内容简介：针对炼化设备传统维护策略存在“过修”或“失修”问题，构建了基于多源数据融合的设备健康度指数（Equipment Health Index，EHI）模型。该模型整合缺陷、报警、维修等多维数据，利用深度神经网络进行非线性融合与实时评估。工程验证表明，该技术能精准量化设备健康状态，比传统方法具有更高的评估准确率与预警提前量，为智能运维提供了有效支撑。