很多工厂引进大模型或智能 Agent 工具，希望能在微信群喊一句“二号车间水泵异响”，系统就能自动创建工单并带出备件清单。但测试结果往往令人崩溃：AI 要么找不到设备，要么把工单挂在了错误的系统节点上。问题不在于大模型不够聪明，而在于 CMMS 里的主数据根本是一本糊涂账。
不同班组对同一台设备的叫法五花八门，图纸上用着十年前的 KKS 编码，而在 CMMS 系统里，却随意命名为“东侧给水泵”。没有稳定、标准的功能位置编码，CMMS 的数据对 AI 而言只是无法理解的自然语言废料。指望 AI 替你理清台账，本身就是本末倒置。
一、源头的混乱：设备命名与功能位置脱节
在很多现场，一套设备的命名方式多达三种：设计院交付时的工程编码（如 KKS 码）、财务资产系统的固定资产编号，以及维修工人在现场口头交流的俗称。这三套语言如果不能在 CMMS 中通过“功能位置”统一映射，系统的数据就会变成孤岛。
工单记录显示，由于命名不统一，同一个故障模式可能被分散记录在三个不同名称的设备下。当算法试图分析“某类离心泵的平均故障间隔时间（MTBF）”时，它面对的是“给水主泵”、“1#泵”、“高压离心泵”等十几种别名。数据不仅分散，而且相互矛盾。
ISO 55001 要求组织在资产管理体系中明确资产信息的流转规则，确保从工程建设到运维阶段的数据一致性。但现实是，现场人员不看设计院的编码，IT 部门在实施 CMMS 时又完全照搬了财务台账的结构，导致功能位置层级严重扁平化或极度混乱。
二、弯路复盘：试图用搜索技术弥补编码缺陷
在解决设备命名不统一的过程中，很多企业走过一条常见的弯路：不重构主数据体系，而是试图用模糊搜索或者 NLP 技术来“兼容”现场的随意输入。
他们开发了复杂的同义词词典，试图让系统把“东边那个坏掉的泵”自动匹配到系统里的某台具体设备上。但结果往往是灾难性的：模糊匹配导致备件领错、工单挂错层级，甚至把高风险区域的维修任务指派给了资质不符的承包商。
在此，我们做出明确判断：在资产密集型企业中，绝不能用自然语言处理来掩盖主数据的混乱；AI 必须基于硬性的功能位置编码进行操作，而非模糊推测。此判断的适用边界是：对于拥有成百上千台高资产价值设备的大型流程工厂（如化工、电力行业）必须实行硬编码约束；而对于轻资产的物业后勤服务，适当的模糊匹配可以作为辅助手段。
三、过去与现在：从给人看，到给机器读
过去，设备命名只需要“老师傅能看懂”即可。即使台账上写着“老张负责的那台空压机”，交接班时口头核对一下也就过去了。过去，CMMS 是为了让人记录工作；现在，CMMS 必须向系统输出机器可读的高质量信息。
现在的维修环境正在引入预测性维护（PdM）和 AI 助手。状态监测传感器的数据流需要精准地挂载到具体的设备节点上。如果你的振动传感器发送的报警是基于 KKS 编码，而 CMMS 工单系统里只有“备用引风机”这种俗称，数据链路在握手的第一步就断裂了。
只有统一的设备编码作为主键，才能将状态监测（CBM）、工单履历、备件消耗以及财务成本彻底贯穿。这不仅是实施 AI 的前提，更是让 EAM 系统真正发挥资产管理作用的基础。
四、落地：从功能位置重构主数据
要改变现状，必须从功能位置（Functional Location）的重新梳理开始。功能位置不是简单的设备清单，而是描述设备在整个生产工艺中“扮演什么角色、在哪个层级”的结构化树状图。
- 建立统一的编码映射表
不必强制现场工人强记 15 位的工程编码。系统应当以标准编码（如 KKS）为底层唯一主键，同时在 CMMS 中建立“别名/俗称”与主键的强绑定。工人可以输入俗称，但系统落库和 AI 处理时，必须且只能认底层主键。
- 按工艺逻辑划分层级，而不是按财务折旧
功能位置树必须符合生产和维修逻辑（如：厂区 – 装置 – 系统 – 设备单元），以便工单成本可以按工艺节点进行归集。财务资产台账和实物设备台账可以是一对多的关系，但绝对不能互相替代。
- 收口主数据的创建权限
实施新规则后，必须冻结现场任意创建或修改设备名称的权限。所有主数据的变更，必须走规范的变更管理流程（MOC）。
五、误区：为了建台账而过度细化层级
在重新梳理主数据时，一个典型的误区是陷入过度细化的陷阱。有的企业试图在功能位置树中把每一个螺栓和阀门都编上码，导致层级深达十几层。
这种做法带来的后果是：层级越深，现场人员找设备就越费时，填错的概率就呈指数级上升。当工单挂载节点频频出错时，再精细的台账也会被污染。
数字带条件：在重构初期，针对 A 类关键设备，功能位置层级建议控制在 4 到 5 层以内；对于 C 类辅助设备，最多 3 层即可。对称地看，过度粗放导致数据无法指导决策，过度细化则导致现场拒绝使用。结论是：功能位置的颗粒度应以“能独立拆解维修、有独立备件BOM、需要独立核算成本”为下限，切忌无意义的极度拆分。
结语
在急于拥抱 AI 和数字孪生的今天，不要被花哨的算法演示所迷惑。任何智能化的维修应用，其天花板都由底层的设备主数据质量所决定。把功能位置梳理清楚，统一设备命名规则，是工厂数字化转型中不可绕过的基本功。不愿在主数据上流汗，就只能在 AI 应用上线后流泪。
