按照“一个愿景、四大目标、四项典型应用”的战略目标，以设备完整性理念对设备管理全域进行系统设计，构建全设备域的数字化管理生态，以设备管理系统为载体,以数据驱动为核心，打造泛在感知、敏捷响应、动态优化、全局协同、智能决策的设备管理能力，统筹推进业务与技术的迭代变革，助力企业实现“智能工厂”的数字化转型。

一、方案背景

能源、制造等资产密集型行业的智能化改造、数字化转型进入了全面普及并向纵深拓展的新阶段，从而设备管理数字化、智能化成为企业实现智能工厂的重要环节。企业资产管理系统（EAM）可协助企业实现设备智能监控、设备运行可视化、智能数据分析、智能故障诊断等业务，提升企业设备数字化、精细化管理水平。

二、应用场景

该系统适用于多种资产密集型行业的设备管理，如制造业、电力行业、石油化工行业、煤化工行业等。

三、方案概述

企业资产管理系统（EAM）突破传统设备管理模式，以数字化赋能为基础，以“1+2+N”的架构模式构建智能化、智慧化的设备管理系统，助力企业实现智能工厂建设和设备域的数字化转型。系统建立全面的数据采集、数据分析、模型预测体系，实现“数据集成、资源整合、信息共享、智能决策”，全方位、多维度、多手段的支撑企业管理层级和生产层级的业务管理需求，通过现场终端、移动端的数据推送，将设备管理真正延伸到生产现场，实现以数据驱动业务，为各个层级提供数据管理与决策支持服务，提高工作执行能力，一次性解决数据集成、技术支撑和信息化助力问题。

① 全生命周期管理能力：

系统功能涵盖从设备的设计、采购与制造、安装与调试等前期管理开始，对于设备的运行、检修和相关的仓储、安全等使用期活动直至设备最终处置的整个生命周期管理各项业务，创建一套涉及财务、工程、物资、安全的设备综合管理系统。

② 设备多场景数据采集和应用能力

系统可实现设备运行状态的实时采集，并利用边缘计算、特征自动提取、数据智能传输、标准化存储等技术对设备海量运行数据进行计算、分析、预警、报警，从技术上实现传统人工记录向自动采集、数据驱动的方式转变，为故障诊断和智能决策提供数据基础支撑。

③设备故障智能诊断能力

针对重点设备管理现状及运行原理，基于整合的多场景数据，利用机器学习和大数据分析技术，建立健康评价、故障诊断、检维修建议等多类诊断模型，最终实现提前预知、主动干预的预测性维修模式，提升设备运行安全性并有效降低维修成本。

④设备管理智能决策能力

• 系统以统计分析设备KPI数据为基础，通过策略制定、策略管理与部署、策略执行、策略评估与优化的闭环管理实现设备智能决策以及业务循环提升。系统实现设备管理三类重要决策：

• 预防性维修智能决策

建立设备健康度、可靠性指数体系，实时掌握设备运行情况，提前掌握劣化趋势及预判可持续运行时间；基于状态 监测、故障诊断、检维修历史数据建立维修策略，并利用业务流程闭环等形成维修策略的建立、执行、反馈、优化的 PDCA循环，以维修策略自动制定检维修计划及检维修方案，指导实际工作开展。

• 设备更新智能决策

自动统计设备MTBR1MTBF、故障率等指标建立设备失效率曲线模型，将设备故障转化成可量化、可评估指标，更好控制故障影响、减少发生频次；依据设备寿命期内费用最低目标进行设备更新时间建议，提供合理的、及时的最佳使 用年限、更新或者修理建议。

• 设备风险管控智能决策

系统建立关键设备识别、分级、检验试验、缺陷故障管理等完整性管理要素，促进管理制度变革:建立设备风险动态评估，从而实现设备风险管控，保障安全生产；智能调度维护、检查、维修资源从低风险设备向高风险设备转移。

四、方案价值

打造设备域数字化转型系统，助力企业在设备管理实现全域数字化、管控一体化、运行长效化和决策智能化。方案提供：

• 更全面的业务功能

产品面向电力、化工、煤矿等多个行业的核心生产设备，业务涵盖前期、使用、检维修、处置等各个阶段，提供高匹配性的设备管理专业系统和解决方案。

•  更强大的物联网能力

产品积累了丰富的数据采集协议，可实现多类常见设备场景的数据采集和接入，如巡检仪、动静电仪状态监测、红外监控、摄像头等，实现设备状态的实时感知。

• 更精准的诊断能力

系统应用“机理模型+大数据建模+专业诊断”的技术，建立多个智能诊断模型，通过模型实现设备运行预警报警，并对设备后续运行检维修提供解决方案。

• 更智能的决策能力

在全生命周期的业务支撑下，系统自动统计各项设备管理KPI指标；并以数据采集、数据分析、预测模型为决策支持，实现策略制定及部署，并在全生命周期管理中落实策略执行和策略优化。

五、典型应用及案例

•  某能源集团工厂设备管理系统

• 上海环境集团设备全生命周期管理系统