設(shè)備健康管理最難的地方，并不是發(fā)現(xiàn)一臺設(shè)備“已經(jīng)壞了”，而是在設(shè)備仍然運行時，看清它的狀態(tài)正在發(fā)生什么變化，以及接下來應(yīng)該如何維護。很多企業(yè)已經(jīng)積累了運行記錄、故障記錄和維修工單，但這些數(shù)據(jù)往往分別用于報表、維修和臺賬管理，維修主管仍然需要人工翻數(shù)據(jù)、做統(tǒng)計，再決定是否調(diào)整保養(yǎng)周期。用友BIP資產(chǎn)云資產(chǎn)健康診斷智能體將資產(chǎn)運行、故障和維修工單數(shù)據(jù)帶入統(tǒng)一的問答與洞察場景，并進一步支持維護策略優(yōu)化和單資產(chǎn)剩余壽命預測，使設(shè)備健康管理從查看歷史記錄，進一步走向利用已有數(shù)據(jù)輔助判斷未來維護安排。
健康診斷的第一步，是讓管理人員更容易看懂已經(jīng)存在的運維數(shù)據(jù)。資產(chǎn)健康診斷智能體支持通過語音或文字查詢資產(chǎn)運行、故障和維修工單數(shù)據(jù)，并對這些數(shù)據(jù)進行洞察分析。在具體業(yè)務(wù)中，可以統(tǒng)計設(shè)備故障次數(shù)、常見故障原因和故障類別，也可以分析故障趨勢、運行時長趨勢、故障停機分布，以及維修工單成本分布和處理進度，同時支持生成圖表。 這意味著維修主管面對設(shè)備健康問題時，不必只得到一張靜態(tài)設(shè)備卡片，也不只是逐條查看幾十張歷史工單，而可以圍繞“最近故障是否增加”“主要故障集中在哪里”“停機情況怎樣變化”“維修任務(wù)處理到什么程度”等問題直接展開分析。
這種能力的價值在于，把“發(fā)生過什么”進一步轉(zhuǎn)化成“哪些變化值得關(guān)注”。單看一次故障，很難判斷設(shè)備是不是正在進入更高風險階段；單看一張維修工單，也無法說明某類問題是不是頻繁重復。健康診斷智能體把資產(chǎn)運行、故障和維修工單放在同一個數(shù)據(jù)范圍內(nèi)，通過運行分析和保養(yǎng)分析支持業(yè)務(wù)洞察。 從管理邏輯來看，維修主管可以先通過數(shù)據(jù)分析識別異常，再進入結(jié)果洞察和更深層次的優(yōu)化，最終調(diào)整維護方案。系統(tǒng)給出的業(yè)務(wù)場景本身也按照“數(shù)據(jù)分析—結(jié)果洞察—深度優(yōu)化—業(yè)務(wù)處理”展開，而不是把健康診斷停留在一張設(shè)備健康看板上。
當問題從“設(shè)備最近怎么樣”進入“下一次應(yīng)該什么時候保養(yǎng)”，健康診斷智能體開始與預防性維護發(fā)生更直接的聯(lián)系。用友BIP資產(chǎn)云支持分析單臺資產(chǎn)當前的預防性維護周期、維護方案和執(zhí)行數(shù)據(jù)，在這些業(yè)務(wù)數(shù)據(jù)基礎(chǔ)上優(yōu)化維護策略。 這與固定周期保養(yǎng)的管理思路存在明顯不同：過去企業(yè)可能按照既定時間表長期執(zhí)行相同維護周期，而設(shè)備實際運行情況、故障頻率和歷次保養(yǎng)執(zhí)行結(jié)果已經(jīng)發(fā)生變化。健康診斷智能體提供的方向，是讓企業(yè)在已有預防性維護體系上繼續(xù)利用運行和維保數(shù)據(jù)進行分析，為是否調(diào)整保養(yǎng)周期和維護方案提供更有針對性的依據(jù)。當前業(yè)務(wù)架構(gòu)也將維修計劃、維修工單、預防性維護和潤滑計劃納入相關(guān)優(yōu)化場景。
比維護周期更進一步的問題，是“這臺設(shè)備還能使用多久”。資產(chǎn)健康診斷智能體支持針對單資產(chǎn)進行剩余壽命預測，并支持多種智能算法；實際應(yīng)用中可以由系統(tǒng)智能選擇算法，也可以由人員人工指定預測算法。 對設(shè)備管理人員而言，剩余壽命預測的意義并不是簡單得到一個數(shù)字，而是讓設(shè)備更新、維護和維修決策多一個數(shù)據(jù)維度。用友BIP資產(chǎn)云整體資產(chǎn)績效體系本身也將剩余使用壽命列入健康指標，同時關(guān)注設(shè)備成新率、有效年齡、點巡檢異常次數(shù)和測點超限次數(shù)等健康信息。 當剩余壽命與設(shè)備運行和維修數(shù)據(jù)結(jié)合起來時，企業(yè)對設(shè)備狀態(tài)的判斷就可以從“現(xiàn)在還能不能運行”，向“未來還需要怎樣維護和安排”延伸。
健康診斷智能體背后也不是只依靠單一數(shù)據(jù)進行判斷。其能力架構(gòu)包括運行分析、保養(yǎng)分析、壽命預測和養(yǎng)護策略等模型，同時連接時序數(shù)據(jù)、運行數(shù)據(jù)、維保數(shù)據(jù)以及知識庫；相關(guān)算法框架中列出了健康衰減分析、FMEA、MTTR分位數(shù)、威布爾分析以及多種分類和預測方法。 更大的PHM體系還包括設(shè)備接入、在線采集、專家知識庫、狀態(tài)監(jiān)測、健康評估、壽命預測、故障預測和故障診斷等環(huán)節(jié)。 這說明健康診斷不是孤立地讀取某一張維修表，而是建立在設(shè)備業(yè)務(wù)數(shù)據(jù)、運行數(shù)據(jù)和相關(guān)分析模型基礎(chǔ)上的智能應(yīng)用。不過，不同項目能夠接入哪些實時數(shù)據(jù)、使用哪些模型，仍然需要結(jié)合實際設(shè)備和實施條件確定。
健康診斷智能體與前面的資產(chǎn)維修智能體也承擔著不同任務(wù)。資產(chǎn)維修智能體主要服務(wù)于已經(jīng)發(fā)現(xiàn)的故障，重點是故障提報、原因診斷、維修方案推薦、派工以及維修總結(jié)；資產(chǎn)健康診斷智能體則把視角拉長，重點分析運行、故障和維修工單數(shù)據(jù)，進一步進行維護策略優(yōu)化和剩余壽命預測。前者更關(guān)注“這次故障怎樣處理”，后者更關(guān)注“這臺設(shè)備接下來怎樣維護”。當前資產(chǎn)智能體系也將兩類智能體分別設(shè)置，并把資產(chǎn)健康診斷智能體定位在運行數(shù)據(jù)問答與洞察、單資產(chǎn)剩余壽命預測和預防性維護方案優(yōu)化上。 對企業(yè)來說，兩者并不是互相替代，而是分別覆蓋故障處置和長期健康管理的不同階段。
因此，健康診斷智能體真正帶來的變化，是讓企業(yè)積累的運維數(shù)據(jù)開始反過來影響維護決策。設(shè)備每天都在產(chǎn)生運行記錄，故障處理中不斷形成故障數(shù)據(jù)和維修工單，預防性維護又持續(xù)留下周期、方案和執(zhí)行結(jié)果。如果這些數(shù)據(jù)只用于事后查詢，數(shù)字化的價值仍然有限。用友BIP資產(chǎn)云通過健康診斷智能體，把運行分析、故障洞察、工單分析、維護策略優(yōu)化和剩余壽命預測連接起來，讓維修主管可以從歷史數(shù)據(jù)中識別趨勢，再進一步調(diào)整維護方案。對于關(guān)鍵設(shè)備管理而言，健康診斷由此從“設(shè)備壞沒壞”的結(jié)果判斷，逐漸走向“現(xiàn)在狀態(tài)如何、趨勢怎樣、下一步怎么維護”的連續(xù)管理。