針對工廠設備故障等的維護工作通常會出現勞動力短缺或技能需要由人實現的情況，容易導致“經驗和技能依賴”，即依賴維護人員的經驗和技能?？紤]到未來數年提高工廠競爭力和生產率的現實需要，業務“標準化”已成為重要的關鍵詞，即，使更多人能夠從事維護工作，而不是依賴少數負責人的“經驗和技能”。被稱為“工廠管理專家”的JEMCO日本經營顧問古谷賢一進行了說明。筆者就擺脫維護工作中依賴“經驗和技能”的方法及應用IoT的方法，采訪了古谷。

維護工作為何出現使眾人無從下手的“本位主義”傾向？

――古谷先生，您主要在制造業領域為許多企業提供咨詢服務。從上游經營問題到現場業務，我想你所觀察的面應該是很廣泛的，而將改進、設備檢修等“維護工作”視為重點的情況是否比較多？

我覺得有很多。但一開始就咨詢“改進維護工作”的情況卻很少見。相反，很多時候是在工廠為提高競爭力和生產率而追求“理想目標”的過程中，得出了“需要維護”的結論。在反復思考工廠的未來和本質的過程中，應當對維護工作中存在的問題有所察覺。

特別是今后，多品種少量生產或按需單件生產的方式將逐漸增多。如果制造工藝復雜，會促使設備升級并變得更復雜。因此，是否能通過設備維護確保運行穩定是影響競爭力的關鍵所在?？紤]到未來較長時期內的工廠目標，需要在整個公司內重新思考維護工作的定位。

通常而言，維護是最難切入的領域，也是容易被擱置的領域。因此，不良狀態容易積滯，即使進行改革，也需要投入大量人力。

――維護工作難以切入或被擱置的原因是什么？

對于很多工廠而言，重要的是維持每天的生產和作業，因此需要優先考慮與其相關的業務。即使是需要每天維護的工作，會被認為是：“維護業務是在出現問題時才進行的業務”，所以就變成“沒什么事的話，現在也就不需要維護了”。這樣一來，維護工作會被擱置，很多工廠不再配置大量人力，只安排固定人員負責整個工廠的維護工作。

維護人員需要具備豐富的知識、經驗和技能，必須了解廠內所有設備的結構和特性，并迅速解決故障。但如果只安排固定人員進行維護，他們所掌握的知識和技能將無法實現共享。其結果，就使維護人員的工作逐漸“本位主義”。這就是所謂維護工作的“經驗和技能依賴”狀態。

――具體來說，“經驗和技能依賴”會引發什么問題？

例如，大規模更換工廠設備的情況不常發生，因此很多工廠會長時間使用老舊機器。

這些工廠的設備圖紙或說明書丟失的情況也比較常見，需要更換部件時，可能無法獲得原裝配件。因此每當遇到故障時，維護人員會自行添置部件或進行修理。如此一來，除了維護人員以外，其他人都不清楚機器最初的規格，運行機器也完全依靠維護人員的經驗和技能，從而使“本位主義”現象進一步加劇。這種情況非常令人頭疼。

如果頻繁發生因設備故障導致生產經常性停止的“小停機”，有時會將設備恢復至初始狀態。倘若此時沒有圖紙，且只有固定的維護人員了解機器原來的狀態，將使問題變得非常棘手。假如維護人員已經退職或不在現場，會變得雪上加霜。

――就是說，除了維護人員以外，其他人都無從下手，引起了黑匣子現象吧？

正如剛才所說，可以對維護工作投入大量人才和資源的企業并不多。這種情況下，如果不能實現維護訣竅的共享，將給工廠的運營帶來弊端。只有維護人員才能完成的工作將增加，滿負荷工作成為常態，始終忙于故障機器的維修作業。極力將故障這一負面狀態清零，無法對生產率產生正面作用。

如需提高工廠的生產率，應提升開工率。為此，必須防止故障發生，進行必要的維護。

――不是“減輕負面作用”，而是防患未然，“不產生負面作用”，這一點很重要。

是的。維護可以分為3種類型。故障發生后進行事后處理的“事后維護”。定期執行規定的維護作業，預防故障發生的“預防性維護”。以及，在發生故障前及時察覺、積極進行預防的“預測性維護”。不是事后維護，而做到預防性維護和預測性維護，這是最好的情況。如果維護工作的本位主義成為常態，將始終停留在事后維護階段，難以提高設備開工率，從而陷入惡性循環。

擺脫經驗和技能依賴的方法論IoT

――如何擺脫經驗和技能依賴，使更多的人能參與維護工作、共享訣竅，并對維護工作進行標準化改造？

首先，需要徹底梳理作業流程。經驗和技能也可稱為“隱性知識”，需要在很大程度上依靠個人的知識和經驗。即，無法用語言明確表達，只由維護人員意會的知識。

需要將這種隱性知識，轉化為其他人可以掌握的“顯性知識”。例如，制作流程手冊實現文本化、通過照片或筆記詳盡記錄維護過程等，方法多樣，不一而足。重要的是，應了解維護工作流程的哪一步存在隱性知識，哪個環節發生了經驗和技能依賴。

――將維護工作轉化為語言，找出隱性知識是所有工作的基礎。

是的。但是這項工作并不簡單。用普通的方法很難將維護訣竅轉化為語言。維護人員確信其他人可以理解而記錄的內容，在外行人開來難以理解，或者維護人員本身不清楚什么是隱性知識的情況很多。

接到流程手冊制作等咨詢問題時，我會明確建議記述任何人都能看懂的基礎而淺顯的內容。仔細梳理作業流程，使得任何人按照記載內容執行后都能達到相同的效果。低質量手冊或說明書中未記載的內容往往是“經驗和技能”，設法通過文字或照片實現“可視化”，這一點非常重要。

――這是一項非常需要耐心的工作。

在擺脫經驗和技能依賴方面，我關注的一個問題便是IoT技術的應用。我認為IoT不僅可以避免維護工作的本位主義，還能實現預測性維護，從而大幅提升維護工作的水平。

例如，為機器安裝傳感器以獲取振動數據。與過去發生故障時的數據比較，如果出現類似振動則發出警報。當然，現實中不可能只有數據分析等單一情況，這只是IoT化的簡單示例，是預測性維護的理想情況。

從預防故障的角度來看，預防性維護也是有效的，但無論機器狀態如何都需要定期進行檢查，因此有時可能會增加維護人員的工作量。如果可以安排維護的人才較少，可能會產生負面作用，這一點也需要考慮。

――預測故障、防患未然的“預測性維護”是最有效的方式，而對其提供支持的便是IoT。

IoT可以將依賴維護人員經驗和技能的部分，通過數據形式加以可視化，并提高維護工作的質量。當然，培育高水平維護人員始終是重要工作，但受到日本社會少子老齡化的影響，勞動力不足已成既定事實，培育所需的時間也很長。作為補充性方案，理想的狀態是同時推進IoT應用和人才培育。

維護工作的本位主義導致經驗和技能依賴。我們意識到，若要提高工廠的競爭力，應當將經驗和技能中的隱性知識轉變為顯性知識，從而實現高水平維護。而其關鍵就是IoT的應用。下篇將圍繞維護工作中的IoT具體引進方法進行深度采訪。

盡早開始收集數據是維護工作IoT化獲得成功的關鍵

――上篇談到應用IoT開展維護工作的可能性。目前，引進IoT的企業或工廠是否增多？

IoT應用在維護領域也屬于前沿技術，引進的工廠逐漸增多。為維護工作提供支持的IoT工具數量也在增加。例如，為工廠設備的驅動部分、電機等安裝傳感器以監測振動的工具。有些系統不僅直接測量振動，還會進行頻率分解等數據處理，當檢測到異常時電腦會發出警報。這些措施是為實現上篇所說的“預測性維護”。

此外還有更為初級的IoT。例如，設備之間以通信互聯，當一個設備發生故障時，下一工序的設備也將自動停止。這屬于發生故障后進行的“事后維護”，由于及時察覺到故障，因此對后續工序的影響將被控制在最小限度。如果發現故障的時間延遲10秒，可能使接下來的工序的機器也發生故障。

此外，對于用機械臂抓取元件的機器來說還有這種機制：如果因某種原因未能成功抓取元件，生產線將自動停止。如果不應在流水線內的元件出現在流水線中，可能使流水線上的下一道工序的設備損壞，此時可以進行“預防性維護”，防止發生類似事故或故障，這種例子也比較多。

――通過應用IoT，能否對需要依賴維護人員經驗和技能的工作進行標準化？

是的。尤其是監控設備數據等的預防性維護和預測性維護，具有很高的可行性。從未引進IoT的企業或工廠在引進時，應遵循小規模起始和靈活引進的原則。

還應考慮因倉促引進IoT而導致進展不利的情況。因此，比較好的做法是，首先進行部分引入，或設定示范生產線和示范設備，以限定的形式引進IoT。當然，前提是制定工廠的整體目標，首先進行部分應用，做到小規模起始，待掌握訣竅后，再擴大引進范圍。

――小規模起始可以節省時間，做到快速引進。

引進速度非常重要。應用IoT進行維護時，如果不收集和存儲更多數據，將很難發揮效果。如果將IoT應用到通知設備停止的事后維護工作中，可以立即發揮作用，但進行預防性維護或預測性維護時，必須分析所獲取的數據，并進行技術評估。

IoT維護工具和引進該工具的工廠都在增加，但是諸如“在何處安裝傳感器更有效？”、“獲取哪些數據可以預測故障？”、或“獲取數據后不清楚如何分析”等已制定詳細技術資料的部分還不多。目前，還沒有人知道應用IoT進行維護的“最佳解決方案”。

因此，當前的重要工作是，收集盡可能多的數據，在公司內部討論穩妥的進行方式。為了確保事實庫論證的正確性，也需要儲備更多的數據資料。

――小規模起始對收集更多數據起到了良好作用。

是的。我認為，設備不會頻繁發生嚴重故障。因此，為了準確掌握操作與故障的關系，應該盡早收集數據，這一點很重要。

正如剛才所說，“為哪種設備安裝什么傳感器”、“獲取哪些數據可以預測故障”等問題的最佳答案還不明晰。因此，能夠盡快確立這些關鍵技術的企業或工廠，將在競爭中處于優勢地位?？梢哉f，對公司未來的發展而言，小規模起始是有效手段。屆時，還有一項重要內容就是分析所收集的數據。

今后的維護是在現場主義基礎上附加數據主義嗎？

――在以往的維護工作中，數據分析也許并不多見。

可以說IoT是維護工作的一大特點。IoT會將過去以經驗和技能為依據的現場主義維護工作轉變為以數據為依據的現場主義。這種變化將大幅提高維護工作的質量。以往的維護工作是由限定的人員在現場進行作業，但現在還需引入詳細分析數據的數據科學家，從而構建新的維護工作形態。

為此，安排能夠正確分析所收集數據的人才，以及如何使其與現場維護人員建立合作關系將變得非常重要。為了實現這種內部合作，要求高層管理者重新認識維護工作的重要性，并在整個公司范圍內重新定義其價值。

――與引進IoT一樣，分析已獲取數據的工作也很重要。

通過IoT存儲大量數據后，如果不善加利用，也是一種資源浪費。例如，僅僅依靠已獲取的電機振動數據，可能無法了解故障前后的振動區別。對于看一眼即可分辨的明顯差異，由維護人員目視確認就能察覺。

監測振動的同時，進行頻率分解或細致劃分各種要素。這關系到能在多大程度上判別出“這種動作是故障前兆”，所以需要具備足夠的數據分析能力。當然，將熟知現場的維護人員的知識和技能進行反饋也是不可或缺的一環。

換句話說，IoT是“硬件”，而如何分析所獲取的數據、構建何種技能等“軟件”部分也極為重要。引進不是終點，而將每日維護工作中的訣竅和發現與收集的數據進行比對，得出實際的“分析”結果才是真正的開始。通過小規模起始方式盡早引進，并存儲更多數據的建議，也與這部分工作內容密切相關。

――最后一個問題，在引進IoT的過程中，在人力資源方面如何培養維護人員？

當然，還需要同時做好維護人員的技術傳承。IoT與人員之間不是非此即彼的關系。今后勞動人口將持續減少，而目前受新冠肺炎疫情影響，正在實施遠程辦公。維護工作也不例外。老員工與新手共同在現場作業并傳授技能的傳統方式也許將被遠程指導和培訓所替代。

“隱性知識”的傳授本就不易，要想培養合格的維護人員更會花費很長時間。遠程指導存在局限，類似精細作業或細微差別等，如果不在現場教學可能很難理解。維護人員的技術傳承將比過去更難，培養人才必須投入更多資源。

獲取數據進行分析很重要，之后的實際維護需要人來完成。因此，培養現場實操的維護人員，依然是今后的重要課題。

為此，如上篇所述，應當認真梳理維護工作的每個環節，將隱性知識轉變為顯性知識。這是引進IoT和培養維護人員的共同基礎，也是基本工作。在研究IoT引進事宜時，也是判斷“需要將IoT應用到篩選工作的哪一部分”、“獲取哪些數據有效”的方法。培養人才時，通過將每項工作轉化為語言，能以容易理解的方式傳授技能。

無論是引進IoT還是培養維護人員，若想成功，首先需要考慮基本因素，這一點仍很重要。

古谷賢一

株式會社JEMCO日本經營 本部長顧問。以制造現場咨詢為主業，涉及經營管理、人才培養、質量改善服務、制造創新服務等各種業務。為許多海外工廠提供解決方案。為制造現場提供符合其特點的精細化咨詢服務，獲得大量客戶的高度評價。為研討會、演講、雜志撰寫多篇文章。

責任編輯：lq