6月20日，两山在“2025上海固废热点论坛”上，智联智E20环境平台高级合伙人、®设设备升级易新智维总经理、备智博士、维预维护教授级高工曹斌以两山智联®设备智能运维为例，测性阐述了人工智能在设备管理细分场景中的推动应用。两山智联®设备智能运维作为智能产品，管理实现了“工业知识+通用智能”的两山跨界创新。

曹斌

运营为王——设备智能运维正在重新定义运维边界

随着生态文明建设步入深水期，智联智无论从政策导向还是®设设备升级行业内在需求审视，固废领域已从聚焦“达标合规”的备智发展阶段，进阶至追求绿色化、维预维护智能化、测性精细化、推动低碳化的更高阶段。这一时代有两大核心关切：一是效率议题，也是“双百跨越”垃圾焚烧标杆行动持续探讨的焦点；二是降本增效诉求，驱动固废行业迎来发展拐点。

透过“双百跨越”垃圾焚烧标杆比选行动中智能化标杆厂的实践，可清晰洞察行业智能化发展轨迹。过去10-20年，企业智能化建设重心主要集中于两大方向：一是工艺调控升级，通过技术优化实现垃圾从“能焚烧”到“焚烧好”的跨越；二是安全防控体系构建，这既是应对邻避效应的必要举措，也是满足排放高标准的核心需求。

固废行业已进入运营为王的时代，设备管理、经营管理、运行管理、垃圾管理、风险管理，这五大要素缺一不可。此时，人工智能提供了极佳技术路径，而设备实则成为环境设施运行管理里的关键命题。在“设备即生产力”的当下，智能设备运维正重新定义运维边界。

传统设备智能运维困局

过去五年间，曹斌走访了众多垃圾焚烧发电厂，并与一线人员深入交流，发现传统设备普遍存在以下困境：

第一，“用不好”。

其一，设备维护过度依赖外部。传统模式下，企业仅关注设备 “能否运转”，而忽视运行效率；部分设备长期低效运行，更有企业将维护完全外包，导致自身对设备状态及智能化管理的把控能力薄弱。

其二，数据无效性问题凸显。在不少项目中，设备仅具备启停两种信号反馈。当监控大屏红灯亮起，意味着设备已停机；而想要获取更多运行参数时，却因设备本身功能局限而无法实现。即便设备具备数据传输能力，将信息实时传入DCS系统，这些数据也往往未能得到有效处理与利用，沦为无效数据堆砌。

第二，“管不了”。

垃圾焚烧电厂内设备种类繁杂，涉及多领域专业知识。在电厂中，带轴承的旋转类设备应用广泛，设备种类可达成百上千种。然而，编制内专业管理人员数量有限，仅凭寥寥数人，如何能有效管理如此庞大的设备体系？

由于缺乏专业管理工具，管理人员只能依靠双腿穿梭现场，凭借个人经验，通过眼看、手摸等传统方式巡检设备。但仅凭这种原始的谷歌浏览器官方下载管理手段，管理深度与广度都极为有限，难以满足现代化电厂设备管理需求 。

第三，“算不清”。

用智能化手段开展设备运维价值核算时，核心痛点在于降本幅度难以精准量化，无法清晰界定单台设备检维修成本，导致维修成本追踪难以形成闭环管控，制约运维价值的精准评估与优化。

第四，“人员少”。

当下，环境基础设施领域对人才的吸引力不足，许多专业人才对行业的认知与认同感较低。年轻群体（尤其是高学历、高水平人才）的行业留存率堪忧，与此同时，经验丰富的老师傅陆续退休，进一步加剧了行业人才的结构性短缺问题。

以上四个方面的问题，都是导致设备管理水平难以进一步提高的重要要素。

根据智能运维分级与应用模型标准，环境领域智能运维水平处于S1-S2阶段。这一阶段的典型特征是：可实现单机设备的本地在线监测，但功能局限于数据采集与状态显示。若要进一步对监测数据进行深度分析，进而完成故障诊断与运维决策，目前环境行业尚未达成该目标。

破局之道：从“划勾打卡”到“设备AI运维专家”

面对上述困境，两山智联®设备智能运维以技术创新开启破局之路。

两山智联®设备智能运维不止于设备监测，能够提供从传感器硬件到云端模型平台及设备健康体检的“全栈式”服务，打通从数据采集到设备运维服务的完整价值链。

推动从“点检定修”到“智能运维”的质变是两山智联®设备智能运维的目标。

两山智联®设备智能运维产品有三个核心特征：第一，全面、实时、深度感知关键设备的运营状态；第二，远程对设备故障进行深度、专业故障诊断；第三，基于智能分析提出科学、合理的检维修方案。

切实达成智能运维应具备的上述三大基本特征，两山智联®设备智能运维产品有五大核心技术： 

第一，智能传感器实现对设备运行状态的全面、实时、高频的数据采集。传感器分为无线与有线两类：地上设备普遍适用无线温振传感器，可同步采集温度与振动信号；配套的采集站负责汇聚传感器数据，经云端传输后，通过算法模型对振动数据进行深度分析。

第二，AIoT平台建立设备“数字孪生体”，定义维护策略和设备属性。两山智联云设备智能运维平台除具备常规设备管理功能外，特别搭载故障管理与知识库两大模块。其中沉淀了海量故障库数据、设备运行经验数据及专家经验数据，构成平台核心价值；其余模块则作为配套功能，支撑数据驱动的分析决策闭环落地。

第三，利用复杂的AI算法、设备故障机理模型、知识图谱等技术，对实时数据进行深度分析。传统设备检维修多采用事后维修或者预防性维护模式，设备智能运维基于精准数据采集，模型会基于300+智能模型、30000+设备故障库数据、专家经验与历史经验，自主完成设备健康分级评价、故障诊断、根因分析、预警推送及检维修决策工作。 12