企业设备管理策略探析

导语：企业设备管理策略探析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

1大数据与设备管理的关系分析

目前全球的设备正向大型化（容量、规模、能力）、高速化（运行、运算速度）、精密化、电子化、自动化、智能化发展，而由设备所产生的数据也成爆炸式增长，过去的设备管理由于技术的局限性使得对这些数据只能采取筛选、采样等手段，数据的利用率相对较低，一些重要的信息会被遗漏，大数据技术的出现是对以往的以经验为主的设备管理的有益补充。现在可以利用日益完善的大数据技术，在海量的数据中统计分析出设备的最佳运行状态和效率，通过大数据技术的使用，利用无线终端推送设备即时状态及推荐处理方案，更好地对设备进行事前和事后管理，通过运用大数据技术进行设备管理，使得数据能够真正帮助我们。大数据和设备管理之间有着紧密的联系，其主要表现在以下方面。1.1云计算与设备管理的关系。根据云计算的理念和它的特点，设备管理者不必考虑硬件配置和更新，这些由云服务提供者提供，设备管理者只需要像服务加油站加油一样在终端完成输入输出，通过网络能完成所有的业务和数据处理。通过建立这样一个基于云计算的设备管理系统来管理自己的设备。设备管理者也可以依托外部云服务提供者或者内部专门的信息处理部门来实现，而不必要自己投资建立专门的设备管理系统，同时平台和软件都有专业技术人员进行维护和更新，这样可以大大节约企业或者设备管理者投资和维护设备费用。也可以依托云计算技术，将复杂的计算任务拆分成简单的小任务，分配给现成的设备计算机计算，然后将计算结果汇总传给设备管理者，这样可以使用普通的设备来完成较为复杂的任务，节省企业的资金和设备的利用率。1.2数据存储与设备管理的关系。现在的设备数据量呈核爆炸似的增长，而且设备管理势必要涉及到各类设备的信息数据，而这些数据有很多是非结构化的。例如不同厂家的设备使用不同的编程器和编程语言，又如传统的模拟量和数字量数据与现在的图片、音频、视频等。如何把不同类型、不同格式、不同结构的数据整合使用在过去一直是个棘手的问题，以前传统的方法是对这些数据进行归类、筛选、采样，各种数据的相关性和利用率都不高，而现在的大数据技术正好可以弥补这些缺点。我们可以用Hadoop来处理TB及PB级的海量的数据，而Mapreduce对非结构化和半结构化的数据的读取又是非常有效的，利用这些方法可以更好的利用存储的各类设备相关数据来为设备管理服务。1.3大数据挖掘方法与设备管理的关系。大数据挖掘方法主要有聚类分析、回归分析、购物篮分析、神经网络和决策树分析法等。以上这些方法可以通过数据可视化来使我们更好的了解数据。数据可视化，是关于数据视觉表现形式的科学技术研究，主要是以概括的形式把信息提取出来，包括信息所属的属性和变量，在技术上利用图形、视觉、图像以及用户界面，通过建模、动画等一系列的便于感官接受的显示，用可视化的方法来解释数据。数据可视化在设备管理方面的关系是，可以通过对设备复杂数据的可视化帮助我们更好地分析数据，找到相关联系，建立模型等，达到更好地帮助我们了解设备的状态的目的。

2在企业中依托大数据进行设备管理的方法

在企业中进行基于大数据的设备管理，必要的资源投入是必不可少的（资金与人力资源），这也是其实施的前提，虽然中小企业与大企业在资源的提供和配置上大相径庭，但在推进中的步骤却大同小异，只是需要根据资源配置规模的大小来进行调节。经过大数据下设备管理的研究以及在M制造企业的案例分析，对在企业中推进大数据设备管理的步骤提出以下几点建议。2.1设备联网化，并构建数据库。通过对设备网络化、联网化，才能更好地了解设备状态，便于数据的收集。通过自动化数据收集也可以很好地解决在一些中小企业经常出现的人工采集数据准确度不高的问题。大企业由于前期设备投入相较而言都比较先进，大部分设备都已实现网络化管理，因此比较容易实现。对大企业而言，这一步骤的重点在于将不同的设备、不同的网络实现互联互通，并考虑增加感知层设备来丰富完善现有的数据。而对中小企业来讲，可能由于前期设备投入的问题，设备相对不如大企业先进，其重点就落在了将现有的设备进行组网上，利用各种现成条件，构建有线或者无线网络，组成网络层，便于数据采集，而对于部分使用时间较长的，无法组网设备，也不能放弃，可采用直接采集传感器信息，通过增加的固定电脑、PLC等软硬件来收集数据，联网共享。通过建立统一的数据库，将网络化后的设备数据进行保存，并为整个项目实施打好基础。2.2建立量化分析体系。量化分析体系的构建可以使我们更好的了解数据，也可以少走很多的弯路，节省成本。对于中小企业来讲，由于投入有限，以及设备先天条件的限制，可以先把量化分析作为第一步，找到需要的数据，然后再组网采集数据，这样可以节省成本，利用有限的资源达到目的。对于大企业来讲，利用这一步将数据进行分类，为接下来的数据应用做好准备。2.3构建应用层的设备管理体系。通过对数据的监测开发设备实时监测系统，进行数据与设备故障的相关性分析，建立决策和预测系统。在这一方面大企业优势较为明显，由于其资金雄厚，人才众多，可以建立更为全面的、复杂的设备管理系统，这也是其使用较为先进、功能较多的设备所需要的。而中小企业的设备可能不如大企业设备那么先进，功能也较单一，因此在进行设计和建立设备管理体系中，遵循“够用”原则，适当的进行扩展，而不必求大求全。例如大企业可以配发移动便携式设备，并建立设备实时监控、故障预警、资料查找、备件申领等复杂功能的APP，而对于中小企业，则可以利用员工的手机进行故障、预警及决策推送，而不必像大企业一样进行专机专用。

总之，在企业中推进基于大数据的设备管理，不可操之过急，需要按部就班，根据企业的实际情况来逐步实施。企业的设备基础是至关重要的，直接决定采用何种方法来实施。如果设备条件满足，且有成熟的局域网，那么中小企业也可以采用一般大型企业的方法来实施。而大企业中设备条件不成熟，无法大规模联网进行数据采集，也可以使用中小企业的方法。因地制宜，结合企业自身情况，更好地让数据为企业服务，才是推进基于大数据的设备管理的关键。

3结语

通过本文的研究，讨论了大数据技术与设备管理的有效结合点，并且根据实际企业中设备管理的实际需求，提出了基于大数据的设备管理的方案，并总结出在企业中可以通过三步来推进基于大数据的设备管理：设备联网化，构建数据库；建立量化分析体系；建立应用层的设备管理体系，开发设备实时监测系统，进行数据与设备故障的相关性分析，建立决策推荐和预测系统。通过以上三步是可以实现基于大数据的设备管理的，能够达到提高设备管理效率，降低管理成本的目的。

作者:徐文萍 单位:中石化江苏油田分公司勘探开发研究院

参考文献：

[1]张友诚.德国企业中的设备管理和维修（上）[J].中国设备工程，2001(12).

[2]张友诚.德国企业中的设备管理和维修（中）[J].中国设备工程，2002(1).

[3]张景旭.基于大数据的设备管理和维修技术研究[J].中国设备工程，2016(3).

[4]曹倬瑝.基于数据挖掘的设备故障诊断[D].北京化工大学，2015.

[5]陆爱飞.ERP系统在设备管理中的应用[J].设备管理与维修，2014(10).