专访 | 福井村田制作所如何实现制造车间IoT化？

Murata村田中文技术社区 2020-12-18 00:00 1591浏览 0评论 0点赞

3D IC设计卡在哪儿？5场研讨会揭秘3DIC全攻略 热风险清零！西门子EDA黑科技，让3D IC散热设计稳如泰

自IoT一词普及以来，各个领域都指出了实现IoT化的必要性。IoT是指在现有的机器上增加通信功能和数据获取功能，从而能够通过互联网查看情况或分析数据。操控大量机器的制造车间同样也是需要实现IoT化的领域之一。

作为村田制作所的主工厂，福井村田制作所从2016年开始就对制造车间实施了大规模的IoT化。该工厂还引进了“预测性维护”，利用传感功能对每台设备的运行情况分别进行数据分析，并在发生故障或突然停机之前改善问题。

我们就推进IoT化的关键因素，采访了推进该项目的工业工程师久保寺。

福井村田制作所工业工程师久保寺

定期检查将产生“过多”损失

―― 首先，请向我们介绍一下福井村田制作所实施的IoT化。

在福井工厂，绝大部分的产品都是通过机器生产的。我们在各种机器上都安装了传感器等机械装置，以感测机器的运行情况、速度、扭矩、振动、温度和湿度等数值。这样就可以通过获取的数据“预测”机器故障，进行提前发出警报的设置。感测到警报时，被称为“维修负责人”的维修技术人员就会赶来进行检查和维修。

我们并没有给所有机器都配备统一的装置，而是针对关系到质量的方面，为每台机器分别安装了传感器等。我们设定了“阈值”这一时刻测量数值并发出警报的基准线。这一IoT化使得预测故障并防范于未然的“预测性维护（或预知性监测维护、状态监测维护）”成为可能。

福井村田制作所

―― 到目前为止，你们是怎样解决设备故障的呢？

大致有两种方法。一种是“事后维修”，即发生故障后由维修负责人进行处理。另一种方法是通过定期检查等方式防止故障发生的“预防性维护”。

这两种方法在许多工厂中都已成为主流，但二者都存在各自的问题。

先说事后维修，由于故障和停机都是突发的，因此工厂的生产计划相应地就会被打乱。福井村田制作所一年365天，一天24小时不间断运转，如果停机两个小时，这一部分的损失就必须通过其他方法弥补。机器不见得立刻就能被修复，而且如果问题很严重，还必须更换原本计划使用的机器，即“更改机器的生产计划”。而且在发生停机之前，还有可能已经出现过小故障。

此外，维修负责人的人数也是有限的。由于是突发性故障，维修负责人此时可能无暇处理，从而产生“等待维修”的时间。维修负责人每天要忙于处理多个事后维修，因此无法立即确保人手的情况也并不少见。这可以说是一个很大的损失。

―― 就防止突发性故障造成损失这一层意义而言，另一个方法，也就是“预防性维护（通过定期检查等方式防止故障发生）”似乎更为有效。但是你刚才提到，这个方法也存在问题。

预防性维护的问题在于过度处理。

因为是以预防为目的，所以定期检查的时间很容易变为最短周期。比如，一台原本每两个月检查一次的机器如果在一个半月后出现了故障，哪怕只有一次，那么就必须进一步缩短检查周期，比如一个月一次。

这将有可能导致过度维护，从而增加成本。此外，维修负责人的工作量也有可能增加，“等待维修”的问题反而会变得更严重。

―― 也就是说，“预测性维护”是解决这一问题的手段。

是的。与出现故障后才进行修理的事后维修，以及定期进行的预防性维护不同的是，预测性维护是通过发出“随时都有可能出现故障”的警报来防止故障发生的。

我们在2016年引进了这一技术，通过对维修负责人的工作情况进行观察，我们发现和引进前相比，事后维修的作业时间减少到了一半以下。我们将这部分多余的时间投入到了预测性维护上。最重要的是，每台机器的平均维修时间也有所减少。

视频 | 村田传感器和无线技术在智慧工厂设备预测性维护中的应用

由于大力推行了预测性维护，与出现故障后才进行处理的“事后维修”相比，每台设备的平均维修时间在两年内减少了一半左右。而且用于维修的总时间也减少了16%。因突发性故障造成生产线停工或生产线变更等的次数明显减少，从而提高了能力利用率，并减少了生产损失。由于突发性故障的减少，作为定期检查的“预防性维护”所花费的时间略有增加，但现在我们正在努力将这部分时间利用到预测性维护中。

事后维修：出现故障后才进行处理的维修方法。
预防性维护：定期进行维护的维修方法。
预测性维护：利用IoT等预测故障或缺陷，以防犯于未然的维修方法。

减少事后维修意味着突发性设备停机将不再发生。由于通过警报可以事先得知维修需要，因此维修负责人可以在观察工厂整体的生产计划和生产线的运转情况后，有计划地在特定的时间进行维修。从突然出现故障到维修负责人有空处理为止的待机情况也将减少。这将提高工厂的生产率，有助于增加收入和利益。

推行IoT化的目的并不在于其本身，而是为了提高工厂的生产率，进行更有计划性的生产。而IoT化则是实现这一目的的一种手段。

数据的运用不仅可以用于预测，还有助于判断故障原因

―― 你所说的有助于计划性生产具体指的是什么呢？

我在开头提到的“更改机器的生产计划”方面也能体现这一点，在引进这一技术之前，约有30%的机器被重新制定了生产计划，但现在这个数字已经减少到10%左右。另外，通常机器数量增加后，维修负责人的人均维修时间也会增加，但预测性维护的效果使得维修时间反而有所减少。

预测性维护本身并非一项全新的技术，它已经在许多方面都取得了实绩。例如，据说航空业从20世纪70年代起就引进了预测性维护。飞机必须避免发生任何故障，当然事后维修也并不是主流的方法。另一方面，随着零部件变得越来越高级复杂，定期检查等预防性维护每年都会更加细化，导致成本变得昂贵。

在航空业，有分析指出预测性维护的比重正在增加，并可以在控制成本的同时防止故障的发生。

―― 这次的预测性维护构建了根据感测的数据发出警报的系统，那么发出警报的基准线，也就是阈值是怎样决定的呢？

首先，我们根据维修负责人的经验与知识决定了阈值。然而，要将他们的感觉转换为数字却并非易事，刚刚引进时不可避免地会发出错误警报。比如在发出警报之前就出现了故障，或者警报发出得过早等问题。不过，在积累数据的过程中，我们做到了设置更有科学依据的阈值，警报的准确性也有所提高。

在过去，要想找到机器发生故障的原因，只能靠维修负责人的经验、感觉和五感来分析原因。然而，通过推行IoT化，现在则可以根据动作和状态的相关数据进行科学分析。

不仅可以预测，还能在故障发生后回顾数值的变化过程，详细探讨原因及问题所在。应该说，这些正是得益于通过IoT实现的机器状态“可视化”。

―― 你是说IoT在查明故障原因方面也将发挥作用。

是的。所以我们也在考虑今后增加更多数据分析人员。除了完全掌握机器和工厂方面的专业知识的维修负责人之外，我们还需要能够通过观察数据，分析趋势和规律的专家。从某种意义上来说，二者属于不同的领域，但我认为把他们联系在一起也是我们的职责所在。

―― 对数据的运用似乎也会成为提高维修质量的关键。

从这一角度出发，我们还很重视维修负责人之间的数据共享。我们使用了配合IoT化引进的提高维修质量的支持系统——“TEAM”（TEAM是由福井村田制作所策划并通过改制合作伙伴的解决方案推出的系统）。

就像医院的病例一样，我们将每台机器到目前为止的维修和更换记录以数字化的形式记录下来，可以随时在平板电脑等设备上查看。此外，针对基本零部件的更换等，我们还准备了电子指南，经验尚浅的工作人员也可以通过阅读指南进行操作。

之前也有过记录每台机器的维修、更换记录的系统。但是，由于数字化进行得不够彻底，还发生过维修负责人为了查看资料，不得不从车间回到办公室的情况。在一间大工厂里，这种移动就是一种损失，而记录也并没有得到较好的利用。

利用TEAM，就可以在平板电脑上随时随地查看资料，这一点也有助于提高效率。最重要的是，记录的有效利用形成循环后，负责记录的人自然就会想要更加详细地记录。所以我们能切实感受到“病历”的质量正在逐渐提高。

―― 这种“共享”有助于缩短维修时间，提高质量。

是的。另外还有一个功能，那就是TEAM可以向维修团队显示当前需要完成的任务的列表。维修团队可以看着列表决定任务的优先顺序，并合理地分配维修负责人。以往都是在发生故障后直接联系维修负责人本人，这就导致了任务集中在一个人身上，或者需要优先处理的任务被推延的情况。

由于现在对任务进行的是集中管理，因此维修负责人之间就可以协调分配工作。当然，预测性维护的警报响起时，这一情况也会反映在TEAM中，这样维修负责人就可以迅速地处理问题。

2016年，福田村田制作所制造车间的IoT化实际成形，引进IoT所带来的数字上的变化显示了IoT化的优点。但是，另一方面，即使了解了IoT的优点，却难以将其实际引进的烦恼，也困扰着许多人，并存在难以得到上级理解的情况。那么，福井村田制作所是如何成功推行IoT化的呢？

福井村田制作所为实现完整的IoT化而描绘“梦想”

前面，我们询问了福井村田制作所推行的通过IoT化实现预测性维护的具体系统和成果。接下来，我们将回顾制造车间实现IoT化的过程。

有许多人表示，“虽然知道IoT化的必要性，但却很难具体落实”。那么在推广IoT的过程中，他们看重的是什么呢

―― IoT化的重要性虽然被多方提及，但应该也有很多车间在为难以具体落实IoT化而烦恼。从这次的案例来看，你认为推行IoT化的关键要素是什么呢 ？

有几个关键要素，我认为其中最重要的应该是“能否描绘出最终形态的梦想”。IoT化本身并不是最终目的，我们要为了实现企业所描绘的梦想和理想而推行IoT化。我们认为这一点是很重要的。

并不是因为IoT普及了所以才引进，也不是因为市面上有了好的设备和传感器所以才使用。

再进一步说，仅仅是为了解决眼前的问题这一动机也不够充分。我们的预测性维护也面临过“突发故障难以处理”、“等待维修的设备太多”等眼前的问题。

不过，并不仅仅是为了解决这些问题所以才需要推行IoT化，这样做是为了设想10年后公司的理想形态，描绘出一个最终形态的梦想，并努力将其实现。我认为这一点才是让公司全体都参与进来的关键要素。

如果能明确地说明这一点，那么上级领导和管理层也就有可能接受这一想法，从而产生推动力。

―― 在这次案例中，你们所设想的最终形态和梦想是什么呢 ？

首先是提高人均生产率。

随着人口的不断减少，我们必须要用较少的人数实现与以往相同或者高于以往的产量。我认为IoT化是实现这一目的的一种手段。比方说，如果我们能够利用IoT将以往的一部分操作自动化，那么操作人员就有余力进行其他工作。

此外，如果能够通过IoT获取每台设备的动作或状态的数据，即使没有丰富的经验和知识，也有可能完成简单的检查和确认。

因为不需要接触设备，只要通过数据就可以判断发生故障的可能性。我谈到了通过IoT将设备的状态“可视化”，如果能够尽可能地用简单易懂的方式显示数据，或者将描述修理方法的指南以数字化的方式显示出来，那么就有更多的人能够进行该项作业。

这样一来，我刚才提到的那些操作人员就可以分担一部分技术工人的工作。同样地，利用IoT，技术工人也可以逐渐地多做一些其他工作，这样每个人的工作范围都会一点点地扩大。我想这就是所谓的提高人均生产率。

―― 也就是说，我们要描绘、设定这种最终形态。

是的。在此基础上，还需要创建详细的、有逻辑说服力的数据，说明现行方法产生了多少损失，以及到目前为止的不足之处。在这次的预测性维护案例中，我们调查了设备停止运行的停机时间，并计算出其中事后维修所占时间的百分比。

而且，我们还具体估算出如果减少事后维修所造成的停机时间，一个月将增加多少产量，并用这个数字说服了大家。设定最终形态的目标，并全面彻底地考察现状。通过这种方式，IoT化的必要性最终得到了大家的理解。

―― 具体落实到业务时，你们遇到过困难吗？

当然遇到了。从车间工人的角度看来，即使明白了道理，也很难迈出第一步。因为工作方式将彻底改变。所以我们想到了“专职化”的概念。

我认为像这样的改革很难用其他工作的余暇时间来完成。例如，就预测性维护而言，眼前的设备出现的故障尚未解决，就不可能有余力对尚未发生故障的设备进行预测性维护。这就是为什么我们增设了只负责预测性维护的人员。

首先，我们在工厂里设置了一条预测性维护的示范生产线。然后派出7名掌握了专业技能的成员，组成专门负责预测性维护的团队。他们的工作包括选择安装到每台设备上的传感器、收集数据、针对各个数据设置发出警报的阈值，以及在发出警报时进行维修。

我们能够有今天的成果，正是因为有他们来专门负责预测性维护。此外，这7名成员也都熟知各个流程。这是因为我们希望能由有话语权和影响力的人员来负责这项工作。当示范生产线获得成果时，我希望有人能够将结果和有效性准确地传达给周围的人。所以我们邀请了有较大说服力和影响力的成员加入了团队。

―― 这7个人对这次案例的推行有何感想？他们是在接受了你的想法后开始这次的项目的吗 ？

是的。我们的团队就我刚才提到的最终形态和IoT化的意义，以及当前的问题进行了反复讨论。就好像是培养信徒一样，没有任何技巧。当这7个人有了相同的愿景后，我们就开始了实践。

在一条生产线上进行实际验证，并用验证的实际结果获得支持者

―― 最开始进行预测性维护的生产线在全工厂只有一条吗 ？

是的。我们从小规模做起，首先在一条生产线上进行了验证。

我们对这条生产线实施了预测性维护，并拿出了事后维修有所减少，能力利用率和生产率有所提高的实际结果。这是一种类似于实际验证的形式。以实际结果作为说服大家的材料，我们将预测性维护扩大到了其他生产线上。我们以“预测真好”为口号，逐渐地获得了更多的支持者。

IoT化的推行离不开公司的这些后援。要想获得协助，还是得清晰地描绘出最终形态的梦想，并向公司上级传达IoT化的必要性。

―― 反过来说，在推行通过IoT进行的预测性维护的过程中，你注意到了些什么呢 ？

和成本之间的平衡。

就预测性维护来说，将传感器安装到越靠近设备末端的位置，就越能获得详细的数据。然而，另一方面，这也会增加成本负担。

在推行IoT化时，我们首先举出了该设备中存在的最大的问题。比如成品数量不足、设备发热等。我们挑选出一个问题，思考发生问题的原因和应当设置的传感器。这时就要考虑到兼顾成本的问题。

以汽车为例，假设汽车存在行驶过程中乘坐感容易下降的问题。为了找到问题的原因，理想的方法应该是在悬架和每个轮胎上分别安装一个传感器并收集数据。

但是这样一来成本就会增加。如果是这样的话，可以选择只在方向盘上安装传感器，在方向盘是正着的但汽车却转向了一边，或者方向盘的动作出现异常等时候，根据方向盘的数据发出警报。

当然，仅靠这样并不能弄清问题是出在轮胎、悬架还是其他地方。不过，在检测出方向盘出现异常时，维修负责人等技术人员就可以立刻进行调查。这种方法成本较低，而且还可以预测故障。

―― 也就是说，并不需要用传感器感测所有原因，而是应该考虑和成本之间的平衡，再决定在哪里安装传感器。

是的。不仅是成本方面，在培养人才方面也需要考虑平衡。

虽然在末端安装的传感器越多，就越容易确定设备出现故障的原因，但从培养维修负责人的角度来讲，或许应该更多地考虑一些其他因素。虽然应当通过IoT简化作业以提高人均生产率，但提高每个人的个人能力对于提高生产率也是有积极作用的。关于这一点，我认为应该配合公司的方针等进行调整。

―― 最后请谈一下你对未来的展望。

视频 | 村田的智慧工厂解决方案

我们的目标还是要提高人均生产率。为此，目前的主要任务虽然是实现设备、生产线和生产流程的IoT化，但我认为我们也可以引进更多将重点放到个人身上的IoT。例如，我们可以通过确认身心状况的可穿戴设备，将公司员工健康情况的管理数据化，帮助员工在工作时发挥更好的表现。

在通过引进IoT来提高效率的方面，我们经常会听到“省人化”这个词，也就是节省人力资源的意思。但除此之外，我认为灵活利用人力资源的“活人化”这一角度也非常重要。如何成为让每个人都能发挥强项的公司？我希望能以此为目标来推行IoT化。

福井村田制作所工业工程师久保寺。 1994年加入福井村田制作所。在从事制造、维修、制造合理化的第一线工作之后，现在在推进设备维修业务的流程创新方面发挥着核心作用。为了完成从事后维修到提前发现问题、防患于未然的维修业务的转型，他引进了“预测性维护”。此外还推行了明确预测性维护流程、建立预知性监测技术、推行落实实际应用的方针等方面的工作。另外，他还参与了维修业务支持系统的开发工作。项目开始3年后，事后维修时间成功地减少到了原来的一半。