资产管理和预测性维护

固定资产管理(Fixed Asset Management)就是管理固定资产

在一般人概念中,固定资产就是建筑,房产,机器设备等,每年盘盘点,帐物一致就行了,这个角色一般公司不会专门设置人员,无外乎是因为与直接业务关联不大,而且管理层看不到其影响和业绩。这是个太基本的基本工作了,所以一般是工程部某位同事兼任,小点的的公司就根本不考虑这个角色。这其实是一种偏见,也是很常见的现状。在此,我们换一个思维角度去探讨这个话题。

先说为什么要管?

回归到资产的基本属性,资产是预期会给企业带来经济利益的资源。所以,一定要强调:资产是用来创造利益的,不要让资产在那里睡大觉,而是要创造价值。简单举个例子,我们可以去想象,各自家里是不是曾经买过很多的设备,譬如跑步机,面包机,照片打印机,等等,当时确实有很美好的计划,但实际上多数时间都是静静的放在哪里,不知道下一次是什么时候才会心血来潮用一次。在家里没关系,因为家就是要舒适,但如果放在企业里,这就是极大的浪费,设想一下,大笔的资产闲置在那里不能产生效益,而同时现金流紧张,企业的经营势必步履维艰。

此时,资产管理的意义就体现出来了,要想避免那种窘境,必然需要两个环节的管控。一方面是在新增资产时,审慎分析,确保投资方向准确,确保其真正的在回报期内将投资收回来,也就是要“保本”,这个问题在之前的《固定资产投资管理浅析》中已经谈过;另一方面就是现有资产的持续创造价值,这也是摆在大多数人面前的现实问题。下面,我们可以从三个方面展开来谈:资产的完好保存,资产的保值和增值,盘活闲置资产。

资产的分类很多,如流动资产、固定资产、有形资产、无形资产等,在此讨论的仅限于固定资产。

一、资产的完好保存。

原因很容易理解,其目的是确保资产实体的持续存在和完好。从两个方面来看:实体的存在,包括安保(Security),盘点,和防损(Property Loss Prevention); 另一个方面就是完好性的保持,这就涉及到闲置资产的保存,避免一台完整可用的设备,变成一堆零散的废铁。

先说安保,也无可争议。一般都会有保安,监控(CCTV),尤其对于一些产品价值高的企业,其系统更是严密,同时控制内部员工。为此也分对外和对内。先说对外,防止外部非法入侵,盗窃财物,在正常运转的企业,都有比较成熟的模式。笔者有经历管理几家停产的工厂,工人遣散,只保留一两个留守人员,这种类型的安保就值得重视了,期间甚至出现过电缆沟内的动力电缆被盗的情况,附近居民到厂内种菜的情况,从这个角度也更容易凸显如何做安保有效。

以停产工厂为例,方法无外乎保安和监控,这里主要谈内在逻辑。在人手有限的情况下,第三方保安公司是不错的资源。有两方面考虑,第三方公司可以作为责任主体,可以通过合同的方式约定责任和义务,通过其专业的管理,一定程度上可以给外界带来一种威慑,从而避免一部分“贼惦记”,并且一旦出现损失,也可以按照合同的约定索取赔偿。另一方面,留守人员和第三方保安,作为两个主体在日常安保中会避免监守自盗。同时,还需要管理人员定期和不定期的巡检,作为补充。这样的三方不同深度的介入,可以避免偏私。在此基础上,建立起相关的流程,例如巡检制度,进出审批制度,汇报流程,盘点制度等。注意,记录是很重要的工具,保安巡检(巡更系统),留守人员值班日志,人员/物料出入登记,监控录像存档,会便于管理人员有效的回顾发生了什么,并且辨别是否存在问题。说到第三方保安公司,这部分支出很可能会受到挑战,因为停产意味着亏损,财务会想尽办法减少开支,笔者的经验是一定要顶住压力,因为一旦失窃,哪怕是一个设备部件的缺失,其带来的损失都可能超过保安的费用。

盘点,确保帐、物、卡一致是主要目的。盘点可以根据内部财务规则制定流程,固定资产的盘点一般通过盲盘或列表盘点的方式。盘点是验证结果,这里更想说的是,如何让盘点更容易。笔者有过一段经历,当时公司的固定资产管理比较混乱,有帐无物(账上有的找不到东西),有物无帐(东西在但账上没有),帐物不一致(账上的描述和实体不一致),为了梳理清楚状况,当时废了很大的劲,通过后面总结,主要症结在于:

  1. 转固环节问题,一个号码对应一批物品,或者一台设备存在两个编码(设备大规模改造,这种情况应该并入原资产编码之下),资产名称描述不清晰,或者是消耗品也作为固定资产入账,必然很容易遗失。这种问题不少见,转固环节的把控很重要。
  2. 使用过程中的移动没有记录存档,导致A部门的东西在B部门,盘点时A缺失,B又多出来,甚至借到供应商那里去了,能对出来还好,对不出来就是坏账,如果出现人员变动就更难说清楚了,应该做好记录存档,借出去的留借条,移动的及时记录变更位置,所在区域的设备管理员,应该承担起责任。
  3. 该报废的没有及时清除,盲盘就很容易发现这些问题。操作上的经验是报废和处置工作应该同步开展,在报废申请上应增加描述处置收益和处置计划,这样可以从流程上规避。
  4. 标识遗失,这个问题很麻烦,只能通过后期重做标识来不久,一定要注意标识的牢靠性,至少那种标签纸是不牢靠的,可以通过钢字码,喷码,或者金属字牌的方式。

为此,要想盘点清晰准确,一定要配套完善的固定资产管理程序来规范前期,转固,移动,借用,报废,处置等。其实,这对资产管理员的专业能力有一定要求,前期不重视,后期一团糟。

还要补充一点,如果报废是在折旧完成之前发生,就需要提前折旧,就会产生账面损失为此报废谨慎。操作上应该提前预算,就像投资预算一样,每年度提前做好报废计划,提前将该部分减值损失放进COGS。

然后是防损,这是一门专业-Property Loss Control ,譬如财产保险,消防。全球知名的FM认证就是属于这个范畴。正如FM所坚持的:绝大多数财产损失都是可以预防的,企业需要采取主动措施来避免风险的发生,这些措施会包括预防措施,消防系统,应急措施等。FM有非常专业,十分详尽的规范和标准可以参考。

在企业管理中,主要工作包括,硬件上的消防系统的配置,维护,定期检测,管理上的消防演习,应急响应程序,检查审核等。一般会并入安全管理,实践上会有很多涉及到工程部,大的公司都会有详尽的管理标准。

对于停产的工厂,这一点尤为重要。笔者的经验中出现过火灾的案例,当时是报废设备处置的现场有动火作业,恰巧因为当年冬季温度极低,造成消防管道被冻裂,还没有来得及修理,着火了之后束手无策,万幸消防车很快到来,没有造成大的损失。归结教训就是:

  1. 任何情况下都需要确保消防系统的可靠运转,尤其是供水系统。尤其动火作业区域一定要配灭火器。
  2. 保留工厂的动力电是必要的,至少是消防供水系统的动力电。另外,切断动力电的费用节约不一定划算,因为恢复动力电的代价也不低(要找供电公司,有一系列手续和检测),而且断电期间配电设备容易出现故障,维修也会有代价。(笔者经历过一个案例,当时工厂动力电已经停了一年多,紧急需要动力电,供电公司一些列手续后,开始送电送不上,怀疑是湿度大,等了一天后终于送上电了,但不到半小时高压开关柜出现故障,厂内没有技术人员,配件又比较难找,省下来的容量费基本花完了,关键还耽误了一个星期。)
  3. 厂内禁烟,特别是停产状态,人员很少,更容易忽略。
  4. 对外来人员,要格外严格管理,必要时临时抽调人员现场监督。因为外来人员会在这样的环境下更容易放纵,就如“破窗理论”。

还有很重要的一点是如何确保完好性。想象一下,工厂内部若干台设备中的一台闲置了,一年之后会是什么样子? 厚厚的灰尘,七零八落,部件缺失,时间再长一点可能就消失了。笔者的经验中,有一条生产线停产三年后,重新要启动该生产线时,论证结论是:恢复代价太大,只能报废处理(作为废铁卖了100多万,而投资一条新线的代价是2000万元)。期间发生了什么呢?停产的三年期间,隔壁生产线的维修人员随时过来拆零件,这里成了备件库;期间没有任何维护措施,灰尘,污垢,锈蚀,导致运动部件不能移动,控制系统损坏,电箱内部灰尘、潮湿导致不能工作;所有人都眼睁睁的无视它的存在,在不知不觉中,拆的七零八落,毁的面目全非。

先从价值角度来谈,即使这台设备再也不会被使用了,就是说它在工厂内的价值消失了,但作为设备的本身还存在价值。我们都知道,处置设备时分两种情况,一种是作为二手设备处理,一种是作为废铁处理,这两种方式的价格是悬殊的,这是设备和废铁的差别。毫无疑问,处置的时候大家都愿意得到更高的报价,但这取决于前期我们是把它变成了废铁还是设备。活的肯定比死的值钱!再假如,一个阶段之后,公司需要重新利用这个设备呢,它的价值岂不是更高!

相反,拆东墙补西墙是否会带来额外的价值呢,答案肯定不是,那是维修系统的失误,即使临时应急拆借备件,那事后还可以还回去,代价也不大;再说例行的维护,设备不运转的情况下,其磨损大幅降低,只需要维持基本状态,做做清理,清洁,润滑,检查,这些投入也是很低的。从管理角度来说,这也是日常维护必须的工作,只是我们不要变得麻木。

可以看到虽然维护投入很低,可以保持设备的价值,而维护缺失,却造成很大的损失,结论显而易见。这就是为什么要确保完好性的内在逻辑。

二、资产的保值和增值

 

这里资产的保值是指抵抗自然磨损和运转磨损,而保持其基本性能。这里有一个概念RBC -Restore Basic Condition,想想看,日常工作的TPM是做什么的?联系很紧密,或者说其目的之一就是恢复和保持基本性能。

维持其基本性能,才能抵消因磨损带来的收益减速,最大化资本效率,只有延长了资产的使用寿命,就意味着增值。

笔者做过产能分析评估的工作,其中有一个参数就是资产利用率Asset Utilization (与OEE同理,计算上只是分母不同),这个参数直接决定产出能力。道理大家都知道,增加设备的成本毫无疑问大于提高效率,只有在实在没有办法提高效率的情况下才会考虑投资,投资所带来的成本压力,又影响着生存!所以在产能紧张的时候,第一考虑是如何提升效率。

关于TPM是一个很大的话题,也是有很多参考资料,在此就不班门弄斧了。

三、盘活闲置资产

 

每个企业都会不可避免的存在闲置资产,这里所谓闲置资产是状态良好的随时可以恢复使用的资产。产生的原因多是因为工艺革新,技术升级,产能萎缩等原因,这些资产在一个阶段内不会创造价值,还需要投入维护成本。如何让它产生价值呢?

先说一种情形,对于未来不确定性较高的投资,租赁会是一个不错的选项,可能租金不便宜,但可以通过计算租赁成本和投资的总拥有成本,来平衡投资方案还是租赁方案。还有一个变种,就是外包,由服务商投资,将成本分摊到单价上。这些方式可以在投资前期来规避闲置资产的产生。适用于仓库,通用设备等。

分子公司间的资产调拨,资源共享。笔者服务过集团类公司,下属若干家相同业务的工厂,当时一项重要的工作就是工厂间的资产调拨。A公司需要投资,恰巧B公司有闲置的设备可以满足,这就带来了投资的节约。这种工作需要非常详尽的信息统计和沟通,首先建立起闲置设备数据库,使之对应到投资需求数据,再通过总部平台,统筹调配资源。说起来道理很清楚,但在执行中存在不少的难度。

  1.  首先就是意愿问题。需求方不愿意接受二手设备,因为二手设备不可避免的存在一些问题,无论是效率还是维护成本,相对于新设备没有优势。这需要总部建立规则,来引导或是要求,甚至在财务政策方面给予优惠。
  2. 资源和需求的信息匹配。设备有不同的型号规格,现有的设备资源是否能满足需求,这需要非常准确的对应。所以,信息平台应该收集尽可能多的资料,同时设备说明书、图纸、照片等资料也需要一并准备好,以便需求方准确的判断设备状态。当然最后还需要现场确认,前期的信息足够充分,会避免最终跑到现场发现不对的情形。
  3. 可用资源的甄别。如果搬迁和改造成本很高,而设备状态又不好,那二手设备的再利用就是得不偿失。为此,需要可用资源需要甄别,这个工作需要专业技术人员的判定。这里再一次验证设备完好保存的意义。
  4. 财务流程。其实分公司之间的调拨,在财务上也属于买卖关系。买卖就涉及到定价,买房和卖方就需要达成一致。同时,交易价格和账面价格的偏差会导致账面的亏损。为此总部应该建立规则,来解决这两方面的问题,当然也需要通过规则来促进二手设备的调拨,毕竟从大盘子来看是有益的。如果涉及到上市公司的情形,那就必须由有资质的第三方机构来做资产评估,评估价格作为交易价格。

这种调拨带来的投资节约是非常可观的。举例来说:投资一台新设备需要100万元,而现有可用设备的价值是50万,加上投资10万元改造,也是非常划算的,相当于节约投资40万。于此同时,假如对外卖掉其收益也肯定小于50万,这是里外两方面的收益。但操作上,确实信息量很大,流程和环节很多,需要在总部组建专门的团队去做。

最后一招就是—出售。如果可以预见,未来一个阶段内没有可以调拨或重新利用的可能,那就最好尽快出售了。如果非要说一个期限的话,建议不超过两年。为什么是两年?从决策的角度来说,即使经营策略有不确定性,两年时间也已经足够做决定了。并一方面,从设备状态来说,两年时间内即使开展维持性保养,但那么长的时间停用,也不可避免的会有锈蚀,而且电气和控制系统出现损坏的概率很大,想恢复代价也很大。为此,还是尽早做决策,尽早处理,还能卖上个好价格。如果是作为废铁,那就关心一下钢材的价格走势,找个高点出售。

如果把一家工厂当作一个资产实体来说,也是一样的道理。一方面需要避免被拆东墙补西墙,保持其整体性完好性是必要的。另一方面,即使没有生产运作,它每年也需要交土地增值税,房产税,安保费用等,这也不是小数目,可能要百万之多。

对于整体工厂的设备调拨和拆借,其情形更复杂,不应是全面禁止,但需要坚持一些原则:

  1.  应事先规划整体设备转移方案,充分平衡调拨价值和整体出售的价值。避免盲目拆借,整体被肢解,就丧失了使用价值。
  2. 不影响主体运转功能的,可移动的单体设备,应优先转移。例如,仪器,工机具,车辆,办公家具,IT设备等。因为调出去可以更好的发挥其价值。
  3. 影响主体运转功能的,非关键工艺设备,可评估后调用,其附属设备也应一并转移。
  4. 关键工艺设备,应该获得特别许可。(精肉被调走,剩下的就自然贬值了)
  5. 转移资产时,实体应对应资产编码,内容一致。
  6. 设备拆除时,应从主动力接口作为断点,有开关或阀门的以此为断点,禁止中间切断。拆除后需将断点封闭,水或气管需采取固定措施封闭(阀门或封板),动力电电箱需锁闭。同时,断点位置应LOTO措施,和警示措施。避免产生次生危害。

从笔者经验来说,化整为零的拆借或转移是不划算的。因为需求方一般只需要一小部分,而这一小部分转移后,会让剩余的一大部分失去了使用价值,出售价格也被压低,得不偿失。把一家工厂作为一个资产整体时,其内部也是肥瘦相间,土地毫无疑问是最好的精肉,设备和建筑物就得看买家是做什么的了,为此如何出售,需要通盘考虑。

写了这么多,最关键的仍然是资产的属性的创造价值,一个合格的资产经理,应该通过完善的管理系统,来确保资产完好,并促使资产创造价值。实践中,可能这些职责分散在各个环节,例如,安全,工程,维修,生产等部门,但各环节也都应该按照同样的理念去管理固定资产。

预测性维护可以算是智能制造中比较火的应用场景了,其中涉及了以机器学习为核心的众多先进技术。在这里做个科普讲座,希望通过本文能够帮助大家了解设备预测性维护的总体过程和原理。

什么是预测性维护?

首先看一下设备维护的四种方式,如下图:
预测性维护怎么玩之科普篇在这里,我们所要讨论的预测性维护指的是利用设备运行的状态信息、环境信息等各种数据,主要基于数理统计模型,对故障进行预测。

预测性维护的重要意义在于避免过度维修,节约设备维护成本。

预测性维护的实施步骤

 

前提条件要有一定的数据积累。

这里所说的数据积累包括两个方面:数据的种类和数量。
在种类方面,至少要有两类数据才能够进行预测模型的建立和训练,即故障数据以及设备运行的状态数据。在建立和训练模型的过程中,前者是模型的输出,后者是模型的输入。
在数量方面,究竟多少的数据量是足够的呢?

答案可能会让大家失望——在没有建立和测试任何模型之前,是没办法确定最终需要多少数据的,而且在这个阶段几乎也没有太多简单的经验规则可以参考。

因此,对于数据量来说,只能是多多益善。并且,我们能够确定的是,某些数据是需要尽可能多的数据量,比如,设备的故障数据、在设备发生故障之前的一定时间窗口内的设备状态数据(电压、电流、振动等等)。

不同的预测结果及建模方法

预测的结果可以分为以下两种:

离散型的预测结果,即结果为一系列有限的值之一,比如“是”或“否”。例如,在未来的一定时期内,设备是否会发生故障。这里将采用分类模型进行建模。连续型的预测结果,即结果为一个数值。例如,设备会在未来的什么时间点发生故障,或者说,设备剩余有效使用寿命是多少。

这里将采用回归模型进行建模。相比于回归模型,分类模型虽然给出的预测结果相对简单,只有“是”或“否”,但是所需的数据量也要少一些。

模型的评价指标

对于回归模型,可以采用均方根误差Root Mean Squared Error作为评价指标:
预测性维护怎么玩之科普篇

对于分类模型,可以采用准确率(accuracy),召回率(recall)等作为评价指标,大家可自行百度一下具体定义。

注:准确率描述的是如果这个模型总共做了N次的预测,那么共预测对了多少次,召回率描述的是在实际发生的N次故障中,该模型共预测对了多少次。当然,这两个指标最后都是用比率来显示的。

预测性维护建模的过程

预测性维护的建模过程与一般的预测分析是一样的。

假设我们已经搜集到了一定量的历史数据,包括故障数据以及设备运行状态的数据。下面以回归模型为例,对预测模型的建模步骤进行简要介绍。当然,这部分核心工作就需要我们的数据科学家登场了。

在实际应用的过程中,下图中虚线框中的几个环节会迭代进行,直到获得符合期望目标的预测模型。
预测性维护怎么玩之科普篇

1 选取模型

数据科学家首先会使用各种算法模型进行尝试,对我们已有的数据进行拟合。在这个阶段,一般会先从简单的模型开始尝试,比如线性模型等,并以此作为与其他模型比较的基线。

这里需要注意的是,“选取模型”、“数据预处理”、“特征工程”、“超参数优化”这四个步骤并不是瀑布式进行的,而是迭代进行的,最初选定的模型也有可能在后期发生改变。

2 数据预处理

这部分工作的目的是,将原始数据转换成模型输入所需要的数据格式,包括对各类数据的度量单位的统一,或一些明显有问题的数据的排除等等。当然,有些预处理工作也可以在模型选择之间进行,比如对误差数据的排除。

3 特征工程

如果我们把模型简单理解为一个函数表达方式y=f(x1、x2、x3…..)的话,那么,特征就是其中的自变量x1,x2……。

特征工程可以理解为对模型输入变量进行处理的过程。这个处理的过程分为两种:

  • 一种是增加特征,也就是在原有的原始变量的基础上,再应用各种方式生成新的自变量,比如x1和x2的平均值。但是,需要注意的是,生成的新的变量一定是在预测性维护的场景中有实际意义的。这就需要相关业务知识做基础了。
  • 另一种是减少特征。例如,应用设备方面的知识,在众多的输入变量中选择出与预测结果有密切关系的自变量。

4 超参数优化

超参数的优化就是对我们所选取的模型的一些参数进行优化,使模型的预测性能指标更精确。
如果说特征工程是对自变量x所做的工作,那么超参数优化就是对函数f做的工作——调整f的各种参数。

5 模型评估

在根据历史数据建立好模型以后,我们需要对该模型进行评估,也就是用另外一些在建模过程中没有使用过的数据进行模型测试,看看预测的效果到底怎么样。这部分测试模型的数据是一般在建立和训练模型之前,从历史数据中划分出的一部分数据,通常叫做测试集数据。

6 模型部署

模型建立好之后需要部署到实际的生产系统中运行,不断地接收从设备层采集到的数据,进行预测分析。
模型的部署涉及到了工业现场的数据采集、企业服务总线等技术。

 

预测性维护与基于状态维护的关系

可以将二者相结合,共同发挥作用。

“预测性维护”是基于数理模型的,完全是从数据出发建立模型。而“基于状态维护”是基于设备机理模型的,依靠的是对相关领域知识的理解。因此,两者充分结合,往往能够发挥更好的效果。

例如,在特征工程中,往往会利用机理模型,也就是设备的领域知识来产生有实际意义的新特征,加快模型建立与训练的过程。

目前做预测性维护的困难最大的困难是工业现场数据的缺乏。

建立及训练预测性维护的模型至少需要两类历史数据——故障数据(即计划外停机的数据)以及设备运行状态数据(例如电压、电流之类)。并且这两类数据的数量要足够大,这样训练出的模型才更为准确。

但是很多设备的停机故障发生概率很低,可能一年也没几次,因此,这类数据的收集就需要很长时间。

此外,很多工业现场并没有完善的设备数据采集系统,或者即使有一些SCADA之类的系统,也更多是完成实时状态监控,对于设备运行的状态数据,只保存了很短的时间(如3个月),缺乏设备数据的长期保存。

预测性维护需要基于持续的状态监测,需要使用各类传感器sensor 收集数据,比如在电机、泵、轴、密封处等等处应该都有监控点,收集上来的数据传输到数据管理中心进行处理和分析,达到提前数周便可以预测出故障的发生,减少并消除所有非计划停机,这是可以做到的。

预测性维护的几个步骤是呈金字塔排列的,最基层是数据收集,具体体现在传感器和仪表的布置,上面是监测,这里要处理数据,最后的塔尖是预测,这一个环节需要基于物理的或者统计的模型。

参考资料

本文参考了书籍《预测分析:R语言实现》,以及一篇文章《Machine Learning Techniques for Predictive Maintenance》。

发表评论

电子邮件地址不会被公开。 必填项已用*标注