Insights

        企业投资设备管理系统好处是什么? 特别是制造业已经导入MES系统，有些甚至也已落实数字化设备点检App系统，这些种种措施与系统的导入应该是足够的吧? 相信此答案应在企业身上，可以审视过往比较导入与否，非预期停机时间与维护费用是否比较过去少，整体维修周期是否比较过去短。 出货质量与客户满意度是否有提升。参考美国国家标准与技术研究所 2020的分析报告，估计美国全年因设备维护所造成的损失将近 1,930亿美元，特别的是机台维护维护费用占 29.6%，而非预期停机损失占 9.4%，因故所造成的业务损失达 51.7%，其中 16.1%与质量瑕疵有关，意外的是因出货延迟所造成的损失高达 35.6%。详细如表1所示。许多企业仅考虑维护所造成的直接成本，而忽略了整体费用冰山下的隐藏损失。这些常是因无有效的数据分析与管理系统所造成，甚至仍停留在被动式维护作业(Corrective Maintenance)，等设备坏了再修或无维修备品预估能力所造成，严重影响企业整体的营运成果。

表1，美国花费在设备保养管理上的成本与损失 [2]

        对设备管理系统的功能也会依产业的需求特性而有所差异。表2参考相关研究报告总结，分5大产业类别，其中制造业再细分民生/化学/金属/电子4类。将16种设备管理系统主要功能依产业特性与需求提出选择建议，分为必要/有最好/依企业规模而定3种，分别如下：

核心功能：

1~4 项是基本功能，是导入设备管理的数据基础来源。从设备维护定义与合约管理开始，到日常维护策略执行 (时间，周期，区块，失效，维修，机会)，进行预防性维护 (Preventive Maintenance)，从维护作业的工单排配计划，到维修历程与成本管理等，透过机台编号或NFC扫描，实时展示过往点检/维护/维修与零部件更换与费用的纪录 [3]。5~7 项功能主要关系到为维护的实时性与移动性。含维修所需要的零部件备品的管理与成本计算，以及藉由移动装置的运用，方便异地管理设备维护作业。

数据决策：

在特定产业或大型企业相当在乎设备机台的停机与维护时间，此时设备维护数据的分析与可靠度管理就变得非常重要。如机械与电子制造业，公共事业管路设备等。 8~10 项主要运用数据驱动决策(Data-Driven Decision)为主。藉由失效数据来分析设备可靠度与残余寿命，避免非预期停机现象，这是属于预测性维护(Predictive Maintenance)。特别注意的是，当进行这类分析时，数据不应只是孤岛式工厂内的维护数据，应包含供货商的现场服务(Field Service )维护数据。才能真正了解设备的健康状况。透过失效模式来预测后续维护与零部件库需求，可以有效降低非预期停机次数与维修时间，建立所谓的预测分析(Predictive Analytics)能力。甚至藉由物联网装置实时监控设备运行状况，关键参数的回馈(如温度，应力，震动，噪音，泄漏，异常讯号/代码)，进行所谓基于设备状态的维护(Condition-based Maintenance)，以及进一步了解后续个别零部件需求，实时启动必要的维护作业，兼顾维护效率与成本。

智慧辅助：

部分产业因应产业特性与管理需求，需导入更便利性的工具来协助判定，兼顾作业安全与实时性，有效达到及时维护，避免造成安全或非预期停机损失与高昂的维护费用，如11~13项功能目的。透过实时监控设备运行过程中所提供的健康讯息，藉由虚拟现实来进行维护监控与管理，或是藉由人工智能找出优化维护作业排配，甚至提供自主维护方案(保养，维修，替换)与系统更新建议，使整体维护成本与损失降到最低，建立所谓的规范性维护(Prescriptive Maintenance)[4]。此类功能特别可应用在高价设备管理与跨境机台管理上，在降低数据分析与预测模型选取等人为干预状况下，完成智能维护作业。

表2，产业对设备管理系统的功能需求 [5,6]

生命周期管理：

资产密集产业因设备资产的价值多数高过企业年营业额 (固定资产周转率＜1)，这些企业除关注资产设备的日常维护外，也需要重视资产的投资效益，回收期，取得方式，甚至资产设备转卖更新与报废管理，是属于资产生命周期的管理。如公共事业，甚至电子制造与半导体行业。功能 14~15项的目标即在提供企业全方位的资源管理。

        藉由表2的建议方案，可提供企业在选择设备管理系统上依自身产业性与规模来判定系统功能的必要性。当然选择系统除考虑功能外，也应考虑系统支持现有周边系统的数据串联性，与使用设备机台的费用弹性，最重要的配合企业未来的业务发展特性而定。这些种种都会是选择系统前应有的考虑。