本报记者 郝淑慧
“多平台数据分散、动态工况下状态感知能力不足、关键设备服役精度和关注度不够、设备与生产质量业务协同性不强，是当前设备运维行业面临的四大共性痛点。”在近日召开的中国钢铁工业协会冶金设备分会2026年冶金设备智能运维专业年会上，北京科技大学工程技术研究院刘恒文表示。针对上述问题，该院提出基于多智能体协同的冶金行业设备故障诊断技术，形成跨平台多场景数据汇聚、基于机理—数据双驱动的设备特征分析、基于多智能体协同的设备故障诊断三大技术创新点，推动设备运维从“人找故障”走向“故障找人”。
构建产线—工序—设备—
参数4级监测体系
刘恒文介绍，该院建立产线—工序—设备—参数4级监测体系，形成区域与专业双视角集中管控。该体系区域集中监测实现设备监测数据按区域、按设备跨平台汇聚；专业集中监测涵盖电气、水汽、液压润滑、机械、热工、特种设备6类专业，实现设备专业管理“四统一”（统一基础管理、统一技术管理、统一业务管理、统一知识管理）。
在报警信息闭环方面，该院产品实现专人分级推送、进度跟踪、故障追溯、超期提醒，报警信息通过PC端和移动端同步推送；在健康状态评价方面，提出设备健康指数T，T值越大，设备劣化越严重，T≤0.5为健康状态优良，T＞2.0为严重劣化，需大修或更换，并与Cmk（设备能力指数）/Cpk（过程能力指数）形成“设备本身—设备输出—全过程”的完整评价链。
借助智能体实现
设备运维闭环管理
刘恒文介绍，该院融合生产工况、设备参数、报警与振动数据，形成“状态识别—趋势诊断—预测预警—报告闭环”的诊断体系。该体系核心引擎为AgentLoop智能体，具备自然语言目标与API（应用程序编程接口）双驱动、自主规划执行、人在回路安全可控等特点。
该设备故障诊断智能体族覆盖液压系统漏油、液压缸、伺服阀、水系统泄漏堵塞、台车电机、行车电机、辊道电机、阀门等8类场景。以液压系统诊断模型为例，通过建立系统油量计算机模型，实时计算油箱、缸内液压油变化率等特征值，实现漏油判断、进水判断、油耗分析、清洁度和含水量监测。
在智能体应用方面，技术人员通过自然语言提问，智能体经“思考—行动—观察”流程调用平台数据和模型结果，输出诊断结论及数据依据，结论可追溯，逐句注明所调用工具的返回结果。
工艺精度评价从设备
“转不转”到“转得好不好”
刘恒文认为，目前设备管理研究主要关注设备“转不转”（设备健康状态），对设备“转得好不好”（设备服役性能）关注较少，静态精度合格的设备并不意味着能够稳定产出合格产品。
为此，该院提出设备工艺精度评价体系，建立EPAE模型（设备精度指标→AHP加权→4步闭环调控），包含厚度控制精度、板形控制精度、轧制力控制精度3个一级维度、9项二级指标。智能体运行闭环包括感知、评价、诊断、执行、反思5步。该技术已在马钢、首钢、鞍钢、南钢、凌钢、沙钢等多家钢铁企业应用，获得发明专利授权36项、软件著作权9项，相关项目获第七届工业互联网大赛新锐组一等奖。
