2. 医疗设备运维业务建模

医疗设备预测运维平台的第一道工程门槛，不是算法，而是业务建模。如果设备分类混乱、运维流程与角色边界不清、故障模式与监测参数脱节，后续的预测模型再先进也无法落地。本节围绕五个相互咬合的建模对象展开：设备分类与关键属性、运维流程与角色、故障模式与影响分析（FMEA）、预测性维护与计划性维护的差异，以及业务需求到平台功能的映射。

一、设备分类与关键属性：建模的坐标系

医疗设备不能按“贵不贵”分类，而应按运维特征分类。工程上常用三个维度：一是风险等级（依据使用场景与失效后果，如生命支持类、诊断类、辅助类）；二是维护模式（可预测型、定期更换型、事后维修型）；三是数据可得性（是否具备设备日志、传感器接口、DICOM/HL7 等数据通道）。

每台设备在平台中应建立一组关键属性，作为后续所有分析的输入。典型属性包括：设备唯一标识（资产编号+序列号）、所属科室与位置、厂商与型号、投运日期、累计运行小时、关键耗材寿命、当前软件/固件版本、通信协议、监测参数清单、维保合同等级。以一台呼吸机为例，其关键属性可包含：涡轮累计运行小时、氧电池剩余寿命、进气过滤器压差、自检失败码历史、上次校准日期。这些属性不是静态档案，而是预测模型的特征来源。

二、运维流程与角色：谁在什么条件下做什么

医疗设备运维流程通常跨越四类角色：临床使用人员（发现异常、报障）、临床工程师/医学工程科（响应、维修、校准、验收）、厂商/第三方服务商（深度维修、备件、远程支持）、设备管理员/科室负责人（审批、停机决策、绩效评估）。

流程建模的关键不是画一条“报障—维修—关闭”的直线，而是明确状态迁移与触发条件。设备状态可定义为：在用、预警、报障、停机待修、维修中、待验收、停用/报废。每次状态迁移都应有触发事件、责任角色和时限要求。例如：当预测模型输出“氧电池剩余寿命＜72 小时”时，触发“预警”状态，由临床工程师生成预防性工单；若临床人员直接报障，则进入“报障”状态，需在 30 分钟内响应。角色与状态的绑定关系，直接决定平台工单引擎的权限与流转规则。

三、故障模式与影响分析：把失效翻译成可监测信号

FMEA 是连接“设备物理失效”与“平台数据监测”的桥梁。对每类设备，需列出关键故障模式、失效原因、局部影响、系统影响、严重度（S）、发生度（O）、探测度（D），并计算风险优先数 RPN=S×O×D。更重要的是，为每个高 RPN 故障模式指定可观测的征兆参数与阈值/趋势判据。

以输液泵为例：故障模式“流速偏差超限”，失效原因可能是蠕动泵管老化或压力传感器漂移；征兆参数为流速误差百分比、阻塞压力报警频次、电机电流波动；判据可设为“连续 3 次自检流速误差＞±5%”或“电机电流标准差较基线上升 30%”。只有完成这一步，FMEA 才真正转化为平台可执行的监测规则，而不是一份归档文档。

四、预测性维护与计划性维护：不是替代，而是分工

计划性维护（PM）以日历周期或累计运行小时为触发条件，优点是合规性强、资源可预测，缺点是可能“过度维护”或“维护不足”。预测性维护（PdM）以设备实际退化状态为触发条件，依据连续监测数据与退化模型，优点是按需维修、减少非计划停机，缺点是对数据通道和模型质量要求高。

工程上二者应分层共存：对生命支持类设备，保留强制 PM 作为安全底线，同时叠加 PdM 监测关键耗材与性能趋势；对辅助类设备，可优先用 PdM 替代固定周期，降低维护成本。平台需要同时支持两种策略的调度引擎，并在工单中标注触发来源（PM 计划 / PdM 预警），便于后续评估策略有效性。

五、业务需求到平台功能的映射

建模的最终产出是一张需求—功能映射表。它把前述业务对象翻译为平台模块与数据字段。例如：

业务建模不是一次性文档，而是随设备更新、故障数据积累和临床反馈持续迭代的活模型。平台的价值，正体现在它能把这份模型转化为可执行、可观测、可复盘的日常运维动作。