AI 基础
什么是资产绩效管理（APM）？
将 Unite.AI 添加到您在 Google 上的首选来源
资产绩效管理（APM）将资产策略、维护、状态监测、可靠性分析和运营数据相结合，以提升物理资产所创造的价值。它常用于涡轮机、泵、车辆、生产线和基础设施等设备。
APM 本身并非传感器仪表盘或预测性维护模型。它是一种决策过程，在资产全生命周期内平衡性能、成本、风险、安全和可持续性，并对检查、工作、备件和资本规划拥有明确的责任人。
关键要点
- 从关键性和故障后果出发，而不是从最易获取的传感器开始。
- 将状态数据与维护历史、运行环境和工程知识相结合。
- 使用预测信号来支持明确的工作决策和提前期要求。
- 衡量规避的风险、可用性、维护质量、全寿命成本以及误报情况。
从资产策略到工作
组织需要定义目标、资产层级、关键性、绩效标准、失效模式和维护策略。工作管理系统负责安排检查和维修；APM 分析帮助确定何时以及为何需要开展工作。
相同的状态在冗余的低成本泵和安全关键的涡轮机上可能意味着不同的行动。APM 将技术证据与业务和安全背景相连接，而不是仅优化单一预测分数。
数据与数字化表征
有价值的来源包括传感器时间序列、报警、操作员巡检、维护记录、零部件、环境、负荷以及设计限制。资产标识和时间戳必须在分析前对齐。缺失、漂移或更换的传感器会产生虚假趋势。
数字孪生可以将工程模型与实时状态结合，但需要经过验证的假设和更新规则。非结构化的技术员笔记能够为遥测缺失的情境提供补充。
状态、预测与决策
阈值用于检测已知限制；异常模型标记偏离；诊断模型估计原因；预测模型估算剩余使用寿命。每种模型都需要与维护决策相匹配的时间范围和不确定性。
如果模型在故障发生前五分钟预测出故障，虽然准确，但若零部件需要一周才能更换，则在运营上毫无价值。机器学习应与规则和可靠性方法进行比较，并在不同运行工况下进行测试。
实施与衡量
从关键资产类别、可信的失效模式、可用的提前期以及能够行动的责任人开始。将推荐结果整合到计划、工单和库存中；收集结果以便对规则或模型进行复审。
跟踪可用性、计划外停机、维护成本、进度合规、误报、漏报、安全暴露以及全寿命价值。避免在没有对照方法和记录假设的情况下声称已规避故障。
资产层级、失效行为与关键性
APM 项目首先建立资产层级，将站点、系统、设备、组件和可维护部件关联起来。每一级都需保持一致的标识、所有权、位置、规格和关系。缺少这一基础，传感器流、工单、检查结果和成本记录就无法可靠地描述同一物理资产。
失效模式说明资产如何停止满足其功能要求、故障产生的原因、最先出现的证据以及随之而来的后果。失效模式与影响分析（FMEA）、以可靠性为中心的维护（RCM）以及根因分析将维护从日历任务转变为风险导向的学科。分析应区分症状与因果机制。
关键性将概率与安全、环境、产量、质量、合规和成本等后果相结合。为非关键回路提供服务的冗余泵不应与单点失效的压缩机共享同等监测预算。关键性随运行环境变化而变化，团队应在工艺、资产或需求变动后重新评估排名。
状态监测、预测与维护决策
状态监测可采用振动、温度、压力、电流、声发射、润滑油分析、目视检查和操作员观察等手段。采样频率必须匹配失效的物理特性。高频轴承振动与缓慢腐蚀漂移需要不同的传感器、存储、特征和报警逻辑。校准和安装质量也是数据质量的一部分。
预测模型可以检测异常、分类已知故障、估算健康指标或预测剩余使用寿命。统计上异常的信号并不自动等同于可执行的故障。模型需要运行状态的上下文、不确定性、提前期评估，并在不同设备、季节、负荷和维护事件中进行验证。误报会消耗信任和人力，漏报则可能导致严重损失。
分析结果必须与决策相连：检查、润滑、降额、安排工作、订购零件或停机。决策阈值应考虑故障后果、干预提前期、人员容量、备件和生产窗口。经济上最优的阈值往往并非最大化通用模型指标的阈值。
APM 集成、价值衡量与治理
APM 将运营技术与企业系统（如计算机化维护管理系统、企业资产管理系统、历史数据库、库存和计划系统）相连接。集成时应保留时间戳、单位、资产标识、工单状态和来源信息。网络分段和受控网关至关重要，因为诊断便利性不能成为进入安全关键控制系统的通道。
通过规避停机、减少紧急维修、降低维护成本、提升备件可用性、提高能效、提升产量、降低安全风险以及延长资产寿命来衡量价值。规避的故障是对照情景，需要使用可信的基线、可比资产、记录的假设以及敏感性范围。若试点发现大量异常却未改变任何维护决策，则未展示商业价值。
治理为传感器、模型、报警规则、失效库和工作流程分配所有者。每次干预后审查报警，记录诊断是否正确，并将确认的结果反馈到规则和模型中。操作员和维护人员需要能够质疑推荐的渠道；本地知识是证据，而非对自动化的抵制。
案例分析: 保护关键旋转资产
针对一台生产压缩机，团队绘制组件和失效模式图，评估产量损失和安全后果，并将历史数据库标签、振动传感器、润滑油样本、检查记录和工单统一到同一资产标识下。基线数据必须覆盖启动、稳态负荷、降负荷以及季节性工况，否则模型可能将正常的运行切换误判为故障，或漏掉仅在特定负荷下可见的退化。
分析层检测振动频谱和轴承温度的变化，估算不确定性，并将证据与可比的历史事件并列展示。持续的报警会生成检查请求，而不是自动停机。维护人员记录发现、采取的措施、更换的部件以及确认的原因。这些结果决定是否需要调整阈值、失效模型或传感器安装方式。
评估警报提前期、确认检测率、误报负担、规避的停机时间、紧急维修、备件准备情况以及相对于记录基线的维护成本。还需计入传感器、集成、分析以及工作流程变更的费用。网络安全审查将监测与控制系统隔离，治理为数据和模型指定所有者。目标是实现更安全、更具经济性的维护决策，而非收集尽可能多的资产遥测数据。
实际实施清单
将概念转化为有界、可测试的工作流: 策略 → 感知 → 诊断 → 预测 → 计划工作 → 学习。指定一名负责的所有者，记录数据及其依赖关系，建立简易基线，设定接受和停止标准，测试具代表性的失效，并在扩大范围前定义监测、回滚和审查机制。记录版本和假设，以便其他团队能够复现结果并了解变更内容。
上线前，进行有文件记录的就绪审查，涉及构建、运营、保障以及受系统影响的人员。测试正常情况、边界条件、依赖失效和误用；保留证据和未解决的风险。明确谁可以批准发布、修改阈值、覆盖输出或停止运行。随着真实数据的到来重新审视决策，因为技术上成功的试点并不保证在更大规模下的可靠表现。
- CONTEXT: 关键性、失效模式和后果。
- EVIDENCE: 状态、历史和工程限制。
- ACTION: 检查、维护、重新设计或更换。
常见问题
APM 与 CMMS 有何不同？
CMMS 主要管理维护工作、计划和记录。APM 在此基础上加入资产策略、可靠性与状态分析、优先级排序以及绩效决策；两者常常实现集成。
APM 是否必须使用预测性维护？
不必。预防性、基于状态、失效后维修、重新设计和更换等策略都可能适用。预测只是资产策略中的一种工具。
主要参考文献
