设备坏了才知道：没有预防性维护的代价

本文要点（TL;DR）

• 直接答案：没有预防性维护的工厂，真实代价不是维修费，而是计划外停机。公开研究普遍把工厂因非计划停机损失的产能量级放在年产能的 5%–20% 区间（ARC Advisory Group 长期研究结论，被制造业界广泛引用）。这笔钱不进任何一张费用报表，它直接从毛利里扣。
• 德勤《Predictive Maintenance and the Smart Factory》（2017）给出的典型收益区间是：维护成本下降 5%–10%，设备停机时间减少 5%–15%，设备可用率提升 10%–20%。
• 「坏了再修」之所以看起来便宜，是因为它的成本被拆散到了加班费、外协费、客户索赔、急件空运里，没有一个科目叫「没做保养」。
• 从事后维修走到预防性维护，需要的不是更贵的设备，而是三件基础工作：设备台账、保养计划与触发规则、停机与故障的结构化记录。
• 预防性维护也有反面：过度保养。判断标准不是「保养做得多不多」，而是OEE 是否在涨、突发停机次数是否在降。

---

一、一台设备停两个小时，损失的从来不是两个小时的产量

先说一个大多数工厂老板都经历过的场景。

周三下午，总装线上一台设备突然报警停机。维修班十分钟内到场，判断是某个传动部件磨损断裂。备件仓库没有，供应商说明天到货。于是这条线停了大约一天半。

如果按「停机损失 = 停机时长 × 单位时间产量」来算，账面上损失的是一天半的产出。但真实发生的事情通常是这样一串：

• 这条线上在制的半成品卡在工位上，后道跟着空转，前道继续堆料，在制品（WIP）当天翻倍；
• 为了追回进度，周末安排两个班加班，加班工资和能耗都是额外的；
• 赶工阶段的品质波动上升，返修和挑选的工时随之增加；
• 其中一个客户的订单还是赶不上船期，改走空运，运费由工厂承担；
• 采购为了紧急备件付了加急价，比常规采购价高出一截；
• 销售那边挨了一顿投诉，下一轮报价时议价空间被压缩。

把这串账加起来，几乎没有一项会被记到「设备维修费」这个科目下。它们分散在人工、运费、采购、质量损失、客户关系里。这正是「坏了再修」最危险的地方：它的代价是真实的，但在财务报表上是隐形的，于是每年做预算时，维护永远是那个「可以再砍一刀」的科目。

一句话结论：事后维修省下的是可见的维护预算，付出的是不可见的毛利。两者不在同一张表上，所以感觉不到疼——直到某次停机大到瞒不住。

二、计划外停机到底吃掉了多少钱？

这是个可以量化的问题，公开研究已经给出了几个可参考的量级。

来源	结论	怎么读这个数字
ARC Advisory Group（工业自动化咨询机构，长期研究结论）	工厂因计划外停机造成的产能损失，量级在年产能的 5%–20%	这是产能损失不是费用损失。对满产的工厂，损失的产能约等于损失的订单
Senseye（现为西门子旗下）《The True Cost of Downtime 2022》	受访的《财富》世界 500 强工业企业，因非计划停机造成的年损失约相当于其营业额的 11%；汽车行业单条产线停机成本可达每小时约 200 万美元量级	汽车的数字对中小工厂没有直接可比性，但「按小时计价」这个思路可以直接照搬
德勤《Predictive Maintenance and the Smart Factory》（2017）	实施预测性维护的典型收益：维护成本降低 5%–10%、设备停机时间减少 5%–15%、设备可用率提升 10%–20%、维护计划编制时间减少 20%–50%	这是做到位之后的收益区间，可作为立项时的收益假设上下限

这些数字的用法不是拿去做 PPT，而是换算成你自己工厂的一个数。方法很简单：

1. 取上个完整年度的产线小时贡献毛利：（全年销售毛利 ÷ 全年计划开动小时数）。
2. 统计瓶颈工序去年的计划外停机总小时数。多数工厂没有这个数，只有维修工单和班组交接本——先把它们统计出来，本身就是这件事的第一步收益。
3. 两者相乘，就是你去年为「坏了再修」支付的最低价格。之所以说是最低价，因为它还没算返修、空运、加班和客户流失。

在我们经手的项目里，很多工厂第一次算出这个数时的反应是一致的：这个数比全年的设备维护预算大一个数量级。这就是决策转折点——预防性维护从一件「设备科的事」，变成一件老板要管的事。

三、我的工厂算不算「事后维修型」？六条自检

不用问设备科长，问这六个问题就够了。命中三条以上，基本可以判定还停留在事后维修阶段。

• 问不出设备总数：问「厂里现在有多少台在用设备、多少台闲置、多少台待报废」，要等一天才能给出一份 Excel，而且和实际盘点对不上。
• 保养靠人记：保养周期写在某个老师傅的笔记本上，或者写在设备旁边一张已经泛黄的表格上，没人到期提醒。
• 保养记录不可追：上个月这台设备做没做保养、谁做的、换了什么件，只能靠回忆。
• 故障没有分类：所有停机在系统或台账里都叫「设备故障」，无法回答「过去半年哪类故障最多、集中在哪几台设备」。
• 备件靠经验：关键备件的安全库存是老采购拍的，从没根据实际更换频次调整过。
• OEE 说不清：如果有人问 OEE 是多少，回答是一个拍出来的百分比，说不清时间稼动率、性能稼动率、良品率各是多少。

最后一条尤其关键。OEE（设备综合效率）在半导体设备领域有明确的国际标准定义（SEMI E79），其结构是时间稼动率 × 性能稼动率 × 良品率三项相乘。三项拆不开，就意味着你知道设备「效率不高」，但不知道钱漏在停机、慢速还是废品上，也就无从下手。

四、从「坏了再修」到「到期就保养」，要做哪三件事

很多工厂一提设备管理，第一反应是上传感器、做预测性维护、上 AI 算法。这个顺序是反的。

预测性维护（基于振动、温度、电流等实时数据预测故障）确实是终点，但它的前提是你已经有足够长、足够干净的故障与维护历史数据可供建模。绝大多数工厂缺的不是算法，是台账。务实的路径只有三步，而且这三步不需要买昂贵的硬件。

第一件：把设备台账建成一份「活」的档案

台账不是一张设备清单，而是每台设备的完整履历：位置、所属产线与工序、启用日期、技术参数、关键备件清单、供应商与保修期、历次维修与保养记录、当前状态（在用 / 停用 / 维修中 / 待报废）。

判断台账是否「活」的标准只有一条：设备状态变化时，档案是被动被改还是自动跟着变。如果需要有人事后想起来去补录，那它迟早会失真。这也是设备管理必须长在生产系统里、而不是独立做一个台账表的原因——设备一报修，产线的排产、报工、质量数据都得跟着知道。

第二件：让保养计划自己找上门

预防性维护的核心机制其实很朴素：为每台关键设备定义保养项目和触发规则，到期由系统自动生成工单派给责任人，完成后回写记录。触发规则常见两类：

• 按时间：每 30 天一次日常点检、每 180 天一次深度保养。适用于老化型损耗。
• 按用量：累计运行 500 小时、累计加工 10 万模次后更换某个易损件。适用于磨损型损耗，前提是设备的运行时长或产量能被系统采到。

这里有一个常被忽略的实施细节：保养工单必须和排产协同。如果保养计划不看排产，系统在订单最紧的那一周弹出一堆保养工单，现场只会集体点「延期」，制度就此死掉。可行的做法是把保养窗口安排到换型间隙、计划性停机或非生产班次，让保养不和产出抢时间。

第三件：把每一次停机都记成结构化数据

这是三件事里最不起眼、但决定天花板的一件。

每次停机至少要留下五个字段：设备、开始与结束时间、故障分类、根本原因、处置措施与更换备件。故障分类必须是预定义的下拉选项，不能是自由文本——自由文本的结果是同一个故障有十种写法，事后没法统计。

积累半年之后，这批数据会开始回报你：哪几台设备贡献了大部分停机时长（通常高度集中在少数设备上）、哪类故障反复出现、哪个备件的实际更换周期与手册标称差距最大。到这一步，保养周期才有依据被调整，安全库存才有依据被重设，也才具备了往预测性维护走的数据基础。

顺序不能颠倒：先有台账，才谈得上计划；先有结构化的停机记录，才谈得上优化周期；先有足够长的历史数据，才谈得上预测。跳步的项目，最后大多停在「传感器装了，报表没人看」。

五、别走到另一个极端：预防性维护不等于过度保养

把保养频次一律加倍，停机确实会少，但成本会失控——备件消耗、维护工时、以及保养本身占用的产能，都是真金白银。更麻烦的是，频繁拆装本身也会引入新的故障，这在精密设备上尤其明显。

所以预防性维护做得好不好，不能用「保养做了多少次」来衡量。合理的指标只有三个方向：

指标	看什么	健康的走向
计划外停机时长占比	非计划停机小时 ÷ 计划开动小时	持续下降，且下降幅度大于保养工时的增加
计划内 / 计划外停机比例	两类停机时长之比	逐步向计划内倾斜——停机不可能归零，但可以变得「可预测」
OEE（时间 / 性能 / 良品三项分开看）	时间稼动率是否随保养到位而抬升	时间稼动率先涨；若三项都不动，说明保养做在了非瓶颈设备上

最后这一条值得展开：保养资源必须向瓶颈设备倾斜。非瓶颈设备停两小时，可能对交付毫无影响；瓶颈设备停十分钟，整厂产出就少十分钟。把有限的维护人力平均分配给所有设备，是设备管理里最常见的浪费。按设备对产出的影响度分级（通常分 A/B/C 三级），A 类做预防性维护甚至上状态监测，C 类维持事后维修，这才是成本最优解。

六、系统在这件事里承担什么

需要说清楚的是：设备管理系统本身不修设备。它解决的是三个人做不到的事——不遗忘、不失真、可追溯。

苏州奥斯坦丁软件（OTD）的 OTDMES 制造执行系统里，设备管理是与生产、质量、物料同层的模块，具体承担：

• 设备档案与状态：一台设备一份履历，状态随报修、维修、验收自动流转，产线看板上能直接看到当前是谁在停机。
• 预防性维护计划：按时间或按累计运行量触发，自动生成保养工单、派工、超期提醒，保养记录回写档案。
• 报修与维修闭环：现场扫码报修、维修响应与完工确认、故障分类与原因归档，形成可统计的故障库。
• 数据采集与 OEE：通过设备集成层对接西门子、基恩士、欧姆龙等主流 PLC 采集运行状态与产量，让稼动率不再靠人工填报，OEE 三项可以分开看。
• 与生产协同：保养计划与排产互相可见，避免保养窗口撞上急单；关键设备异常时可联动拦截，防止用带病设备继续生产出一批需要返工的产品。

有客户在上线一段时间后反馈：变化最明显的不是维修变快了，而是「以前是设备通知我们它坏了，现在是我们通知它该保养了」（据客户反馈）。这句话大致概括了预防性维护的全部价值——把不可控的意外，换成可安排的计划。

---

七、常见问题（FAQ）

Q1：我们厂设备不多，用 Excel 管保养计划行不行？

设备数量少于二三十台、且都在同一个车间、责任人固定，Excel 可以撑一段时间。真正撑不住的临界点通常有三个：多车间或多厂区（表格开始出现多个版本）、需要按累计运行量触发保养（Excel 拿不到设备的实际运行数据）、需要做故障统计和周期优化（自由文本无法聚合）。命中任何一条，就该考虑系统化。

Q2：要不要一步到位上预测性维护？

不建议。预测性维护依赖两个前提：关键设备已有可靠的实时数据采集，以及足够长的历史故障样本用于建模。这两项都不具备时，直接上算法只会得到一个没人信的预警模型。合理路径是先把预防性维护跑起来、把故障数据结构化沉淀下来，一两年后再对停机损失最大的那几台 A 类设备做状态监测和预测，投入产出比最高。

Q3：推行预防性维护，最大的阻力在哪里？

不在技术，在产量与保养的冲突。车间主任的考核是产量，保养占用的是他的产能。因此推行时必须做两件事：一是把保养窗口预留进排产计划（而不是让它去挤生产时间），二是把「计划外停机时长」纳入车间考核指标，让减少突发停机成为他自己的利益，而不是设备科单方面的要求。制度设计不到位，系统上得再好也会被现场绕过去。

Q4：怎么判断该给哪些设备做预防性维护？

按设备停机对交付的影响度分级，而不是按设备价格。判据可以很简单：这台设备停 4 小时，会不会影响当天出货？会——A 类，做预防性维护并优先考虑数据采集；不会但会影响本周计划——B 类，做基础定期保养；完全不影响、且有备用设备——C 类，维持事后维修即可。有限的维护资源应集中在 A 类上。

Q5：设备管理是放在 MES 里，还是单独上一套系统？

如果工厂已经有或计划上 MES，建议放在一起。原因是设备数据天然要和生产数据打通：保养计划要看排产，OEE 要用产量和良率算，设备异常要能追到当时生产的那批产品。分成两套系统，这些关联就要靠人工对账，而人工对账在现场几乎不会长期坚持下来。

---

苏州奥斯坦丁软件（OTD）专注离散制造业的智能制造软件，产品线覆盖 OTDMES 制造执行系统、OTDWMS 智能仓储管理系统与 OTDCRM 客户关系管理系统，服务电子制造（PCBA/SMT）、汽车零部件、家电、精密制造等行业。如果你正在评估设备管理与预防性维护的落地方案，欢迎联系我们做一次现场诊断。