需要削减成本时，很多情况是拿设备维修费用开刀，甚至提出让维修预算每年递减百分之几的目标。维修的投入是设备日常维护所投入的人工费、各类防护费、备件费，以及设备管理系统的投资。产出是什么呢？是避免由于设备维护不足、设备管理不善带来的设备停机、精度或者质量缺陷带来的损失。如果对这些损失的价值误判，则容易扼杀设备维护技术和管理体系的改善性投入。

在实际操作中还存在一个问题，就是备件的更换，很大程度上掌握在维修工手上，存在着许多“人为掌握”更换的因素。维修人员大都靠经验判别备件损坏程度，对怀疑有故障的零部件，通常为了减少麻烦，即使还可以用也会更换成新的，导致产生过度维护的隐性浪费。这块隐形的损失，如果通过构建更精准的备件寿命管理，可以转变成“利润”。

设备维护工作由过去强调为生产服务，追求较高的设备完好率指标转变到以企业的经济效益为中心，要求设备管理工作重视维修费用的管理与控制，找到以最少的维修费用达到最高的设备可利用率的平衡点。企业高层管理者应当从“投资”的角度认识维修和设备管理，实现转变设备管理理念。

许多工厂期望将自己对设备故障的不确定性交给 “预测性维护”来解决。但据观察，目前大部分此类项目预测的准确率很低，仍是概念和实验性的居多，在可解释性，可验证性、可复制性上都还存在有问题。

预测性维护的落地比预想中困难，是因为企图单纯依赖数据提取可解释的工业机理逻辑，难度远超想象。

主要有两个原因：一是因为许多企业的基础数据还缺乏积累，比如设备基本的巡点检、维护保养、故障分析记录，都还是散落在各种纸张、Excel中，设备缺乏数字化档案，基本维护保养数据、备件更换记录、故障和修理数据，包括设备的故障特征数据还没有结构化的积累，就不可能实现模型的训练和验证；二是许多厂商企图单纯依赖数据分析路径而忽略了设备工程师现有专业知识和经验的融入，光靠数学和AI算法容易走入统计陷阱，只是得到了相关性，不容易得出可解释、可预测的因果性模型。

所以我们建议工厂一是要重视设备数字化档案、基础维护、维修工单、故障树等这些基本数字化能力的建设。二是针对重点的高价值、停机高损失设备，将经验模型和数据模型结合建模，而且模型的输出，目的是起到辅助人员维护维修的作用，最后还是需要交给人来综合判断。

总体来看，设备之于工厂，就像枪之于战士。许多设备维护维修技术体系，也确实是从军队武器维护体系发展来的。构建新型的设备管理能力，需要工厂管理者认识到设备是构建工厂核心竞争力的基础，积极变革设备管理和作业方式，向数字化、智能化发展。根据Gartner预测，到2022年，60%以上的设备将实现基于数据的智能运维方式，设备智能化管理和运维能力将会是衡量一个工厂核心竞争力的重要标志。