向“工厂管理专家”询问摆脱维护工作中依赖“经验和技能”的问题。（后篇）－维护工作IoT化小规模起始的意义－
工厂设备维修等维护工作很大程度上需要依靠维护人员的经验、知识和技能。摆脱经验和技能依赖、将维护工作标准化的关键是IoT，而对从未引进IoT的企业或工厂而言，应该如何引进？被称为“工厂管理专家”的JEMCO日本经营顾问古谷贤一将继续接受采访。
尽早开始收集数据是维护工作IoT化获得成功的关键
――上篇谈到应用IoT开展维护工作的可能性。目前，引进IoT的企业或工厂是否增多？
IoT应用在维护领域也属于前沿技术，引进的工厂逐渐增多。为维护工作提供支持的IoT工具数量也在增加。例如，为工厂设备的驱动部分、电机等安装传感器以监测振动的工具。有些系统不仅直接测量振动，还会进行频率分解等数据处理，当检测到异常时电脑会发出警报。这些措施是为实现上篇所说的“预测性维护”。
此外还有更为初级的IoT。例如，设备之间以通信互联，当一个设备发生故障时，下一工序的设备也将自动停止。这属于发生故障后进行的“事后维护”，由于及时察觉到故障，因此对后续工序的影响将被控制在最小限度。如果发现故障的时间延迟10秒，可能使接下来的工序的机器也发生故障。
此外，对于用机械臂抓取元件的机器来说还有这种机制：如果因某种原因未能成功抓取元件，生产线将自动停止。如果不应在流水线内的元件出现在流水线中，可能使流水线上的下一道工序的设备损坏，此时可以进行“预防性维护”，防止发生类似事故或故障，这种例子也比较多。
――通过应用IoT，能否对需要依赖维护人员经验和技能的工作进行标准化？
是的。尤其是监控设备数据等的预防性维护和预测性维护，具有很高的可行性。从未引进IoT的企业或工厂在引进时，应遵循小规模起始和灵活引进的原则。
还应考虑因仓促引进IoT而导致进展不利的情况。因此，比较好的做法是，首先进行部分引入，或设定示范生产线和示范设备，以限定的形式引进IoT。当然，前提是制定工厂的整体目标，首先进行部分应用，做到小规模起始，待掌握诀窍后，再扩大引进范围。
――小规模起始可以节省时间，做到快速引进。
引进速度非常重要。应用IoT进行维护时，如果不收集和存储更多数据，将很难发挥效果。如果将IoT应用到通知设备停止的事后维护工作中，可以立即发挥作用，但进行预防性维护或预测性维护时，必须分析所获取的数据，并进行技术评估。
IoT维护工具和引进该工具的工厂都在增加，但是诸如“在何处安装传感器更有效？”、“获取哪些数据可以预测故障？”、或“获取数据后不清楚如何分析”等已制定详细技术资料的部分还不多。目前，还没有人知道应用IoT进行维护的“最佳解决方案”。
因此，当前的重要工作是，收集尽可能多的数据，在公司内部讨论稳妥的进行方式。为了确保事实库论证的正确性，也需要储备更多的数据资料。
――小规模起始对收集更多数据起到了良好作用。
是的。我认为，设备不会频繁发生严重故障。因此，为了准确掌握操作与故障的关系，应该尽早收集数据，这一点很重要。
正如刚才所说，“为哪种设备安装什么传感器”、“获取哪些数据可以预测故障”等问题的最佳答案还不明晰。因此，能够尽快确立这些关键技术的企业或工厂，将在竞争中处于优势地位。可以说，对公司未来的发展而言，小规模起始是有效手段。届时，还有一项重要内容就是分析所收集的数据。
今后的维护是在现场主义基础上附加数据主义吗？
――在以往的维护工作中，数据分析也许并不多见。
可以说IoT是维护工作的一大特点。IoT会将过去以经验和技能为依据的现场主义维护工作转变为以数据为依据的现场主义。这种变化将大幅提高维护工作的质量。以往的维护工作是由限定的人员在现场进行作业，但现在还需引入详细分析数据的数据科学家，从而构建新的维护工作形态。
为此，安排能够正确分析所收集数据的人才，以及如何使其与现场维护人员建立合作关系将变得非常重要。为了实现这种内部合作，要求高层管理者重新认识维护工作的重要性，并在整个公司范围内重新定义其价值。
――与引进IoT一样，分析已获取数据的工作也很重要。
通过IoT存储大量数据后，如果不善加利用，也是一种资源浪费。例如，仅仅依靠已获取的电机振动数据，可能无法了解故障前后的振动区别。对于看一眼即可分辨的明显差异，由维护人员目视确认就能察觉。
监测振动的同时，进行频率分解或细致划分各种要素。这关系到能在多大程度上判别出“这种动作是故障前兆”，所以需要具备足够的数据分析能力。当然，将熟知现场的维护人员的知识和技能进行反馈也是不可或缺的一环。
换句话说，IoT是“硬件”，而如何分析所获取的数据、构建何种技能等“软件”部分也极为重要。引进不是终点，而将每日维护工作中的诀窍和发现与收集的数据进行比对，得出实际的“分析”结果才是真正的开始。通过小规模起始方式尽早引进，并存储更多数据的建议，也与这部分工作内容密切相关。
――最后一个问题，在引进IoT的过程中，在人力资源方面如何培养维护人员？
当然，还需要同时做好维护人员的技术传承。IoT与人员之间不是非此即彼的关系。今后劳动人口将持续减少，而目前受新冠肺炎疫情影响，正在实施远程办公。维护工作也不例外。老员工与新手共同在现场作业并传授技能的传统方式也许将被远程指导和培训所替代。
“隐性知识”的传授本就不易，要想培养合格的维护人员更会花费很长时间。远程指导存在局限，类似精细作业或细微差别等，如果不在现场教学可能很难理解。维护人员的技术传承将比过去更难，培养人才必须投入更多资源。
获取数据进行分析很重要，之后的实际维护需要人来完成。因此，培养现场实操的维护人员，依然是今后的重要课题。
为此，如上篇所述，应当认真梳理维护工作的每个环节，将隐性知识转变为显性知识。这是引进IoT和培养维护人员的共同基础，也是基本工作。在研究IoT引进事宜时，也是判断“需要将IoT应用到筛选工作的哪一部分”、“获取哪些数据有效”的方法。培养人才时，通过将每项工作转化为语言，能以容易理解的方式传授技能。
无论是引进IoT还是培养维护人员，若想成功，首先需要考虑基本因素，这一点仍很重要。
古谷贤一
株式会社JEMCO日本经营 本部长顾问。以制造现场咨询为主业，涉及经营管理、人才培养、质量改善服务、制造创新服务等各种业务。为许多海外工厂提供解决方案。为制造现场提供符合其特点的精细化咨询服务，获得大量客户的高度评价。为研讨会、演讲、杂志撰写多篇文章。