太原科技大学教授张晓红指出，冶金设备维护策略正从预测性维护（PdM）迈向自主健康管理（AHM）。她将演化路径归纳为RCM、TBM、CBM、PdM、AHM五个阶段，强调每次变迁均基于感知技术、数据能力和算法模型的进步。她提出设计可靠性与运维可靠性存在上限约束、保持恢复等四层辩证关系，并认为AI通过多模态感知、知识工程、自主决策智能体等技术重塑运维范式，推动实现自感知、自诊断、自决策的闭环自主运维。

“设备维护策略正沿着‘事后—定期—状态—预测—自主’的路径持续进阶，从预测性维护（PdM）走向自主健康管理（AHM）是必然趋势。”9月18日，在江苏南京举办的中国钢铁工业协会冶金设备分会2026年冶金设备智能运维专业年会上，太原科技大学教授、工业与系统工程研究所所长张晓红围绕冶金设备智能运维的演化与进阶作报告，系统阐述了设备维护策略的5级演化路径及团队在冶金设备智能运维方面的研究成果。

冶金设备维护策略5个演化阶段

张晓红将设备维护策略的演化归纳为5个阶段：RCM（以可靠性为中心的维修）以FMEA（故障模式与影响分析）为基础，按设备重要度和故障后果分级制订差异化维修策略；TBM（基于时间的预防性维护）按固定时间周期或运行工时进行预防性检修；CBM（基于状态的维护）通过传感器实时监测状态参数，超阈值触发维护；PdM（预测性维护）利用机器学习和退化趋势预测剩余寿命，在故障前主动安排维修；AHM（自主健康管理）融合数字孪生、大模型和智能体技术，实现自感知、自诊断、自预测、自决策、自执行的闭环自主运维。

张晓红表示，5种维护策略在决策依据、触发条件、核心技术、数据需求、成本特征上各有差异，适用于不同场景。“每一次变迁都以感知技术、数据能力和算法模型的进步为基础。”

设计可靠性与运维可靠性辩证统一

张晓红提出，设备全生命周期涵盖规划设计、采购制造、安装调试、使用维护、改造升级、报废处置6个阶段，各阶段环环相扣、相互影响。

“设备固有可靠性由设计阶段决定，制造和安装阶段保障可靠性的实现，使用维护阶段决定可靠性的保持与恢复，改造升级实现可靠性增长，报废阶段的经验反馈指导下一代设计。”张晓红强调，运维的价值在于遵循固有可靠性约束，最大限度提高设备实际可靠性。

她进一步阐述了设计可靠性与运维可靠性的4层辩证关系：一是上限约束关系，运维可靠性不能突破设备设计的固有可靠性上限；二是保持恢复关系，科学运维可减缓可靠性衰减速率，使实际可靠性持续接近设计水平；三是反馈改进关系，运维阶段积累的故障数据、失效模式、维修记录是设计改进的宝贵输入；四是维修性耦合关系，设计阶段的维修性设计直接影响运维效率和成本。

她提出，在运维过程中设备适用性保障需遵循“感知—诊断—预测—决策—执行”5层闭环机制，形成闭环管理和持续改进。

AI正在重塑设备运维技术范式

张晓红认为，从专用小模型到通用大模型，AI（人工智能）正在重塑设备运维的技术范式，推动从预测性维护向自主健康管理演进。

张晓红认为AI运维新范式具有五大核心能力：多模态感知融合——融合振动、温度、油液、声学、电流、红外热像等多模态传感数据，大模型统一编码不同模态特征，实现跨模态信息互补；运维知识工程——构建冶金设备运维领域知识图谱，沉淀专家经验和故障案例，大模型加RAG（检索增强生成）实现运维知识智能问答和决策辅助；自主决策智能体——基于大模型的运维Agent（智能体），具备感知—推理—决策—执行闭环能力，自主分析设备状态，生成维修建议和工单；数字孪生加AI——大模型驱动数字孪生模型自动构建和参数校准，AI增强的仿真推演快速评估不同工况和维修方案的影响；边缘—云协同——边缘端部署轻量化小模型实现实时监测和快速响应，云端运行大模型进行复杂推理、全局优化和知识更新。

“设备维护策略经历了从RCM/TBM/CBM到PdM/AHM的持续演进，每一次变迁都以感知技术、数据能力和算法模型的进步为基础。设备全生命周期管理中，设计可靠性是基础，运维可靠性是保障，两者辩证统一、相互促