# 设备管理系统（EAM / TPM / PdM）

## 一句话定位

让工厂设备从"坏了再修"升级到**"按计划保养 + 预测性维护"**——覆盖台账、点检、保养、故障、备件、资产全生命周期，把**停机时间**当作最贵的成本来管。

## 目标客户

- **行业**：制造业、能源、化工、交通、物业、数据中心
- **决策人**：设备部长 / 维保主管 / 厂长 / IT
- **触发点**：
  - 设备老化，故障频发但没人记得"上次怎么修的"
  - 备件库存多但关键件总缺
  - 人工巡检走过场，问题没发现
  - 想上 TPM 但落不下去
  - 有振动 / 温度 / 电流数据，不知道怎么用于预测

## 核心痛点与解法

| 痛点 | 解法 |
|------|-----|
| 设备台账 Excel，交接丢失 | 电子台账 + 二维码铭牌扫码查历史 |
| 点检走过场 | 移动端 APP + GPS / 蓝牙签到 + 拍照强制 |
| 预防性保养没计划 | PM 计划自动生成 + 工单派发 + 执行追踪 |
| 备件管理混乱 | 备件台账 + 安全库存 + 领用审批 + 关联 BOM |
| 故障反复出现 | 故障知识库 + RCM 根因分析 |
| 预测性维护无从下手 | 接入振动 / 温度传感器 + 简单机器学习模型 |

## 功能清单

- 设备台账（BOM / 参数 / 位置 / 照片）
- 点检 / 巡检（移动 APP + 路线 + 强制拍照）
- 保养计划（按时间 / 按运行小时 / 按产量）
- 工单管理（报修 / 派工 / 执行 / 验收）
- 故障诊断（代码库 + 处理方案库）
- 备件管理（库存 / 出入库 / 供应商）
- 资产管理（折旧 / 盘点 / 处置）
- OEE 分析（停机原因归类）
- 预测性维护（振动频谱、温度趋势、能耗异常）
- 与 MES / SCADA 联动

## 技术栈

| 层 | 选型 |
|----|------|
| 后端 | .NET Core / Spring Boot |
| 移动端 | Android / iOS 原生 + 小程序 |
| IoT 接入 | MQTT / Modbus + 边缘网关 |
| 时序库 | InfluxDB / TDengine |
| AI | Python + scikit-learn（异常检测） |

## 交付形态

- **实施周期**：6–12 周
- **交付物**：平台 + 移动 APP + 铭牌印刷 + 培训
- **维保**：年度续保 + 新设备接入服务

## 价格区间

- **EAM 基础版（500 台设备以内）**：10–25 万元
- **EAM + TPM + 移动端**：25–60 万元
- **+ 预测性维护（PdM）**：60 万+

## 案例库

| 客户（脱敏） | 行业 | 关键成果 | 可公开 |
|------------|------|---------|-------|
| 某 3C 工厂 | 消费电子 | 设备故障响应速度**提升 2 倍**；设备非计划停机减 **20%** | 是 |
| 某城市净化水厂 | 城市基础设施 / 水处理 | 点检移动端 + 备件管理上线，设备台账电子化率 **100%** | 是 |

> 以上案例数据来源：`cases-library.md` D 组 + `website-profile.md` §7。详细 URL 见 `cases-library.md`。

## FAQ

**Q: 和 ERP 里的设备模块比？**
A: ERP 设备模块偏资产财务视角；我们偏"**运维落地**"——工单 / 移动端 / 故障知识库 / 预测维护是重点。

**Q: 预测性维护真的能落地吗？**
A: 简单场景（电机振动、轴承温度）基于阈值和趋势分析已很实用；复杂场景（多变量耦合）需要项目级建模。我们建议**先做监控和统计，再上模型**。

**Q: 老旧设备没联网怎么办？**
A: 人工点检数据 + 纸质工单电子化即可起步，后续加装传感器扩展。

## SEO 关键词

- **主词**：EAM 设备管理系统、TPM 系统、预测性维护
- **长尾**：设备点检系统、备件管理、故障诊断系统、工厂设备管理软件、PdM

## 更新日志
- 2026-04-18 初版