1. 平台认知与课程导航

AVEVA设备状态监测与运维平台（AVEVA Predictive Analytics / 设备状态监测与运维解决方案）是面向流程工业、电力、油气、化工、制药等重资产行业的一体化设备健康管理与运维决策平台。它把设备实时运行数据、工况数据、维修记录、工艺参数与专家知识汇聚到统一的数据底座上，通过机理模型与机器学习模型对设备状态进行在线评估，提前发现早期故障征兆，并把"报警"转化为"可执行的运维建议"。理解这个平台，关键不是记住功能菜单，而是理解它在工厂数字化架构中的位置：它向下连接DCS、PLC、SCADA、振动监测系统、油液分析、红外测温等数据源，向上为EAM/CMMS、MES、生产调度与经营决策提供设备健康与风险信息。

从定位上看，AVEVA设备状态监测与运维平台解决的是"设备什么时候会坏、坏在哪里、还能用多久、该不该现在停机检修"这四个问题。传统运维依赖定期检修和人工巡检，存在"过修"与"失修"并存的矛盾：检修周期定得太短，备件与人工成本高、还可能在拆装中引入新故障；周期定得太长，突发停机造成非计划停产损失。状态监测与预测性维护的价值就在于把检修决策从"按时间"转向"按状态、按风险"，在故障发展到功能失效之前安排干预，从而提升设备可用率（Availability）、降低维护成本、减少非计划停机。

功能全景可以按数据流与业务流两条线索来理解。数据流上，平台包含数据接入层、数据治理层、模型与分析层、可视化与告警层；业务流上，平台覆盖设备台账与测点管理、实时监视与趋势分析、异常检测与故障诊断、预测性维护与剩余寿命评估、工单与检修闭环、报表与KPI考核。二者交汇的核心对象是"设备—测点—模型—告警—工单"这条主链。下面这张图给出平台的功能全景与数据/业务双流关系，帮助建立整体认知框架。

理解平台还需要区分几个容易混淆的概念。状态监测（Condition Monitoring）侧重"当前状态是否正常"，输出的是实时参数与阈值告警；故障诊断（Diagnostics）侧重"故障是什么、在哪里"，输出的是故障类型与部位；预测性维护（Predictive Maintenance）侧重"何时会失效、还能运行多久"，输出的是剩余寿命与建议检修窗口。三者层层递进，数据基础相同，但模型目标与输出形式不同。AVEVA平台把三者整合在同一数据底座上，避免"监测一套系统、诊断另一套系统、工单再一套系统"的信息孤岛。

从工程落地角度看，平台实施通常遵循"先试点、后推广"的路径。试点阶段建议选择1～2类关键机组（如离心压缩机、大型电机、关键泵组），先完成测点梳理与数据接入，再建立基线模型，观察1～2个检修周期的误报率与命中率，验证价值后再扩展到全厂。判断试点是否成功的依据不是"装了多少传感器"，而是：是否提前发现了至少一次可验证的早期故障、是否减少了非计划停机、告警是否被运维人员真正采纳并转化为工单。这些指标也是后续章节反复使用的评价基准。