APM（Asset Performance Management）区别于传统EAM（Enterprise Asset Management）的关键在于"绩效"二字。EAM管的是资产台账和工单——设备有什么、坏过什么、修了什么。APM管的是资产绩效——设备健康度如何、可靠性趋势怎样、什么时候需要维护、维护投入的回报率多少。APM是EAM从"管理资产"向"优化资产绩效"的演进，数据驱动是两者之间的分水岭。
APM核心模块
APM模块 | 核心功能 | 数据来源 | 输出指标 |
资产注册 | 设备层级/属性建模 | CMMS台账/设备编码 | 资产树/属性模型 |
状态监测 | 实时设备状态采集 | SCADA/传感器 | 运行率/负载率 |
可靠性分析 | MTBF/MTTR/可用度 | 工单/故障记录 | 可靠性趋势 |
维护决策 | 维护策略推荐 | FMEA/状态监测+可靠性 | 维护优先序 |
绩效报告 | KPI仪表盘/趋势分析 | 全模块汇总 | 管理决策依据 |
资产注册是APM的数据模型基础。资产层级遵循ISO 14224标准——Plant（工厂）→System（系统）→Unit（单元）→Equipment（设备）→Component（组件）。每个层级节点携带属性——型号、制造商、安装日期、额定参数、关键性等级（A/B/C分类，A级为关键设备，停机导致停产）。资产注册的完整性决定了后续模块的覆盖面——如果组件层缺失，振动分析定位到设备级但无法关联到具体轴承。
状态监测从SCADA和传感器实时获取设备运行数据。关键监测参数因设备类型而异——电机监测电流/温度/振动，泵监测流量/压力/振动，换热器监测进出口温度/流量。状态监测数据不仅是告警输入，也是可用度计算的基础——设备实际运行时间=总时间-停机时间，运行时间占比即运行率。
可靠性指标
可靠性指标是APM量化分析的语言，ISO 14224定义了标准计算方法。
MTBF（Mean Time Between Failures，平均故障间隔时间）= 总运行时间 / 故障次数。MTBF反映设备的平均无故障运行时间——MTBF越大设备越可靠。MTBF的趋势比绝对值更重要——如果MTBF从1000小时逐渐下降到800小时，说明设备可靠性在退化，即使800小时仍在"可接受"范围。
MTBF计算的工程难点在于"故障"的定义。什么算故障？设备完全不能运行算故障（功能性故障），但设备带病运行（性能下降但未停机）算不算？ISO 14224区分了功能性故障（Functional Failure，设备丧失功能）和潜在故障（Potential Failure，设备有缺陷但功能正常）。MTBF通常只统计功能性故障，但潜在故障的频率也是可靠性退化的信号——潜在故障频率上升预示功能性故障即将发生。
MTTR（Mean Time To Repair，平均修复时间）= 总维修时间 / 故障次数。MTTR反映维护效率——MTTR越小恢复越快。MTTR的构成包括：故障检测时间（从故障发生到发现）、诊断时间（确定故障原因）、备件等待时间（备件调拨）、实际修复时间（拆装更换）、调试验证时间（试运行确认）。
MTTR的改善需针对构成项做分解分析——如果备件等待占MTTR的40%，改善重点是备件库存策略而非维修技能培训。如果诊断时间占30%，改善重点是故障诊断工具（振动分析/红外热成像）的应用。
可用度（Availability）= MTBF / (MTBF + MTTR)。可用度是可靠性和维修性的综合指标——可靠性提升MTBF，维修性降低MTTR，两者共同提升可用度。可用度的目标值取决于设备关键性——A级设备目标可用度99.5%以上，B级95%，C级不做要求。
失效模式分析
FMEA（Failure Mode and Effects Analysis，失效模式与影响分析）是APM维护策略制定的方法论基础。FMEA对每个设备组件分析：
- 失效模式（怎么坏）：轴承磨损、密封泄漏、绕组短路等
- 失效影响（坏了会怎样）：设备停机、产品质量下降、安全事故等
- 严重度（S, Severity, 1-10分）：影响程度
- 发生度（O, Occurrence, 1-10分）：发生频率
- 可探测度（D, Detection, 1-10分）：检测难度
- RPN（Risk Priority Number）= S × O × D：风险优先序
RPN排序确定了维护优先序——RPN高的失效模式优先做预测性维护或预防性维护，RPN低的可以接受事后维修。FMEA不是一次性的——随着故障数据的积累，发生度（O）和可探测度（D）的评分需更新。APM系统通过历史故障数据统计实际发生频率，自动修正O的评分。
FTA（Fault Tree Analysis，故障树分析）做自上而下的因果推理。顶层事件是"设备停机"，通过布尔逻辑门（AND/OR）分解为子事件——停机由"机械故障"OR"电气故障"OR"控制故障"导致，机械故障由"轴承故障"OR"密封泄漏"OR"联轴器断裂"导致。FTA构建了故障传播的逻辑树，结合实时状态监测数据，可以做实时风险推理——如果振动趋势上升，沿FTA树回溯到轴承故障分支，预判可能导致的上层影响。
资产健康度评分
资产健康度（Asset Health Score, AHS）是APM的输出指标，将多维状态数据聚合为单一可比较的分数。
AHS的加权模型：AHS = w1×振动得分 + w2×温度得分 + w3×运行时间得分 + w4×历史故障得分。权重wi根据设备类型和故障模式调整——旋转机械振动权重高，热工设备温度权重高。
各维度得分的计算方法：
振动得分基于ISO 10816的振动速度评价区域——A区得4分、B区3分、C区2分、D区0分。得分不是离散的阶梯——在A区和B区边界附近用线性插值，使分数平滑过渡。
温度得分基于实际温度与额定温度的比值——温度在额定值80%以下得4分，80-100%线性递减，超额定值0分。
运行时间得分基于距上次大修的时间——距大修时间越近得分越高，接近大修周期得分趋近0。
历史故障得分基于过去12个月的故障频率——无故障4分，故障频率高于行业平均值0分。
AHS的价值在于可比性——不同设备类型的AHS可直接比较，管理层一眼看出哪些设备健康状况最差需要优先投入。但AHS的局限是加权的主观性——权重设定依赖专家经验，不同专家可能给出不同权重。改善方法是用历史故障数据做逻辑回归拟合，用数据驱动方式确定权重——预测故障的权重组合就是最优组合。
与EAM集成
APM不是替代EAM，而是在EAM基础上叠加分析和优化层。
资产台账同步：APM的资产注册与EAM的资产台账保持一致——新增设备在EAM登记后自动同步到APM，APM不需维护独立的资产清单。同步通过API或数据库CDC实现，确保两侧资产数据一致。
工单联动：APM的维护决策推荐触发EAM的工单创建——振动分析判定轴承需更换时，APM自动在EAM中创建预防性维护工单，包含设备ID、故障模式、建议措施、备件清单。工单执行后EAM将维修记录反馈给APM，更新设备的维护历史和MTTR统计。
备件管理：APM的维护策略需考虑备件可用性——推荐更换的轴承如果备件库存为零，工单创建时标注备件短缺，采购系统自动触发补货。备件库存数据从EAM获取，APM不做独立库存管理。
落地挑战
资产层级复杂使建模成本高。一个中型工厂可能有数千台设备、数万组件。如果每台设备的每个组件都做FMEA，工作量巨大。分层策略是必须的——A级设备（约10-20%的设备数）做完整FMEA和预测性维护，B级做简化FMEA和预防性维护，C级做事后维修。这种分层基于帕累托原则——20%的关键设备贡献80%的停机损失。
数据来源多使数据集成工程量大。状态监测数据来自SCADA/传感器，故障记录来自CMMS工单，点检数据来自巡检系统，离线检测数据来自振动分析仪/油液实验室。数据格式不统一——SCADA用OPC UA，CMMS用关系数据库，点检用移动端APP。集成需统一数据平台——各源数据按统一资产编码和时间戳关联存储，APM从平台读取而非直连各源系统。
TDengine在APM架构中承担设备状态时序数据和可靠性指标的连续计算。设备运行状态数据从SCADA/传感器实时写入TDengine，按设备ID和参数标签分区存储。连续查询实时计算可用度指标——运行时间/总时间在时间窗口内自动聚合，MTBF和MTTR从故障事件记录中按时间窗口统计。资产健康度评分的各维度得分通过SQL聚合函数计算——振动得分取最近1小时的振动速度评价区域，温度得分取实际温度与额定值比值，写入后触发评分计算。可靠性趋势分析从TDengine历史数据中提取——按月统计MTBF变化趋势，退化趋势自动触发维护策略调整建议。
结语
APM在工业互联网中的工程定位是EAM的分析优化层——在台账和工单管理的基础上叠加可靠性分析、失效模式分析和健康度评分。MTBF/MTTR/可用度是量化的可靠性语言，FMEA/FTA是维护决策的方法论框架，资产健康度评分将多维状态聚合为可比较的管理指标。
落地的分层策略是务实选择——A级设备做深度分析，B级做简化管理，C级做事后维修。数据集成的统一平台是前提——状态监测、故障记录、点检数据需按统一资产编码关联。在数据层，设备状态时序数据和可靠性指标的连续计算能力，是APM系统数据驱动的核心基础设施。
