如何运用TPM自主保全，降低设备故障率，提高生产可动率？
近段时间来，调研了几家大型制造企业，都谈到对设备维护管理的硬性需求：
一方面工厂各种生产设备、特种设备、测量仪器仪表、各产品治具、通用工具等，动不动就几千上万台，不说正常的保养维护，定期校验，仅是管理设备分类及存放位置就要花费大量人力，虽然设置了专门设备管理部门，但仍不能保证设备上线正常，作为企业老板只知道花了大把的钱，买进了各种价格不菲的设备，但具体设备时间开机率、性能开动率、能源利用率、设备停机损失、设备投资实际收益等等一直是企业管理的难点与盲点。
所以，今天和大家一起分享TPM管理在企业的实际运用。
全员设备管理即TPM（Total Productive Maintenance）意思就是“全员生产维修”。
这是日本人在70年代提出的，是一种全员参与的生产维修方式，其主要点就在“生产维修”及“全员参与”上。通过建立一个全系统员工参与的生产维修活动，使设备性能达到最优。
1、TPM的明显特点即全效率、全系统和全员参与
全效率：指设备寿命周期费用评价和设备综合效率。
全系统：指生产维修系统的各个方法都要包括在内。
即是生产维修&预防维修（PM）、维修预防（MP）、改善维修（CM）、事后维修（BM） 等都要包含。
全员参与：指设备的计划、使用、维修等所有部门都要参加，尤其注重的是操作者的自主活动。
2、TPM中的设备点检制
A、点检制定义：
点检制是以点检为中心的设备维修管理体制，点检制的医学内涵就象人要做身体检查一样，利用一些检查手段，对设备进行早期检查、诊断 和维修。每个企业可根据自己的实际情况制定自己的点检制度。
B、“三位一体”点检制及五层防护线的概念：
“三位一体”点检制：
指岗位操作员的日常点检、专业点检员的定期点检、专业技术人员的精密点检三者结合起来的点检制度。
五层防护线是： 第一层防护线：岗位操作员的日常点检。 第二层防护线：专业点检员的定期点检。
第三层防护线：专业技术人员的精密点检。
第四层防护线：对出现问题进一步通过技术诊断等找出原因及对策。
第五层防护线：每半年或一年的精密检测。
C、点检制的特点：
点检制的特点就是——八“定”
①定人：设立操作者兼职和专职的点检员
②定点：明确设备故障点，明确点检部位，项目和内容
③定量：对劣化侧向的定量化测定
④定周期：不同设备，不同设备故障点给出不同点检周期
⑤定标准：给出每个点检部位是否正常的依据
⑥定计划：作出作业卡、指导点检员沿规定的路线作业
⑦定记录：定出固定的记录格式
⑧定流程：定 出点检作业和点检结果的处理程序
D、点检的分类：
按点检的目的分：倾向点检、劣化点检。
按是否解决分：解体点检和非解体点检。
按周期和业务范围分：日常点检、周期点检、精密点检。
3、设备维修体制
A、生产维修——PM（Productive Maintenance）
是一种以生产为中心，为生产服务的一种维修体制。它包含了以上四种维修方式的具体内容。对不重要的设备仍然实行事后维修，对重要设备则实行预防维修，同时在修理中对设备进行改善维修，设备选型或自行开发设备时则注重设备的维修性（维修预防）。
B、维修预防——MP（Maintenance Prevention）
维修预防实际就是可维修性设计，提倡在设计阶段就认真考虑设备的可靠性和维修性问题。 从设计、生产上提高设备素质，从根本上防止故障和事故的发生，减少和避免维修。
C、预防维修——PM（Preventive Maintenance）
这是以检查为基础的维修，利用状态监测和故障诊断技术对设备进行预 测，有针对性地对故障隐患加以排除，从而避免和减少停机损失，分定期维修和预知维修两种方式。
D、事后维修——BM（Breakdown Maintenance）
这是最早期的维修方式，即出了故障再修，不坏不修。
E、改善维修——CM（Corrective Maintenance）
改善维修是不断地利用先进的工艺方法和技术，改正设备的某些缺陷和先天 不足，提高设备的先进性、可靠性及维修性，提高设备的利用率。
4、基于大数据运用的TPM系统运用
运用系统对接、设备互联技术，拉通企业设备管理整体信息流，除常规的周期保养维护管理及基于使用次数管理保养维护外，基于设备或工装治具实时运行参数或品质数据管控保养维护。
下面以飞达管理为例，说明大数据在TPM运用。
案例中，FD0023与FD0189两支飞达，在使用次数及使用时间周期两方面，都未达到保养预警范围。但FD0023飞达连续四天相同封装元件抛料率呈现持续上升趋势，虽然目前还没有超过设置的抛料管控线，但系统仍会基于大数据分析相同物料在另一支飞达FD0189上抛料率一直处于平稳状态，而锁定FD0023这支飞达进行保养维护预警。 目前部分智能制造系统解决方案服务商，通过整个工厂多制程、多工序实时信息联动，预警及管控生产过程；已经实现基于品质履历、关键设备运行历史数据与能源运用率，产品维修履历、等企业营运信息进行大数据分析，并提前预警及提示品质风险及提高生产效率，笔者相信随着工业技术和IT技术发展、大数据与人工智能在制造工厂中的运用将越来越广泛。