数字运维：数据治理与智能服务 （3）

一、大数据与智能服务

在以往的文章中，我们分析了我国工业服务的现状，低价中标、设备可靠性和维修性缺陷严重、假冒高仿备件充斥工业服务市场，工业服务市场四面霾伏，而致使制造业得不到价值服务而深受其害。

在大量企业的信息化应用基础上，数据决策报告将会成为链接内部决策服与外部服务资源的基础，形成工厂数字化＋工业维修的大数据应用生态。这些数据应用包括：

1. 价值结构性数据应用

可用度，大数据的应用将会呈现出可用度在行业的最高值、平均值及参考值，并识别出用户在行业中的排名状况，企业决策者将依据可用度指标，确定是否做管理强化。

以可用度指标为核心，进一步分解，将会得到如下的数据应用：

分解指标	异常状态	对策与互联网应用
1.MTTR	↑
1.1供应延误	↑	对接备件电商平台，强化关键备件采购管理；
1.2维修延误	↑	维修组织优化，引入管理咨询或对接维修服务平台。
1.3维修时间	↑	维修技能标准化，对接维修服务平台。
2.MTBF	↓	强化维修质量管理，增加预测性维修和改善维修比例。
3.事后维修比例	↑	增加预测性维修和改善维修比例。
4.预防性维修比例	↑	强化复杂装备的预防性维修，较少预防性维修比例。
5.预测性维修比例	↓	强化隐患和缺陷的管理，引入管理咨询或预测性维修服务商，强化点检工程师培养、实施全优润滑管理。
6.改善比例	↓	强化全员改善，引入管理咨询。

表一：运维指标数据分析与互联网应用

2. 行为数据应用

行为数据是指维修过程中，对其产生的原因和备件消耗而产生的非结构性数据。主要包含两类：

故障类别与原因数据

故障类别	故障原因
机械故障	疲劳
	摩擦
温度循环
电气故障	异常应力
	机械应力（松动）
污染
仪表故障	老化和磨损
不合格或缺陷零部件
操作或维修引起的错误
通讯故障	腐蚀
蒸发

表二：故障类别与原因

通过维修管理信息化所记录的故障类别和原因，可针对性的在决策报告中识别出来，并匹配适合的解决方案。如识别出某企业的机械故障中，因腐蚀所造成的故障比例较高，则可推送高分子材料修复和防腐方向的供应商和服务向用户。

备件消耗数据

在备件信息化的前提下，备件消耗数据将会被呈现出来。如识别出用户的工控类产品的数量消耗数量大时，则可判断用户这类备件质量存在异常，此时应在决策报告中将工正品备件推送给用户。

二、运维数据治理与智能服务的前景

大数据智能决策，将解决企业和供应商、服务商之间信息不对称的问题，这取决于数字化的普及程度。在实际运行中，依然遵循用户自主决策，但定期（月度、季度和年度）的数据决策报告，将有利于将用户需求往备件服务商、维修服务商方向引导，有助于工业维修产业的整体优化和良性发展。

（续完）

原创：杨明波 工业4俱乐部工业服务研究中心

（摘编自：工业4.0俱乐部 工业服务研究中心）