6月20日，在“2025上海固廢熱點(diǎn)論壇”上，E20環(huán)境平臺(tái)高級(jí)合伙人、易新智維總經(jīng)理、博士、教授級(jí)高工曹斌以?xún)缮街锹?lián)?設(shè)備智能運(yùn)維為例，闡述了人工智能在設(shè)備管理細(xì)分場(chǎng)景中的應(yīng)用。兩山智聯(lián)?設(shè)備智能運(yùn)維作為智能產(chǎn)品，實(shí)現(xiàn)了“工業(yè)知識(shí)+通用智能”的跨界創(chuàng)新。

曹斌

運(yùn)營(yíng)為王——設(shè)備智能運(yùn)維正在重新定義運(yùn)維邊界

隨著生態(tài)文明建設(shè)步入深水期，無(wú)論從政策導(dǎo)向還是行業(yè)內(nèi)在需求審視，固廢領(lǐng)域已從聚焦“達(dá)標(biāo)合規(guī)”的發(fā)展階段，進(jìn)階至追求綠色化、智能化、精細(xì)化、低碳化的更高階段。這一時(shí)代有兩大核心關(guān)切：一是效率議題，也是“雙百跨越”垃圾焚燒標(biāo)桿行動(dòng)持續(xù)探討的焦點(diǎn)；二是降本增效訴求，驅(qū)動(dòng)固廢行業(yè)迎來(lái)發(fā)展拐點(diǎn)。

透過(guò)“雙百跨越”垃圾焚燒標(biāo)桿比選行動(dòng)中智能化標(biāo)桿廠的實(shí)踐，可清晰洞察行業(yè)智能化發(fā)展軌跡。過(guò)去10-20年，企業(yè)智能化建設(shè)重心主要集中于兩大方向：一是工藝調(diào)控升級(jí)，通過(guò)技術(shù)優(yōu)化實(shí)現(xiàn)垃圾從“能焚燒”到“焚燒好”的跨越；二是安全防控體系構(gòu)建，這既是應(yīng)對(duì)鄰避效應(yīng)的必要舉措，也是滿(mǎn)足排放高標(biāo)準(zhǔn)的核心需求。

固廢行業(yè)已進(jìn)入運(yùn)營(yíng)為王的時(shí)代，設(shè)備管理、經(jīng)營(yíng)管理、運(yùn)行管理、垃圾管理、風(fēng)險(xiǎn)管理，這五大要素缺一不可。此時(shí)，人工智能提供了極佳技術(shù)路徑，而設(shè)備實(shí)則成為環(huán)境設(shè)施運(yùn)行管理里的關(guān)鍵命題。在“設(shè)備即生產(chǎn)力”的當(dāng)下，智能設(shè)備運(yùn)維正重新定義運(yùn)維邊界。

傳統(tǒng)設(shè)備智能運(yùn)維困局

過(guò)去五年間，曹斌走訪(fǎng)了眾多垃圾焚燒發(fā)電廠，并與一線(xiàn)人員深入交流，發(fā)現(xiàn)傳統(tǒng)設(shè)備普遍存在以下困境：

第一，“用不好”。

其一，設(shè)備維護(hù)過(guò)度依賴(lài)外部。傳統(tǒng)模式下，企業(yè)僅關(guān)注設(shè)備 “能否運(yùn)轉(zhuǎn)”，而忽視運(yùn)行效率；部分設(shè)備長(zhǎng)期低效運(yùn)行，更有企業(yè)將維護(hù)完全外包，導(dǎo)致自身對(duì)設(shè)備狀態(tài)及智能化管理的把控能力薄弱。

其二，數(shù)據(jù)無(wú)效性問(wèn)題凸顯。在不少項(xiàng)目中，設(shè)備僅具備啟停兩種信號(hào)反饋。當(dāng)監(jiān)控大屏紅燈亮起，意味著設(shè)備已停機(jī)；而想要獲取更多運(yùn)行參數(shù)時(shí)，卻因設(shè)備本身功能局限而無(wú)法實(shí)現(xiàn)。即便設(shè)備具備數(shù)據(jù)傳輸能力，將信息實(shí)時(shí)傳入DCS系統(tǒng)，這些數(shù)據(jù)也往往未能得到有效處理與利用，淪為無(wú)效數(shù)據(jù)堆砌。

第二，“管不了”。

垃圾焚燒電廠內(nèi)設(shè)備種類(lèi)繁雜，涉及多領(lǐng)域?qū)I(yè)知識(shí)。在電廠中，帶軸承的旋轉(zhuǎn)類(lèi)設(shè)備應(yīng)用廣泛，設(shè)備種類(lèi)可達(dá)成百上千種。然而，編制內(nèi)專(zhuān)業(yè)管理人員數(shù)量有限，僅憑寥寥數(shù)人，如何能有效管理如此龐大的設(shè)備體系？

由于缺乏專(zhuān)業(yè)管理工具，管理人員只能依靠雙腿穿梭現(xiàn)場(chǎng)，憑借個(gè)人經(jīng)驗(yàn)，通過(guò)眼看、手摸等傳統(tǒng)方式巡檢設(shè)備。但僅憑這種原始的管理手段，管理深度與廣度都極為有限，難以滿(mǎn)足現(xiàn)代化電廠設(shè)備管理需求 。

第三，“算不清”。

用智能化手段開(kāi)展設(shè)備運(yùn)維價(jià)值核算時(shí)，核心痛點(diǎn)在于降本幅度難以精準(zhǔn)量化，無(wú)法清晰界定單臺(tái)設(shè)備檢維修成本，導(dǎo)致維修成本追蹤難以形成閉環(huán)管控，制約運(yùn)維價(jià)值的精準(zhǔn)評(píng)估與優(yōu)化。

第四，“人員少”。

當(dāng)下，環(huán)境基礎(chǔ)設(shè)施領(lǐng)域?qū)θ瞬诺奈Σ蛔悖S多專(zhuān)業(yè)人才對(duì)行業(yè)的認(rèn)知與認(rèn)同感較低。年輕群體（尤其是高學(xué)歷、高水平人才）的行業(yè)留存率堪憂(yōu)，與此同時(shí)，經(jīng)驗(yàn)豐富的老師傅陸續(xù)退休，進(jìn)一步加劇了行業(yè)人才的結(jié)構(gòu)性短缺問(wèn)題。

以上四個(gè)方面的問(wèn)題，都是導(dǎo)致設(shè)備管理水平難以進(jìn)一步提高的重要要素。

根據(jù)智能運(yùn)維分級(jí)與應(yīng)用模型標(biāo)準(zhǔn)，環(huán)境領(lǐng)域智能運(yùn)維水平處于S1-S2階段。這一階段的典型特征是：可實(shí)現(xiàn)單機(jī)設(shè)備的本地在線(xiàn)監(jiān)測(cè)，但功能局限于數(shù)據(jù)采集與狀態(tài)顯示。若要進(jìn)一步對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行深度分析，進(jìn)而完成故障診斷與運(yùn)維決策，目前環(huán)境行業(yè)尚未達(dá)成該目標(biāo)。

破局之道：從“劃勾打卡”到“設(shè)備AI運(yùn)維專(zhuān)家”

面對(duì)上述困境，兩山智聯(lián)?設(shè)備智能運(yùn)維以技術(shù)創(chuàng)新開(kāi)啟破局之路。

兩山智聯(lián)?設(shè)備智能運(yùn)維不止于設(shè)備監(jiān)測(cè)，能夠提供從傳感器硬件到云端模型平臺(tái)及設(shè)備健康體檢的“全棧式”服務(wù)，打通從數(shù)據(jù)采集到設(shè)備運(yùn)維服務(wù)的完整價(jià)值鏈。

推動(dòng)從“點(diǎn)檢定修”到“智能運(yùn)維”的質(zhì)變是兩山智聯(lián)?設(shè)備智能運(yùn)維的目標(biāo)。

兩山智聯(lián)?設(shè)備智能運(yùn)維產(chǎn)品有三個(gè)核心特征：第一，全面、實(shí)時(shí)、深度感知關(guān)鍵設(shè)備的運(yùn)營(yíng)狀態(tài)；第二，遠(yuǎn)程對(duì)設(shè)備故障進(jìn)行深度、專(zhuān)業(yè)故障診斷；第三，基于智能分析提出科學(xué)、合理的檢維修方案。

切實(shí)達(dá)成智能運(yùn)維應(yīng)具備的上述三大基本特征，兩山智聯(lián)?設(shè)備智能運(yùn)維產(chǎn)品有五大核心技術(shù)： 

第一，智能傳感器實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行狀態(tài)的全面、實(shí)時(shí)、高頻的數(shù)據(jù)采集。傳感器分為無(wú)線(xiàn)與有線(xiàn)兩類(lèi)：地上設(shè)備普遍適用無(wú)線(xiàn)溫振傳感器，可同步采集溫度與振動(dòng)信號(hào)；配套的采集站負(fù)責(zé)匯聚傳感器數(shù)據(jù)，經(jīng)云端傳輸后，通過(guò)算法模型對(duì)振動(dòng)數(shù)據(jù)進(jìn)行深度分析。

第二，AIoT平臺(tái)建立設(shè)備“數(shù)字孿生體”，定義維護(hù)策略和設(shè)備屬性。兩山智聯(lián)云設(shè)備智能運(yùn)維平臺(tái)除具備常規(guī)設(shè)備管理功能外，特別搭載故障管理與知識(shí)庫(kù)兩大模塊。其中沉淀了海量故障庫(kù)數(shù)據(jù)、設(shè)備運(yùn)行經(jīng)驗(yàn)數(shù)據(jù)及專(zhuān)家經(jīng)驗(yàn)數(shù)據(jù)，構(gòu)成平臺(tái)核心價(jià)值；其余模塊則作為配套功能，支撐數(shù)據(jù)驅(qū)動(dòng)的分析決策閉環(huán)落地。

第三，利用復(fù)雜的AI算法、設(shè)備故障機(jī)理模型、知識(shí)圖譜等技術(shù)，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行深度分析。傳統(tǒng)設(shè)備檢維修多采用事后維修或者預(yù)防性維護(hù)模式，設(shè)備智能運(yùn)維基于精準(zhǔn)數(shù)據(jù)采集，模型會(huì)基于300+智能模型、30000+設(shè)備故障庫(kù)數(shù)據(jù)、專(zhuān)家經(jīng)驗(yàn)與歷史經(jīng)驗(yàn)，自主完成設(shè)備健康分級(jí)評(píng)價(jià)、故障診斷、根因分析、預(yù)警推送及檢維修決策工作。

編輯：徐冰冰