用友BIP：AI+数据设备资产管理数智化方法论|bip|数据设备|用友|资产管理

企业资产管理的核心是企业资产与设备使用过程的维护、维修治理，目标是使用效率的最大化，以提高企业效益及投资回报率。

但对于大多数企业来说，特别是资产密集型企业，在资产管理过程中仍面临坏了才修、成本失控、追溯困难、统计耗时、数据不准等现状，导致管理者无法对企业资产管理中存在的问题进行有效识别，并通过历史经验对业务和管理进行改进，一定程度上影响了企业实现高质量发展。

另外，由于对设备的维修、故障、保养等标准及知识缺少有效的沉淀和共享途径，设备本身的历史数据分散等，导致真正的故障原因往往缺乏快速、标准化的诊断手段。

“管理不清、故障不明”的两个关键问题

导致“管理不清、故障不明”的关键，在于资产和设备缺乏规范化、标准化、智能化的管理方式。这其中存在两个关键问题：

其一，如何透过如云般的数据碎片，实现资产数据全景化、立体化、决策化的呈现；其二，如何穿透资产故障表象，运用智能手段自动分析故障真因。这两个问题广泛存在于制造业（流程、离散、装备制造）、国资国企、交通运输、公用事业、能源、钢铁冶金、化工与造纸等事关国计民生的众多行业。更好的化解这两个难题将有助于以上这些行业进一步提高资产管理水平、创造更大经济效益。

而要解决这两个问题，离不开与新兴技术的融合。首先，基于IoT、物联网、大数据等技术，实现设备的智能感知，让设备会说话；进而通过可视化的平台衔接智能化感知的数据，运用AI技术进行智能化建模分析，针对资产的运营情况、故障等进行洞察和预警，从而帮助企业更好地执行预测性维护，提高资产可靠性。

用友BIP资产云的资产画像和AI智能诊断故障服务，基于数据自动分析和AI智能算法，将资产数据全景化、一栈式的清晰展现，并能够基于历史数据和专家经验实现对故障的AI智能诊断。

从局部到全景

资产画像提供一站式清晰展现

简而言之，“资产画像”即全面展示资产分布及运营状况数据的可视化平台，为企业提供资产管理业务的多维度数据展示和全面业务场景。

资产面貌一站式总览：资产画像工作台提供全景展现大中型企业的资产面貌总览能力。通过可视化的图形数据，帮助资产管理人力通过指标设定及评分，客观综合的评估企业资产健康状况，统计和关注重点资产数量和运营情况等。

资产状态自动排名：企业还可以按照资产完好率、MTTR平均修复时间、MTBF平均无故障时间对总体资产进行分类排名，或按照资产类别分类展示多种评价指标，如开动率、利用率、停机率等。评价维度、指标占比权重可以实现自定义，穿透跳转到资产卡片。

资产数据智能抽取穿透：资产画像工作台还可以对具体资产的重要数据进行全景展现，智能抽取资产信息数据进行展示，并可以根据不同种类资产个性化配置；利用时间轴展现资产履历关键信息，展示资产从采购、建卡到报废、处置的全生命周期过程中发生的关键事项。

从现象到真因

AI算法助力资产故障智能诊断

针对资产的故障诊断分析，发现问题和找到问题的真因是两个层面，发现问题易，而找到故障的真正原因，进而解决故障却不容易，这一问题随着大数据和AI智能技术的发展得到了很好的解决。

资产健康状况自动评估：企业可以对单个资产进行评价打分，显示评价等级；利用雷达图生动显示各评价指标得分情况，以及与同类资产综合比较；并可以显示该设备近3个月、6个月、1年、2年内故障情况，和测点指标超限情况，为AI智能诊断资产故障提供基础数据支撑。

资产问题、故障智能分析：针对资产的AI智能分析包括问题分析和故障分析两个阶段。首先，问题分析将资产健康评价后得分较低、或存在的问题进行自动判断并给出管理建议，便于相关人员进行跟踪和处理，提高决策水平；进而，故障分析能够对通过点巡检、运行监控等途径发现的资产故障进行分析和诊断。

用友BIP资产云的故障树和故障工作台功能够帮助企业建立强大的故障数据库，包含了故障现象、原因分析、处理措施等历史数据。通过AI智能算法将新发现的故障与历史数据自动比对，从而对故障原因进行智能自动判断，对于可能的故障原因进行由高到低的概率排名，通过对专家意见进行权重分配并且按照大数据曲线自动调整权重，既能充分利用智能算法和历史数据实现AI智能诊断，也能充分考虑专家经验的人工因素。