企業(yè)資產(chǎn)管理的核心是企業(yè)資產(chǎn)與設(shè)備使用過程的維護(hù)、維修治理，目標(biāo)是使用效率的最大化，以提高企業(yè)效益及投資回報(bào)率。

但對(duì)于大多數(shù)企業(yè)來說，特別是資產(chǎn)密集型企業(yè)，在資產(chǎn)管理過程中仍面臨壞了才修、成本失控、追溯困難、統(tǒng)計(jì)耗時(shí)、數(shù)據(jù)不準(zhǔn)等現(xiàn)狀，導(dǎo)致管理者無法對(duì)企業(yè)資產(chǎn)管理中存在的問題進(jìn)行有效識(shí)別，并通過歷史經(jīng)驗(yàn)對(duì)業(yè)務(wù)和管理進(jìn)行改進(jìn)，一定程度上影響了企業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展。

另外，由于對(duì)設(shè)備的維修、故障、保養(yǎng)等標(biāo)準(zhǔn)及知識(shí)缺少有效的沉淀和共享途徑，設(shè)備本身的歷史數(shù)據(jù)分散等，導(dǎo)致真正的故障原因往往缺乏快速、標(biāo)準(zhǔn)化的診斷手段。

“管理不清、故障不明”的兩個(gè)關(guān)鍵問題

導(dǎo)致“管理不清、故障不明”的關(guān)鍵，在于資產(chǎn)和設(shè)備缺乏規(guī)范化、標(biāo)準(zhǔn)化、智能化的管理方式。這其中存在兩個(gè)關(guān)鍵問題：

其一，如何透過如云般的數(shù)據(jù)碎片，實(shí)現(xiàn)資產(chǎn)數(shù)據(jù)全景化、立體化、決策化的呈現(xiàn)；其二，如何穿透資產(chǎn)故障表象，運(yùn)用智能手段自動(dòng)分析故障真因。這兩個(gè)問題廣泛存在于制造業(yè)（流程、離散、裝備制造）、國資國企、交通運(yùn)輸、公用事業(yè)、能源、鋼鐵冶金、化工與造紙等事關(guān)國計(jì)民生的眾多行業(yè)。更好的化解這兩個(gè)難題將有助于以上這些行業(yè)進(jìn)一步提高資產(chǎn)管理水平、創(chuàng)造更大經(jīng)濟(jì)效益。

而要解決這兩個(gè)問題，離不開與新興技術(shù)的融合。首先，基于IoT、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)，實(shí)現(xiàn)設(shè)備的智能感知，讓設(shè)備會(huì)說話；進(jìn)而通過可視化的平臺(tái)銜接智能化感知的數(shù)據(jù)，運(yùn)用AI技術(shù)進(jìn)行智能化建模分析，針對(duì)資產(chǎn)的運(yùn)營(yíng)情況、故障等進(jìn)行洞察和預(yù)警，從而幫助企業(yè)更好地執(zhí)行預(yù)測(cè)性維護(hù)，提高資產(chǎn)可靠性。

用友BIP資產(chǎn)云的資產(chǎn)畫像和AI智能診斷故障服務(wù)，基于數(shù)據(jù)自動(dòng)分析和AI智能算法，將資產(chǎn)數(shù)據(jù)全景化、一棧式的清晰展現(xiàn)，并能夠基于歷史數(shù)據(jù)和專家經(jīng)驗(yàn)實(shí)現(xiàn)對(duì)故障的AI智能診斷。

從局部到全景

資產(chǎn)畫像提供一站式清晰展現(xiàn)

簡(jiǎn)而言之，“資產(chǎn)畫像”即全面展示資產(chǎn)分布及運(yùn)營(yíng)狀況數(shù)據(jù)的可視化平臺(tái)，為企業(yè)提供資產(chǎn)管理業(yè)務(wù)的多維度數(shù)據(jù)展示和全面業(yè)務(wù)場(chǎng)景。

資產(chǎn)面貌一站式總覽：資產(chǎn)畫像工作臺(tái)提供全景展現(xiàn)大中型企業(yè)的資產(chǎn)面貌總覽能力。通過可視化的圖形數(shù)據(jù)，幫助資產(chǎn)管理人力通過指標(biāo)設(shè)定及評(píng)分，客觀綜合的評(píng)估企業(yè)資產(chǎn)健康狀況，統(tǒng)計(jì)和關(guān)注重點(diǎn)資產(chǎn)數(shù)量和運(yùn)營(yíng)情況等。

資產(chǎn)狀態(tài)自動(dòng)排名：企業(yè)還可以按照資產(chǎn)完好率、MTTR平均修復(fù)時(shí)間、MTBF平均無故障時(shí)間對(duì)總體資產(chǎn)進(jìn)行分類排名，或按照資產(chǎn)類別分類展示多種評(píng)價(jià)指標(biāo)，如開動(dòng)率、利用率、停機(jī)率等。評(píng)價(jià)維度、指標(biāo)占比權(quán)重可以實(shí)現(xiàn)自定義，穿透跳轉(zhuǎn)到資產(chǎn)卡片。

資產(chǎn)數(shù)據(jù)智能抽取穿透：資產(chǎn)畫像工作臺(tái)還可以對(duì)具體資產(chǎn)的重要數(shù)據(jù)進(jìn)行全景展現(xiàn)，智能抽取資產(chǎn)信息數(shù)據(jù)進(jìn)行展示，并可以根據(jù)不同種類資產(chǎn)個(gè)性化配置；利用時(shí)間軸展現(xiàn)資產(chǎn)履歷關(guān)鍵信息，展示資產(chǎn)從采購、建卡到報(bào)廢、處置的全生命周期過程中發(fā)生的關(guān)鍵事項(xiàng)。

從現(xiàn)象到真因

AI算法助力資產(chǎn)故障智能診斷

針對(duì)資產(chǎn)的故障診斷分析，發(fā)現(xiàn)問題和找到問題的真因是兩個(gè)層面，發(fā)現(xiàn)問題易，而找到故障的真正原因，進(jìn)而解決故障卻不容易，這一問題隨著大數(shù)據(jù)和AI智能技術(shù)的發(fā)展得到了很好的解決。

資產(chǎn)健康狀況自動(dòng)評(píng)估：企業(yè)可以對(duì)單個(gè)資產(chǎn)進(jìn)行評(píng)價(jià)打分，顯示評(píng)價(jià)等級(jí)；利用雷達(dá)圖生動(dòng)顯示各評(píng)價(jià)指標(biāo)得分情況，以及與同類資產(chǎn)綜合比較；并可以顯示該設(shè)備近3個(gè)月、6個(gè)月、1年、2年內(nèi)故障情況，和測(cè)點(diǎn)指標(biāo)超限情況，為AI智能診斷資產(chǎn)故障提供基礎(chǔ)數(shù)據(jù)支撐。

資產(chǎn)問題、故障智能分析：針對(duì)資產(chǎn)的AI智能分析包括問題分析和故障分析兩個(gè)階段。首先，問題分析將資產(chǎn)健康評(píng)價(jià)后得分較低、或存在的問題進(jìn)行自動(dòng)判斷并給出管理建議，便于相關(guān)人員進(jìn)行跟蹤和處理，提高決策水平；進(jìn)而，故障分析能夠?qū)νㄟ^點(diǎn)巡檢、運(yùn)行監(jiān)控等途徑發(fā)現(xiàn)的資產(chǎn)故障進(jìn)行分析和診斷。

用友BIP資產(chǎn)云的故障樹和故障工作臺(tái)功能夠幫助企業(yè)建立強(qiáng)大的故障數(shù)據(jù)庫，包含了故障現(xiàn)象、原因分析、處理措施等歷史數(shù)據(jù)。通過AI智能算法將新發(fā)現(xiàn)的故障與歷史數(shù)據(jù)自動(dòng)比對(duì)，從而對(duì)故障原因進(jìn)行智能自動(dòng)判斷，對(duì)于可能的故障原因進(jìn)行由高到低的概率排名，通過對(duì)專家意見進(jìn)行權(quán)重分配并且按照大數(shù)據(jù)曲線自動(dòng)調(diào)整權(quán)重，既能充分利用智能算法和歷史數(shù)據(jù)實(shí)現(xiàn)AI智能診斷，也能充分考慮專家經(jīng)驗(yàn)的人工因素。

資產(chǎn)尤其是生產(chǎn)設(shè)備作為企業(yè)核心生產(chǎn)力的重要組成因素，管理好資產(chǎn)設(shè)備，才能夠提高其綜合生產(chǎn)效率，進(jìn)而提升企業(yè)管理水平以及高質(zhì)量發(fā)展的腳步。

用友BIP資產(chǎn)云的資產(chǎn)畫像工作臺(tái)、AI智能診斷故障的先進(jìn)能力，將在用友BIP數(shù)智平臺(tái)和領(lǐng)域云服務(wù)的強(qiáng)大支撐下，在制造業(yè)（流程、離散、裝備制造）、國資國企、交通運(yùn)輸、公用事業(yè)、能源、鋼鐵冶金、化工與造紙等行業(yè)發(fā)揮更大的作用。

用友BIP資產(chǎn)云，將以物聯(lián)、智能、生態(tài)為指引，充分發(fā)揮數(shù)字化時(shí)代下資產(chǎn)數(shù)據(jù)的價(jià)值，基于運(yùn)行大數(shù)據(jù)進(jìn)行智能監(jiān)控、智能分析、掌控資產(chǎn)可能發(fā)生的缺陷，實(shí)現(xiàn)資產(chǎn)的預(yù)測(cè)性維護(hù)，助力企業(yè)資產(chǎn)可靠運(yùn)行，實(shí)現(xiàn)企業(yè)資產(chǎn)效益最大化。