设备维修记录每天都在增加，可一到月度复盘，还是要临时翻工单、核对 Excel：哪台设备总出故障？为什么有的设备修得快，却总是反复停机？维修费用到底花在哪些设备上？

问题不在于没有数据，而在于故障、运行时间、维修过程和费用分散记录，始终没有形成一套完整的分析体系。

其实，设备维修分析并不一定要从开发复杂系统开始。只要有基本的设备台账、故障工单、运行记录和维修费用，就可以先搭建一套可视化分析看板，把关键指标集中起来，让设备运行状况、故障分布和维修成本一目了然。

免费试用

如果不知道这类看板应该怎么设计，可以先参考 FineBI 设备维修分析看板。对于制造业设备管理来说，可以重点借鉴其中的可视化布局和多维分析思路：用核心指标卡快速掌握设备整体状况，通过趋势图观察故障变化，利用排名和分类对比定位高风险设备，再结合明细数据追溯具体问题。

好的看板不是把数据堆到一个页面，而是让管理者能够从整体异常，一步步找到具体原因。这也是搭建设备维修分析系统最值得参考的思路。

今天就以一份模拟维修数据为例，拆解如何用 2 小时完成一套能够筛选、对比和追因的设备维修分析原型，把故障频次、MTBF、MTTR 和维修费用真正关联起来。

第一步：先定分析问题，别急着做图

设备管理最容易犯的错，是把「维修工单数」当成设备健康度。至少应拆成四组问题：

免费试用

• 故障频次：看哪些设备反复失效。
• MTBF：看设备运行稳定性。
• MTTR 与停机时长：看修复效率和生产影响。
• 维修费用：看维护资源消耗。

分析维度也要提前定好：产线、设备类型、设备编号、故障类别、月份、维修班组。否则看板只能汇总，不能定位。

搭建时，可以先在 FineBI 里规划一套设备维修分析主题，把设备台账、故障事件、运行记录、费用汇总组织成可关联的数据模型，再围绕同一组维度设计指标。这样后续从「全厂」切到「某条产线」，分析逻辑不用重做，避免每增加一个问题就再建一张独立报表。对于需要反复使用的设备分类、时间维度及公共指标，也可以提前统一定义，减少不同报表口径不一致的问题。

这一步的成果不是漂亮页面，而是一张清楚的指标清单，以及每项指标需要哪些原始字段。

第二步：整理四张表，尤其防止重复计算

建议准备四张基础表：

• 设备台账：设备编号、名称、类型、产线、投产日期。
• 故障事件表：事件编号、设备编号、故障开始、维修开始、修复完成、恢复运行时间、故障原因。
• 运行记录表：设备编号、日期、实际运行小时数、计划停机小时数。
• 费用明细表：事件编号、备件费、人工费、外委费。

这里有三个坑，比图表样式更重要。

第一，一张工单不一定等于一次故障。 同一次故障可能拆成电气、机械两张工单；应按故障事件编号去重，返修是否计为新故障也要先约定。

第二，不要直接把费用明细和故障表按设备编号连接。 一台设备有 10 次故障、20 条费用记录，直接多对多连接可能把金额放大。应先按事件编号汇总费用，再关联故障事件。

第三，时间字段必须分清。 故障发生到恢复运行是停机时长；维修开始到修复完成可以定义为维修历时；真正的有效修复时间还可能需要扣除等待备件、暂停维修等时间。三者不能混为一谈。

最后还要检查缺失时间、负数时长、跨月故障和设备编码不一致等异常。未经确认的数据先标记，别为了让图表完整就随意填零。

第三步：四个指标算对，比多做十张图重要

① 故障频次：不能只看哪台设备坏得最多

最基础的公式是：故障次数＝统计期内有效故障事件数。但机器运行强度不同，只比次数不公平，最好补充：

每百运行小时故障频次＝有效故障次数 ÷ 累计实际运行小时数 × 100。

这样能够减少设备使用强度不同带来的干扰。

② MTBF：设备平均多久发生一次故障？

MTBF，即平均故障间隔时间。对于可修复设备，在本次采用的运行时间口径下：

MTBF＝累计实际运行小时数 ÷ 有效故障次数。

例如运行 480 小时、发生 4 次故障，MTBF 为 120 小时。统计时要明确运行时间与故障的观察范围一致，不能直接用自然日乘 24 小时替代运行时间。零故障设备也不能把 MTBF 填成 0，应标记为「暂无可计算值」，同时展示累计运行时长。

③ MTTR：平均修复一次需要多久？

MTTR，即平均修复时间。MTTR＝已完成故障事件的有效修复时长合计 ÷ 已完成修复次数。

如 4 次修复合计 14 小时，MTTR 为 3.5 小时。这里需要特别注意：未完工事件不能混进分母；等待备件是否计入修复时间必须统一；多人同时维修时，也不能直接将所有人员的劳动工时相加，当成故障修复历时。

建议并列展示「故障停机总时长」，避免平均修得快，却忽略等待造成的长时间停产。

④ 维修费用：不仅看花了多少，还要看花在哪里

直接维修费＝备件费＋人工费＋外委费。同时计算单次故障平均维修费、费用构成和设备费用排名。停产损失可以另设指标，但不能未经定义就混入直接维修费。

在 FineBI 中，可以利用计算字段、分组汇总及指标计算能力，把这些规则做成可复用的分析口径。例如分别计算设备累计运行时间、有效故障次数、修复时长和费用，再根据产线、月份等维度动态汇总。

尤其是 MTBF、MTTR，应该用「汇总运行或修复时长 ÷ 对应故障次数」进行计算，而不是直接平均各设备已经算好的指标。否则不同设备的故障次数权重被忽略，汇总结果就可能失真。

第四步：看板不要堆图，要能一路追到原因

建议把页面设计成四层。

第一层：设备维修总览。 展示有效故障数、MTBF、MTTR、故障停机小时数、维修总费用，并标注统计期和计算口径。

第二层：故障趋势与排名。 用月度趋势判断设备状态是否恶化，用设备故障排名发现高频设备。同时展示单位运行时间的故障频次，避免误把高负荷设备当作故障严重设备。

第三层：维修效率与成本。 可以用故障频次作为横轴、累计停机时长作为纵轴、气泡大小表示直接维修费。这样更容易区分两类设备：一种是「经常坏，但很快修好」；另一种是「不经常坏，但每次都停很久」。它们需要采取的维修策略完全不同。

第四层：故障明细追溯。 点击某台设备后，继续查看故障事件、维修原因、备件消耗和维修时间。这正适合用 FineBI 的仪表板筛选、组件联动和逐层钻取来实现。

例如先发现某条产线的故障频次连续上升，再点击该产线，进一步比较不同设备的 MTBF 和 MTTR，最后下钻到具体故障类别及维修记录。整个分析过程不需要反复切换多张报表，也不必每次出现异常都重新找人取数。

一套真正有用的设备看板，不是让管理者一次看到所有数字，而是帮助他们不断缩小问题范围，直到定位需要处理的设备和故障。

第五步：验算、交付，别让漂亮看板误导决策

上线前至少做四项校验：

• 随机抽取 5 条故障事件，检查是否重复统计。
• 手工复算 2 台设备的 MTBF、MTTR。
• 检查维修费用汇总是否与原始明细一致。
• 切换月份、产线，核对图表联动和计算分母。

完成验证后，可以通过 FineBI 将分析组件组合成统一仪表板，依据角色权限向设备主管、维修负责人等人员共享，并结合数据连接和更新设置维护后续分析。

例如设备主管重点查看整条产线的故障趋势与费用变化，维修负责人则进一步查看故障明细和维修效率。后续数据更新后，可以继续沿用原有分析模型，不需要每周重新制作一份静态报表。

不过必须明确：看板自动刷新，不代表源头工单自动正确。如果维修记录存在漏报、事后补录或未及时关闭的情况，仍然需要业务流程约束和人工核验。

从看数据到改维修策略：这才是系统的价值

建议按照故障频次、停机影响和维修成本综合排序，而不是只抓故障最多的设备。

• 第一类：高频、短停机。 重点检查易损件、操作规范和点检周期。目标不是把每次故障修得更快，而是减少重复故障。
• 第二类：低频、长停机。 重点排查等待备件、故障定位和维修资源调配，必要时优化关键备件库存。
• 第三类：高费用、低可靠性。 需要比较年度维修投入、设备剩余寿命和更新改造成本，评估继续维修是否划算。
• 第四类：MTBF 持续下降、MTTR 持续上升。 这通常意味着设备故障越来越频繁，同时修复效率也在恶化，值得优先开展专项排查。

但分析不能停留在发现问题。每项改进都要留下措施、负责人、完成期限和复盘指标。例如更换某类易损件后，继续观察未来三个月单位运行时间故障频次是否下降。同时考虑设备负荷、样本量和生产安排变化，不能把某个月故障减少直接认定为维修措施有效。

写在最后

两小时足以做出一套设备维修分析原型，却不足以完成跨系统实时集成、流程审批或预测性维护。

真正值得复制的，是这条分析路径：定义问题 → 整理事件粒度 → 统一计算口径 → 交互式追因 → 推动维修动作。

故障频次告诉你哪里常坏，MTBF 告诉你运行是否稳定，MTTR 告诉你修复是否高效，维修费用告诉你资源花在哪里。只有把四者联系起来，再持续观察维修措施实施后的变化，设备维修分析才能从一份月底统计报表，真正变成推动设备可靠性提升的管理工具。