以下文章来源于数智化维修 ，作者陈曦

随着技术进步、全球经济波动、政策变化、市场需求逐渐饱和，大型装备制造行业正面临市场结构性的调整，全球大型装备制造业的年均利润增速从2015年的5.5%下降至2022年的2.2%。面对利润增长放缓，许多装备企业开始探索新的利润增长点，不断增长中的装备维修服务成为了重要突破口。

- 文章信息 -

本文作者：华中科技大学陈曦教授，由「数智化维修」原创首发， 数字化企业经授权发布。

引言

装备维修服务不仅能够延长装备的生命周期，还能带来持续的收入。尤其是装备制造企业本身拥有技术的优势，清楚制造的细节，了解供应商的成本，如果能够成功的实现制造到维修的转型，将带来可观的利润。

Grand View Research的报告显示，全球维护、修理和大修（MRO）市场规模预计将以6.5%的复合增长率增长，在2027年估计为9500亿至1万亿美元。特别是在航空、船舶、轨道交通、能源设施和核电等领域，维修服务可望成为装备制造企业未来重要的利润来源。

然而，许多企业从制造转向维修服务的过程并不顺利，面临着组织模式、业务流程、人员组成、利润成本控制等诸多问题。

为什么曾经成功的制造模式给延伸而来的维修业务带来了巨大的挑战呢？本文尝试从制造和维修的业务逻辑和工艺流程角度分析这些问题，并提出相应的应对策略。

02

制造与维修的差异

及带来的造转修挑战

大型装备制造企业在向维修服务转型过程中，面临两大核心差异：业务逻辑的不同和工艺流程的不同。这些差异直接影响企业在订单合同、维修方案、资源准备、维修排产、执行过程和交付等六个关键环节中的运作方式。

大型装备制造依赖于计划驱动模式。以飞机制造为例，企业根据长期订单和预测，提前制定生产计划，确保资源和流程的严格控制，保证产品按时交付。

相比之下，维修业务依赖应变驱动模式。装备维修过程中通过故障检测才能发现实际的故障和及时制定相应的排故方案，临时形成的维修方案需要不同的时间成本和物资成本，如何确保资源和流程能及时应对故障修复，保证装备恢复技术状态是一个维修企业面临的挑战。

大型装备制造中的工艺流程通常是静态固定的，一般包括加工、装配和调试，工艺流程一旦制定好，很少改变或者需要根据严格流程来改变，这样可以比较容易在加工、装配、调试等环节，确保每一步工序按照标准、既定的流程执行，确保工艺流程的高度一致和质量的严格可控。

相比之下，维修业务中的工艺流程则有许多是动态变化的。例如：在某架次飞机的大修过程中，维修人员需要针对主机及各级产品分别进行拆卸、清洗、故检、修理和装配、调试，在维修执行过程中，许多工艺会随着装备技术状态变化而进行重新组织、调整或新增。因此，维修企业必须通过灵活的工艺管理来应对这些变化。

基于这两大核心差异，制造企业在向维修服务转型时，在六个关键环节均会遇到挑战。

制造企业订单合同一般确定性非常强，基本可以明确其成本和利润空间，而维修业务则存在包干、开口合同或补充合同的情况，需要根据装备维修过程中故检情况改变订单价格或合同内容。

例如：起落架在维修过程中发现该维修深度下合同不包含的故障时，需要提出新的报价待客户确认后再开展维修工作。这对于承担维修任务的企业提出了快速响应订单变化能力要求，传统的订单管理和报价模式难以适应这种不确定性。

制造过程依赖固定的工艺方案，一般不会轻易改变，就算是定制化生产也是在有限范围的方案中选择执行。然而，没有一件大型装备的维修是采用完全一样的维修方案完成的，维修企业必须具备维修方案调整和个性化方案定制能力。

维修任务的多样性要求维修企业需要根据装备的故障类型和当前技术状态，随时对例行工卡进行调整和优化，或编制可复用的非例行工卡、偶修偶换工卡来应对随时出现的故障问题。

此外，维修装备（使装备技术状态恢复到符合要求）的方法很多，包括换件、维修（深修精修）、外委、串件等。不同的处理方法有不同的工艺路线、周期和成本，为每件装备定制合适的维修方案是维修业务的重大挑战。

制造过程可以依据订单合同制定主生产计划，继而根据固定的工艺方案、固定BOM进行库存、设备和人员准备，确保生产的可控稳定运行。

然而，维修任务由于装备技术状态的不确定引起维修方案的灵活多变，依据订单合同制定准确、可靠的资源准备计划相当困难。

资源准备充足，维修效率高，但成本压力大；资源准备不够，配套率低，维修效率低下，这种左右为难的局面是承担维修业务企业都面临的难题。

比如：对于航材物资的准备，维修企业需要在短时间内保障供应故检中发现问题所需要的、不常消耗的、符合技术状态的零部件，同时还要防止这些高价值的零部件库存积压的问题。

制造业的排产依赖预先的主生产计划，可以事先细化每一个工艺步骤和物料供应，确保生产任务精准、顺利的进行。

而维修过程中故障的不确定性、技术状态的多样性、保障要求的即时性、以及工艺流程的灵活性变化都需要承担维修任务企业具备灵活的应变管理和动态的排产能力。

例如：新发现的故障可能需要回到上一步工序进行重新处理，或者需临时增加一次探伤工序，或者增加一个非例行工卡来应对，致使排产工作的应变能力要求大幅提升。

制造过程的执行环节严格按照标准化流程进行，类似闭卷考试，按标准答案要求完成即可。也就是说制造企业一旦规定好了工艺流程，一般都不会进行更改，会持续生产很长时间，如果需要更改工艺流程，有严格的变更流程，处理时间较长。

维修任务中每件装备出现的故障各不相同，技术人员必须随时灵活的调整工艺流程或编制对应的非例行工卡，并快速发布执行。这种维修过程类似开卷考试，考验技术人员的经验和应变能力。

制造企业通过严格控制产品流程、原材料及人工成本来把控产品交付质量、成本和交付时间。

然而，承担维修任务的企业虽然也非常重视交付质量、成本与时间，但是维修过程中故障的复杂性、方案个性化定制、资源准备困难、执行过程灵活等问题导致维修装备的交付质量更多依赖员工的自觉，交付成本和时间大部分由基层工作者和技术员决定，可控性都较差。

03

应对策略

从认知、流程到系统的全面转型

为了应对上述挑战，制造业企业如果进入维修行业必须从认知层面、流程层面和系统层面进行全方位转型，确保维修服务的高效实施，形成新的稳定利润增长点。

首先，制造企业管理层需要认识到订单拉动（制造）与应变拉动（维修）的本质区别。基于“订单-主生产计划-物料需求（订货）计划-生产计划-生产执行”业务逻辑，自上而下、层层传递、精确管理的制造生产管理模式发展了多年，形成了许多成熟的理论、方法（比如：ERP管理理念），帮助制造业企业实现了自上而下的一致性、透明化管理。

基于“计划订单-维修方案-生产预计划-生产准备-故检-任务执行/任务协作/外委-执行反馈”业务逻辑，上下结合、内外协作、灵活应变的维修生产管理模式，由于其复杂性和灵活性，目前主要依靠人的经验和知识来落地实施，还需要新的理论和技术方法来支撑。希望我们团队提出的大型装备智慧维修模式能够在这方面做出一些探索和支撑。

其次，技术、生产部门负责人要认识到工艺流程静态固定和动态变化之间的差异。维修工艺方案与制造工艺方案大相径庭，需要不断地、快速地进行积累、完善和迭代。以飞机维修为例，机型、维修深度、单机技术状态、飞行履历记录、实际故障都对实际执行维修方案有影响，实际执行工艺的动态变化、修正和完善是常态。

技术人员和生产一线工人需要发挥自己的主观能动性和创造力，参与到工艺流程的设计、迭代和完善中。这也说明维修业务比制造业务更需要依赖员工知识和经验，维修知识将成为其核心资源，维修知识的创造、共享和利用是维修业务的核心能力。

因此，建立知识型的维修业务组织是制造转维修的重要环节。数字化技术在制造的工艺辅助设计中起到了很好的作用，有效地辅助了智能制造的升级改造。如何在动态变化的维修工艺设计流程中采用数字化技术辅助维修工艺（主要的维修知识）的生成、复用、管理、共享，支撑建立知识型的维修业务组织将是造转修企业的未来发展一个努力方向。

最后，人力资源部门负责人应该认识到维修业务需要培养和招聘更多通过知识、技能和判断力来工作的人，重复性、没有创造性的工作人员对于大型装备维修工作的重要性越来越低。善于学习、积累了丰富特定维修经验的技术人员和维修人员将是企业未来转向维修业务的关键资源。

另外，目前维修行业现有师傅带徒弟的培养人才方式也有待提升。在数字化时代如何系统、科学、高效地进行维修人才培养，提高人力资本在维修业务中的效力，辅助进行维修经验和知识的分享、传承是造转修企业人力部门的一项重要工作。

总之，由于维修与制造第一性原理的不同，而制造业企业从管理层、中层到基层人员对此认识不足，头脑中制造业务的逻辑固化，非常容易影响到新开展的维修业务。

因此，需要通过专业化、系统性的培训，帮助全体员工转变制造思维方式，逐步建立知识型的维修业务组织，从熟悉的计划性和稳定性好的制造业舒适区转向应对维修中复杂性和不确定性的全新环境。这一转变将帮助制造型企业更好地承担维修任务，控制维修成本、提高维修质量、提升整体客户满意度，为企业创造更多的经济效益。

承担维修业务的企业重在应对维修中的复杂性和不确定性，需要设计灵活应变的维修业务流程。对于从制造转型维修的企业而言，应该先依据制造和维修的区别调整优化现有岗位，再增加或调整对应业务流程。

比如：装备制造企业对于检测的要求一般是在某个加工、装配或调试环节结束后进行检测，而维修过程中存在大量制造过程中不存在的故障检测过程。为此，需要增加故检员岗位，负责故检定性和维修工艺流程调整工作。在此基础上，需要对故障维修工艺流程（换件、修理、外委、协作、串件等）进行详细的业务流程设计和不断优化。故检员和对应流程的设计优化，对于维修成本、维修周期的控制，维修效率的提升有重要作用。

此外，为了建立知识型的维修业务组织，企业应构建维修知识共享与积累机制和流程。采取激励措施，鼓励个人向他人分享每次的维修经验和数据，实现隐性维修知识的群体共享；有组织的将隐性维修知识通过语言、图表等方式转化为显性维修知识；通过分层、分类、拆分、合并等方式将非结构化的显性维修知识组合为系统性、结构化的维修知识体系；个人通过学习、应用、体验和思考组织现有的维修知识体系，形成个人的维修经验，并鼓励创新、发明处置非常见故障的维修方法。

ERP（企业资源计划）、PLM（产品生命周期管理）、CAPP（计算机辅助工艺设计）、WMS（仓储管理）和MES（制造执行系统）是制造业数字化转型的典型系统，适用于制造业确定性强的场景，但无法满足维修业务的灵活性需求。比如：计划订单、主生产计划分别是ERP和MES系统的源头，需求非常确定明确才能支撑后面的数字化工作流程-采购、排产、生产等等。

然而，维修过程中这些都是不确定的，会随着技术状态要求和产品故障发生变化，带来计划调整、工艺变更和执行过程的动态变化；另外，制造业侧重于加工、装配工艺的编制和规范执行，CAPP和MES系统很好地满足了其需求；然而，维修过程更加关注故障检测工艺、各类产品修理工艺、拆装工艺的组合、复用及其新工艺的探索、发现和应用。

因此，由于维修与制造第一性原理的不同，现有制造业工业软件只能强行修改、勉强应对维修需求，用起来必然非常别扭，达不到降本、提质、增效、创收的目的。这也正是现在大型装备维修行业数字化转型落地的难处。

从事装备维修工作的企业应该从维修应变驱动、动态变化的基本特点出发，积极引入维修专用的信息化、数字化、智能化技术、方法和系统，聚焦维修数据和维修知识的采集、收集与集成应用，形成数字化维修工艺编制和复用能力、数字化维修执行过程管控能力、便携式维修数据采集能力和故障智能分析能力。

数字化工卡技术是应对维修灵活性、不确定性的关键技术，颠覆了传统纸质工卡仅仅是维修质量记录的概念，将维修数据和维修知识体系有机结合管理起来，能够根据技术状态要求和故障类型，集成人机料法环测等维修要素，编制和复用结构化、数字化形式的维修工卡，并能够快速下发，达到维修执行过程数字化管控的目的。

这项技术对应实现了制造业中的CAPP、PLM、MES的软件功能，覆盖了维修工作从维修工艺管理、维修BOM管理和维修执行的全过程，解决了维修过程中故障不确定、工艺变化快、流程复杂的特殊问题，是打造维修领域数据底座的支撑技术。目前，结合这一技术的软件系统我们已经在大型维修企业实施应用，经过适当改造后有望成为造转修领域的有力工具。

未来装备维修数据和维修知识将是承担装备维修业务企业的软实力，也是竞争的核心领域。AI技术天然就是学习数据，应用知识的利器，它由模型、算力和数据三要素组成。这里的模型不完全是现在流行的大语言模型，还包括视觉识别模型、决策优化模型，是一个AI智能体的概念，能够组合起来综合解决维修中数据和知识应用的问题，比如：依靠经验的故障识别问题、耗费成本的备品备件优化调度问题、排故方案的辅助快速生成和准备问题。

对于维修领域而言，算力并不是一个大问题。因为这一专业领域的数据量并不大，几十亿参数的模型训练和推理可以在边端轻量化实现。最后，在维修领域进行AI应用的前提是收集具有维修行业特性的维修数据和维修知识，需要在前面数字化工卡技术的基础上才能完成。目前，这方面我们团队已经在某型地测数据故障检测领域实现了智能检测，集成了人工经验和知识，大幅提升了检测准确度和效率。

04

总结

大型装备制造企业在向维修服务转型时，面临着业务逻辑从计划驱动到应变驱动、工艺流程从静态固定到动态变化的转变，带来了订单合同、维修方案、资源准备、维修排产、执行过程和交付六大环节中的挑战。

我们认为企业造转修转型成功的关键在于企业各个层面人员在认知层面深刻认识到制造与维修的不同之处，实现从制造思维到维修思维的转变；通过培训建设掌握人机协同、迭代学习能力的知识型维修业务组织，全员主动加入到应对灵活、复杂不确定性强的维修流程再造过程；选择符合维修特点、专业性的信息化工具，在关键质量环节采用数字化维修设备，持续通过智能化服务集成应用维修数据和维修知识，提升企业维修能力，最终实现制造向维修的高效率、高质量、低成本转型。