人工智能浪潮下，设备智能运维为环保行业带来深刻变革

在环保产业规模持续壮大 ， 加速向绿色化、数智化转型的当下，设备运维的革新成为行业迈向高质量发展的关键一环。 8月28日， E20环境平台高级合伙人、博士、教授级高工 曹斌在 “2025上海水业热点论坛”上介绍了两山智联设备智能运维——卓越可信赖的设备智能管家。

 

曹斌

厂网一体不是 “厂站+管网”的简单叠加，而是“管网收集-厂站处理-尾水排放”的动态协同系统。 其中，设备在中间扮演着非常重要的角色，它是保证管网高效稳定运行的重要前提和基础。

而设备智能运维是厂网协同的 “必选项”。首先，“厂网一体、数智引领”的行业导向，要求设备运维从“单点保障”转向“系统协同保障”。其次，国家政策性资金倾向 “智慧化改造项目”，传统运维模式难以获得政策支持。

曹斌指出， 在厂网一体运营管理中，当下正面临着效率、成本、风险三大突出痛点。

效率层面， “人海战术”愈发难以为继。管网设备分布范围广达公里级，厂站设备又十分密集，有数百台套之多，水下设备故障更是不易察觉。人工巡检覆盖范围有限，致使故障发现平均要滞后12小时以上，严重影响设备的及时维护与正常运转。

成本方面， “被动维修”导致成本失控。管网泵机若突发故障，会造成厂站停机，单次抢修就得耗费高额成本；而且厂站曝气系统长期低效运行，传统运维方式难以察觉这一问题，每年由此产生的能耗浪费超过20%，给企业带来不小的经济负担。

风险上，存在 “系统失稳”连锁传导的隐患。厂网一体运营要求设备运维能匹配“流量-水质-负荷”的实时波动，像雨季管网溢流时，厂站就需要快速调整设备参数。但传统的“事后维修”模式，根本无法支撑系统实现动态平衡，难以满足污水提质增效对长效运维的需求。

为什么会出现以上痛点？这与传统的设备运维模式有关。

传统设备运维模式依赖人工经验开展巡检，即便经验丰富的老师傅，往往要到故障 已经 十分严重时，才能凭借经验察觉 设备哪里出了 问题。以往，我们用于发现故障的技术手段，多为测量温度、聆听声音等，但这类手段能检测出的设备故障类型极为有限。例如，仅通过测温度，通常只能发现轴承方面的故障，可若采用测振动的方式，就能检测出更多不同类型的设备故障。随着技术，特别是人工智能技术的不断发展，设备管理模式也 正 随之发生转变。

工 业互联网相关技术，推动设备维护模式从事后维修，逐步向预防性维修、预测性维护演进。

预防性维护的核心机理源于磨损学，这一理念早在 20世纪50年代就由苏联提出，如今在行业内仍被广泛应用。其原理是依据设备中轴承的旋转磨损程度，来判定检修时间。然而，在推进设备精细化管理的当下，这种模式容易引发设备“欠修”或“过修”的问题——不管设备实际状况如何，只要到了预设时间点，就必须进行检修。

预测性维护则不同，它借助特定方法，能够预判设备未来可能出现的故障类型，进而提前将故障隐患消除，防患于未然。 它是一种 更加高效 的设备维护模式，通过多元数据的综合分析， 涵盖 数据采集、状态分析、状态预测、故障诊断和维修决策 ，实现设备状态的全方位判断。

因此， 人工智能，正在为设备管理带来一场深刻变革 ，推动设备管理方式从 “点检定修”向“智能运维”加速转型。

然而，要想推动设备运维方式变革，必须先 解决以下问题。

第一， 解决数据精度：它决定了预测的能力 。 预测性维护是设备智能运维的核心技术，其核心价值在于预测能力，而数据精度是预测能力的基础 ——缺乏足够精度的数据，预测结果难以令人信服，因此首要需保障预测能力。过去传统的手持温振传感器，难以发现设备早期故障，根本谈不上预测；若仅能发现中晚期故障，也只能确认 “即将发生故障”，同样无法实现真正的预测。

第二， 解决数采能力：多元场景的数据采集 。 首先需实现数据 的 有效采集，以行业典型的水下设备为例：传统人工点检定修模式下，水下设备状态难以直接观察，仅能通过 “运行”或“停机”这类单一信号判断状态。因此，针对水下设备这类特殊场景，必须确保数据能保质保量采集，这是亟待解决的关键问题。

第三， 解决精准报警：多维融合自适应预警。 预测故障与设备劣化趋势，离不开精准的报警支撑。传统报警多基于人工经验或标准设定固定阈值，仅在数据高于或低于阈值时触发，局限性明显。而借助算法加持，可依据设备运行的不同历史阶段，自适应调整报警状态，从而提升设备管理中报警的有效性与效率。

第四，解决精确诊断：智能故障预测与问诊。 这也是设备管理中大家最关心的核心问题 ——需精准判断设备故障的具体位置，以及引发故障的原因 。 其实现逻辑，本质是依托磨损学机理模型、专家诊断数理模型，结合不断积累的设备运维知识，逐步构建并完善诊断模型，最终达成精确诊断的目标。

第五，解决精细决策：专家把脉，让设备运维更高效。 核心是明确 “是否维修、如何维修”——具体是保养、小修还是大修，维修部位在哪，需准备哪些备品备件，这些信息需精准同步给厂侧检维修负责人，甚至集团运营侧人员。要实现这一目标，需依托“算法引擎智能报警、设备远程运维中心、专家诊断、案例实验室”四合一模式，以此保障决策优化，确保给出的运维建议准确、到位。

两山智联设备智能运维可以 通过 “技术+服务+咨询”一站式服务 助力客户实现设备智能运维。

技术层面， 依托 “硬件+平台系统+算法”的组合，涵盖智能采集技术、数据平台建设、智能模型与应用，以及售后服务体系与培训等，为设备智能运维筑牢技术根基。

服务上， 提供 365天×24小时的看护服务，定期开展月度体检，及时推送设备状态，出具诊断报告，并在检修后进行评估，全时段守护设备稳定运行。

咨询领域 ， 聚焦顶层规划与体系建设，包括智能运维顶层规划、流程制度创新以及智能运维人才培养，从规划、制度到人才，全方位为设备智能运维提供支持。

具体如何实现？ 我们配备了具备全球一流数据采集能力的智能温振传感器。传统振动传感器频响范围仅  1~2000Hz，仅能用于判断设备功能是否丧失（通常用于安保跳停），无法实现状态预警与故障判断；而智能温振传感器频响范围达0.75~20000Hz，频率覆盖足够捕捉保持架、早中期轴承及齿轮等故障信号，且具备波形分析能力。 这是实现设备预测劣化分析和故障诊断的一个重要前提和基础。

依托智能温振传感器，我们形成了两大专属方案。    

其一为水上设备无线专属方案： 传感器通过磁吸或胶粘方式安装，通常部署在电机与泵的轴承驱动端、自由端，具体位置可根据设备功率灵活调整，安装与拆卸十分便捷。传感器采集的温振数据，经采集站汇总后上传至云端，再通过模型进行诊断分析。

其二 为 水下设备专属方案 ： 水下设备采用有线传感器，核心原因在于其运行工况更恶劣复杂。为提升水下数据采集准确性、保障数据质量，一方面采用高抗干扰、可实现长距离数据输送的电路技术，同时通过激光焊接密封、军用级连接器及 316不锈钢壳体，强化设备抗腐蚀能力；另一方面，借助温振信号采集，结合专利长波波形技术，实现设备故障的早期预警与诊断。  

在软件领域， 已积累矿山、火电、风电、石化等行业丰富的转动类设备运维数据。我们将这些行业形成的知识体系与模型体系，在环保行业开展降维应用，目前已拥有 300 + 种设备智能诊断模型及 3万 + 个故障案例库，这是诊断工作的核心。其中涵盖机理模型（含 5 大 类设备故障模型）、基于大数据的 预测 模型，以及 自适应 调整的 4级报警功能。

每个案例 样本 的形成过程都十分复杂。 首先进行 设备频谱诊断分析，当检测出 劣化问题或 故障后，会先让现场确认；现场确认完毕后开展检维修工作，随后对检维修结果进行评估；评估完成后，进一步验证分析故障机理；最后，将分析结论与整个检维修过程的数据重新导入模型，才算形成一个完整的故障案例。这类数据获取难度极大 ， 每个案例形成闭环后，还会进行登记，而登记过程本身也是对模型的又一次训练。

两山智联云设备智能运维平台 包含信息导览驾驶舱、智能诊断分析工作台、数字化分析统计、运维业务工作台四大模块。 这些模块可根据实际需求灵活配置，其中智能诊断分析工作台为必选模块 ——诊断标准库、故障案例库、设备分类库等核心 数据 资源均集成于此，可供直接使用。

平台具有信息导航、报警处理、故障处理、体检管理、算法模型等核心功能。 其中算法模型开发支持基于自身场景编辑新算法，例如环保行业水下泵被异物堵塞缠绕这类其他行业少见的场景。 智能报警满足不同时期的快速决策需求，让决策可靠、可控。

两山智联易新智维的全栈式运维服务模式 已经是 成熟插件，包含两种形式：一是专家 “云”看病模式（订阅式服务），无需购买硬件、软件、模型及算法，以服务费形式合作；二是本地构建“设备医院”模式（咨询服务+落地） 。

业务服务模式分为两部分。其中，基础服务包括报警处理与故障诊断、设备状态推送、故障诊断报告、设备月度检查报告、检维修优化策略反馈。增值服务包含现场专家诊断、设备状态评估、检修效果评价、诊断专家咨询、系统应用价值分析报告、故障诊断人才培养。

在应用价值上，可为管理决策与标准优化提供科学数据支撑，实现精准检修、降低运维成本。借助设备故障位置与成因的精准定位，无需拆解设备排查故障，可减少 20% 的检修用时。

曹斌 为大家 介绍了 两山智联易新智维 已经应用过的 三个案例。

第一个案例是佛山某自来水公司 5 #高压水泵故障定位 。 佛山某自来水厂 5号高压水泵，现场反馈设备运行声音异常。但水厂跟踪观察 了 一段时间，并邀请设备厂家检查后，均未发现问题。对此，我们开展了离线检测。

图中红色圈圈处为传感器安装位置，因是离线检测，安装数量相对较多。经过 24小时数据采集，我们对设备的波形、频谱及包络进行分析，最终发现三个问题：一是电机自由端存在磨损故障（该设备为新设备）；二是水泵本体存在问题；三是设备整体支架刚度存在问题。据此，我们找到了故障异响的根源。

 

佛山某自来水公司 5 #高压水泵故障定位

第二个案例是合肥某污水处理厂故障定位。 诊断报告里不仅有诊断结论，还包括下一步的检维护建议。

 

合肥某污水处理厂故障诊断结论

第三个案例是北京某再生水厂设备预测性维护应用 。 作为全地埋式应用 膜生物反应器（ MBR）技术 的 再生水厂， 同时也是北京市重点工程，已 接入设备 16台，包括提升泵、产水泵、污泥回流泵、外 排 水泵等设备。 在部署设备智能运维系统后，该项目正申报住建部的智慧水厂奖项。

 

北京某再生水厂设备预测性维护应用

最后，曹斌指出， 在厂网协同运维领域，未来五年将迎来两大关键发展方向。一方面，从 “设备智能”迈向“系统智能”，厂网设备运维会融入“数字孪生厂网”体系，从而实现“管网-厂站-河道”全系统的设备协同调控。另一方面，从“效率提升”转向“碳效优化”，智能运维将联动管网泵机耗电、厂站曝气动能等能耗数据，通过优化设备工况，降低单位水耗的碳排放。

因此，谁先突破 “厂网设备协同运维能力” ， 谁就能在 “按效付费”机制中占据主动权。