1. 引言
1.1. 背景和意义
作为资产密集型企业，电网企业一直都面临着极高的资产管理要求。二十世纪以来，中国国民经济迅猛发展，基础建设大步跃进，人民生活质量要求不断提高。作为国民支柱性行业，电力公司为了构建更为稳定、更为坚固的电网体系，在近年来投资规模大幅扩大，资产规模日益增长，发展速度逐渐加快。
在因此而带来的需求及压力之下，电力公司所承担的电网资产的运维、更新、改造任务愈加繁重。众多电力行业研究者正在探索固定资产的管理思路，以期建立起健全的电子资产管理体系，对庞大的资产量实现有效管理，保证电力公司的良性运转。但整体而言，现阶段电力公司的资产管理仍然存在着未形成多部门联动机制，管理流程不尽完善，信息化程度较低等问题。如何强化设备资产联动功能、有效保障设备资产数据质量、深化电网核心资产财务管理与设备管理的统一联动、形成集中的智能的固定资产全生命周期监控，是电力公司迫切需要思考的问题。
有效的固定资产全生命周期监控体系将帮助企业形成流畅的资产管理程序，快速的运维反应及高价值的资产分析模型，为电力企业的生产运营提供支持，为未来资产配置及规划提供决策指引。
1.2. 电网固定资产管理的难点
电力行业由于其专业化程度高，固定资产地理分布广阔，实物资产种类多等特点，固定资产管理要求及难度相对于普通企业都要更高。
电网企业资产实物众多，从大型生产建筑物到各类输电线路，实物设备地理分布广阔，种类繁多。在资产设备出现问题时，快速的发现并解决是非常困难的。企业往往需要启用多种不同系统，例如PMS、RFID平台等，实现对各类资产的实时控制。而由于各种渠道获得的信息格式不一，无法匹配，导致从管理角度所接受到的内容又多又杂，很难形成有效的管理体系。
并且资产管理往往涉及各个层级、各个部门的协同管理，进一步为资产管理增加了难度。国有电力企业一般采用根据“职能”进行资产“分段”式管理模式，普遍关注各部门内部的管理优化。而且实务上业务部门、生产运营部门、财务部门对于固定资产存在着不同角度的管理需求，例如技术角度、运维角度及价值角度。信息口径不一致容易形成信息孤岛，导致所获取的信息无法根据一定的逻辑进行整合，难以面向全生命周期进行统一监控管理。
逐渐兴起的新的业务模式亦为固定资产的管理带来更多难度。例如新出现的租赁、代持等业务模式，对监控管理的范围和难度造成了巨大的挑战。再加上当下逐渐被投入使用的新兴设备检测和信息传输技术(如物联网、无人机 + 红外–激光识别、区块链、云服务等)，在为电力企业增加更多监控手段的同时，也使得信息获取渠道更为繁杂，为固定资产管理带来了新的课题。
而成本与资产的比例关系是如此密切，在大集群密集型资产类的电力产业中更为明显，因此，打通上下游信息流通，消除信息孤岛，并且持续提供高质量的实时数据就更为关键。资产信息数据收集与处理对于企业的稳定运行，减少开支损耗和提升服务质量，做出正确决策等，都是至关重要的因素 [1] 。鉴于此，研究和构建一套新时代电力企业通用的固定资产全生命周期监控管理体系，并运用于具体管理场景是有意义，而且非常迫切的。
1.3. 先进的固定资产管理思路
随着信息化建设工作的逐步深入开展，电力公司需要因时因势结合实践探索，构建固定资产实物管理主人、价值管理的责任部门、资产实际使用部门协调一致的联动管理机制。从资产全生命周期角度研究优化调整资产管理策略，建立涵盖规划、基建、运行、检修、退出和报废等管理环节的输配电资产管理体系。探索利用信息化管理技术，拓展管理渠道，规范固定资产记录信息标准，实现固定资产管理手段信息化，逐步建立健全固定资产管理业务模型，不断增强固定资产管理的可视化和智能化。通过资产全过程业务处理及时性、规范性和准确性，以及账卡物一致性监测分析，精准定位业务处理的薄弱环节及问题原因，及时整改和反馈，实现账卡物闭环管控。并积极展开现实问题研究，全力抓好固定资产管理，开辟一条规范化、信息化、个性化和精益化管理路子，为决策层与管理层提供坚实、充分的决策基础。
2. 电网企业的固定资产监控的现状
2.1. 电网企业固定资产管理理论体系
现阶段电力企业固定资产管理存在着更关注于资产投入而不重视后续资产管理的问题；且由于各部门之间的专业限制及缺乏联动，仍未形成相关的闭环控制；再加上信息更新的不及时，往往导致固定资产信息存在一定的滞后性 [2] 。众多学者均认为，建立起系统的固定资产管理体系，完善管理制度及启用信息系统以实现固定资产管理电网企业面临的重大课题。
国内外学者在对企业的固定资产管理进行了诸多探讨。目前资产全生命周期管理的理念在电力企业的应用体系已经初步成形，通过对电力资产从规划、购入、运维到报废的整个过程进行全局统筹规划，达到资源的最优配置 [3] 。1933年，全生命周期成本(LCC，“Life Cycle Cost”) (如图1)评价的概念由美国总审计处提出。该评价体系首先在航空、国防领域广泛应用，而后逐渐发展成熟并被运用于更多领域。近些年来，从美国等发达国家开始，LCC开始被引入电力领域，以核电站为开始，又慢慢被推广至发电机、变压器、以及变电站等电力资产的管理 [4] 。
全生命周期成本根据系统或设备在使用年限内的各项成本，全面考虑长期的经济效益，进行分析并作为科学决策依据。张怡等人在2004年对于全生命周期成本在上海电力系统的应用展开探讨，认为将此管理体系引入到国内电力系统中是非常有意义的 [5] 。2016年田洪迅等人以LCC技术为基础，构建了电网资产全过程管理决策方法框架体系 [6] 。美国联邦公路局在2017年提出全生命周期规划(LCP, “Life Cycle Planning”)以支持资产管理，更关注于长期的系统提升维护，考虑在全生命周期下的投资需求及运维战略，为投资决策提供更多的客观数据 [7] 。
基于全生命周期管理的理念，国内外学者开展了对于固定资产的分析及评价体系的研究。美国电力研究院归纳了“三级评估法”，更关注于资产在使用寿命内的优化而非使用寿命的最长化，并且制定了“综合寿命管理程序”的标准指引规范，应用于美国电力企业资产管理 [8] 。袁长征等人对国家电网公司所设计的电网资产全生命周期管理评价体系进行探讨，分析其不足之处及改进措施。尤菲等人在2017年提出将集对分析法应用于电网资产管理，建立了电网实物资产评价模型，设计了从规模、健康水平、利用效率及报废退役四个维度出发的评价指标 [9] 。考虑新时代技术迭代，数据规模及来源快速扩大，亦有学者提出了利用大数据技术对电网资产信息进行处理及评估，但仍未形成可实施方案 [10] 。
2.2. 电网企业固定资产监控实践
运用信息化系统来帮助电网企业进行固定资产管理是新时代的发展趋势，众多国内外电力企业在近年来进行了许多的固定资产监控管理实践。英国电网公司依托于资产管理信息系统，通过对资产状态信息的获取进行投资计划管理及资产项目管理，实现了对资产信息的统一管理及分析，为管理层的战略制定提供有力的支持。通过对资产建立唯一设备号及并规范定义单位，英国电网公司成功做到来自不同系统不同维度资产信息的集成。并且依靠信息化系统，减少信息传输层级，打通管理层与现场工作组之间的信息通道，实现对分布在英国各地的340座变电站资产的高效维护(如图2)。在大量数据的支持下并辅以系统分析模块，英国电网公司进一步实现了对资产管理各个关键节点及场景的分析，帮助管理层进行投资规划，资源配置，运维支持及风险管控 [11] 。
加拿大Hydro One公司从资产全寿命周期管理出发，优化组织架构，完善信息系统，改善了其电力固定资产管理的体系，并在此基础上进一步形成资产评估体系及风险管理体系。已形成了固定资产涵盖多层级，全周期的标准化管控 [12] 。
但目前国内电网企业的信息化建设仍未达到完全成熟阶段。何超指出，当期的信息化系统集成度较低，无法兼顾不同业务场景的处理，在实践中存在着许多问题。例如资产的实物管理与价值管理实际上存在脱节；承担不同管理责任的各部门间信息传递质量较低；对于资产的监控不到位；未形成有效的评估管理体系等问题 [13] 。
Figure 2. Fixed asset management of National Grid plc
图2. 英国电网公司的固定资产管理
借鉴国外电网企业的经验，并结合现有理论体系，我国电网公司在固定资产监控管理实践中应从以下几个方面进行提升：
1) 在信息数据规范层面上，对设备资产信息的完整性、一致性、有效性等维度进行分析、跟踪、评价，实现资产账、卡的一致和联动，提升资产管理水平。
2) 在指标监控与分析层面上，以信息化手段实现设备资产帐卡对应率自动统计，同时对设备新增转资、退役报废等业务环节的重要指标进行常态化监测，包括设备资产帐卡物一致率、转资及时率、退役状态信息等，从而支持资产全寿命周期管理的业务开展。
3) 在业务流程与管理规范层面上，“以查促改”规范资产帐卡物管理、转资、退役处置流程和标准，进一步建立健全电网实物资产管理长效机制，实现对公司资产的精益化控制。
3. 对于监控模型的研究
3.1. 对于监控管理的实质讨论
回溯人对于“监控”的实质行为，具体可分为“观察”和“决策”2个部分(如图3)。
“观察”是指——对不同渠道信息收集、清理降噪、对不同渠道收集的信息聚类(配对)并存储已观察的信息于某个地方(大脑、纸、电脑文件、数据库等)；
“决策”是指——对记录的信息进行进一步处理并结构化，然后基于某个目的形成一个结果。结果的形态可以是：
1) 数据列示(报表，可视化图表)；
2) 逻辑判定(正确或错误、偏大或偏小、符合或乖离)；
3) 基于可靠数据样本预测(基于数据的概率判断)。
以资产新增阶段中“新增设备投运真实性模型”为例，假设记录每步过程，会是下面这样的实际操作情况(如图4)。
Figure 4. Steps of authenticity model of new equipment
图4. 新增设备投运真实性模型操作步骤
检视所有适用于其他业务场景的监控模型，都会以上述步骤进行。对于监控从观察到决策的端对端的行为是一致的。
3.2. 监控管理模型理论
从“观察”到“决策”这一实质出发，我们将建立起对于电网固定资产管理的通用监控模型。首先，我们将“监控”定义为下列一系列行为的有机组合：
1) 对多个信号通道(简称“信道”)观察(如图5)；
2) 按照确定的规约收集一定颗粒度的数据(简称“单位信息”) (如图6)；
3) 按照确定的关联逻辑对多个信道获取的信息进行关联配对(简称“配对”) (如图7)；
4) 对已收集信息结构化(如图8)；
5) 基于结构化信息按照一定的逻辑和算法进行处理，得出想要的结果(如图9)。
3.3. 监控管理模型的规约
将监控管理模型应用于企业已有信息系统之前，我们需要对模型中若干对象进行进一步的规约定义。
1) 信道
信道是“信息通道”的简称。泛指以某种口径或者角度在某个信息系统之上描述固定资产(设备)承载体系。
多样性——在现实世界中PMS、采集系统、调度系统都能定义为信道。将来可能纳入管理范围的内部物联网、RFID平台、无人机识别平台、车辆和地理信息管理平台、外部资产租赁信息平台、公共固定资产区块链平台等等，也都可以称之为信道。
数据流导向——信道是个数据流导向的概念，一个物理信息平台上也可能被设计多个信道。如ERP实施的时候固定资产模块和项目管理模块并无很好的协同实施，独立性很强。则在处理的时候需将固定资产模块和项目管理模块设定为不同的信道。
自洽性——在一个信道里的所有信息必须是天然充分关联的，不需要信息配对。如有信息无法确定关联性，则需要把这部分信息设立成另外一个新的信道。
连续性——在一个信道里能够稳定的以至少一个维度(第一维度通常是“时间”)进行观察和记录信息。
稳定性——在一个信道里稳定观察数据时，固定资产(设备)的辨识原则是确定的而且不会变化。目的是确保在不同时间点的观察到的信息能够确定志向某个固定资产(设备)。
2) 单位信息
单位信息是指在某个信道中能至少以一个维度(这里一般指“时间”维度)被连续观察到的确定颗粒度的数据。
单位信息中应包含键信息、维度信息、其他被观察信息。其中关键信息用来确定在当前信道中固定资产(设备)唯一性。
3) 配对
配对是指当在不同信道中收集单位信息后，如何按照客观世界的真实情况进行关联。无法实现配对的单位信息是无效单位信息，需明确判定是否是噪音还是数据错误。一个信道中理论上不允许出现无效单位信息。
4) 决策输出
决策部分的输出一般有三种形态数据列示、逻辑判定、未来预测。他们各自的算法要求是不同的。
数据列示(报表，可视化图表)——算法是类似关系型数据库的查询、聚合、排序；
逻辑判定(正确或错误、偏大或偏小、符合或乖离)——需要带无限嵌套的数学计算功能以及与或判断功能的算法能力；
基于可靠数据样本预测(基于数据的概率判断)——需要基于数据为基础的统计和概率算法能力，AI相关的深度学习的算法在数据条件成熟情况下也需要被纳入。
3.4. 监控管理模型的细化
例如，一台发电设备的固定资产数据在完整情况下，在信息系统中是分散于保存5份数据，分别为：数据流、数据库、BI平台、内存网格等等；从业务应用角度来说，可能存在于SAP、ERP、PMS等应用软件中，彼此信息相互分离但本质上存在强联系关系。信道数据根据业务用途的不同分别存放。同样的，不同存放的数据又是同一来源，相互之间存在着关系。我们的监控管理模型需要考虑对信道的兼容性，实现对目前已有的及未来可能会出现的各种信道数据之间的连接。
首先我们要解决的是对每一种信道的产出数据进行建模，在这种异构环境下，就存在着“信道模型设计→信道模型属性配对→信道模型关系构建”的数据模型生产闭环了。
信道模型设计：负责信道模型的设计，不依赖于数据平台，支持协作；
信道模型属性配对：通过数据分析建模的手法，发现多个信道模型属性之间的数学关系，从而建立连接；
信道模型关系构建：多信道模型之间的关系建立统一模型，便于数据处理。
建模工具选择——UML
从电力行业的角度来看，电力行业的固定资产具有数量大、种类多、跨领域、多协同、使用周期长等特点。电力固定资产涉及的底层系统复杂，
UML (United Modeling Language)是一种基于面向对象的可视化建模语言，采用了一组形象化的图形符号作为建模语言，使用这些符号可以形象地描述系统的各个方面，通过建立图形之间的各种关系来描述模型。
UML适用于面向对象的问题解决，而电力行业的固定资产多以物理实体存在，非常契合使用面向对象的f方法来建立信道输出模型，具有天生的优势。下面我们以购买某种特定设备的场景为例进行说明(如图10)。
通过使用UML图建模，可以轻松对单个信道模型，乃至整个流程间关系进行快速建模。
而对于特定的信道模型，我们使用UML的类图来建模，分为三个部分：
· 元属性：信道模型自身的属性Metadata，用于描述模型自身特征；
· 自属性：信道模型数据实体的属性信息，以二维表结构的列字段最为代表；
· 操作：信道模型与其他模型间的交互动作属性，用来阐述匹配勾连的关系。
因此，我们对于信道建立的模型，可以理解为是一个多属性叠加的实体，例如发电机设备包含了购入时间、名称、价格、品牌、使用部门等等这就构成一个含有多个变量的模型，模型中的特征字段为
，我们可以理解为：
· n代表信道模型属性特征的数量；
· θ(i)代表第i个模型属性，可以作为特征矩阵中的第i行，是一个向量(vector)；
· X(i)代表第i个模型属性的具体值。
那么，支持多变量的模型h表示为
：或者可以转化为矩阵：
。
建立信道数据模型是关键的一步，为之后进行数学模型匹配奠定了基础。另外，当信道的数量以及复杂度急速上升的时候，就需要引入固定资产的管理流程来加强资产的生成、使用和退出管理，以及制订数据资产的全局数据资产标识规范。这样有助于实现异构资产的统一注册、统一审计、统一监控的全生命周期管理还可以通过多种手段提升资产管理的安全，防止敏感信息泄露。
统一元数据表
为了满足实物资产分析评价过程中需要分析大量指标的问题，我们设计了一种Metatable的数据模型 [14] ，专门用于解决海量固定资产在复杂多维度之间的定位问题。原理是，使用统一设备ID作为将指标作为数据空间纵轴，不同的业务维度作为数据空间横轴。如果资产个体和业务维度出现交叉，则认为制定的指标在当前维度下有效，其数值为对应的数据源导入表坐标，通过数据行模型、数据列模型和数据表模型，进行多维交叉计算。
一个Bigtable就是一个稀疏、分布式、持久的多维有序映射表(map)，数据通过行键、列键和一个时间戳进行索引，表中的每个数据项都是不作理解的字节数组。
映射：(row: string, column:string, time:int64) -> string
首先我们评估了类似Bigtable这样的系统在电力行业内潜在的使用场景，然后才确定了数据模型。比如：我们想保存大量的固定资产及其相关的元数据，这些数据会被不同的业务职能部门、不同项目团队、不同的系统所使用和维护，彼此之间相互隔离，各自都有这里将这张表称为Metatable。在Metatable中，我们用设备的ID作为行键，业务领域对应作为列键，将ERP表对应内容存储在ERP维度列，并记录上传数据源的时间戳，最终存储布局如图11所示。
图中可以看出，设备ID分别被ERP、SAP、PMS所引用，行索引代表固定资产ID号，列索引代表不同业务维度对应的数据源表位置。因此会有k-v结构的三列值，其中每列一个都有被时间戳来维护有效版本；ERP列有三个版本，时间戳分别为t3、t5和t6。
设Cell为目标单元格，Metatable为当前数据表，index为目标指标，dim 为目标维度值。当矩阵中只有一个与目标维度相关的维度时，其定位方法为：
Cell = metatable. position (index, DIM (dim1, dim2, dim3...))
从而能够定位到一系列的跨领域维度表的set值，进一步系统会根据不同的业务，调用对应API服务解析。
4. 模型在相关场景的具体实现
基于历年的监控实践活动，这个章节将讨论监控机制的总纲、需求以及如何基于上述通用的监控模型去实现。
4.1. 面向实际需求的落地的总纲
将ERP系统固定资产价值信息、设备状态信息相结合，监测固定资产效率评价；关联设备运行数据，是否带负荷监测投运真实性；监测报废流程各环节审批时长，评价各专业协同效率和数据贯通情况。开展电网资产账、设备卡是否对应，数据标准是否统一，业务是否贯通。于历年的实践，可知业务数据来源众多，从数据源到最终形成的资产新增、退出评价指标体系，海量数据要经过多层次的重组与整合运算，其跨系统关联设备资产数据，系统间的主数据关联性较弱，需要按照一定规则重新梳理关系。通过基础数据采集、抽取，汇总设备资产新增、运维、处置环节的原始数据、状态数据、费用数据和时间数据，监控业务过程，统筹资产数据资源，科学合理应用前端业务部门形成的业务数据，客观评价资产各阶段运行状态。
最终目标是以资产全寿命周期价值管理为抓手，落地通用的监控模型，以期能够支撑完整的指标体系结构和监控要求。
4.2. 需求的归集和抽象
在电网企业固定资产全生命周期管理中，“资产新增”、“在线运营”、“资产报废”是贯穿整个固定资产管理全生命周期的最主要的三个领域。如三个领域的如果已经有了较为成熟监控管理模式和模型，则整个固定资产管理其他领域都可以复用。
因此本文所阐述的资产实时监测模型将针对这三个领域进行讨论，以求得出可以推广的结论性方案。
业务面需求按照三个阶段的归集以及对应的基础数据的来源分析(如图12)。
Figure 12. Operation requirement and corresponding data source
图12. 业务需求及数据来源
资产精益评价指标体系最终落地的界面设想如图13。
4.3. 主要指标的具象
4.3.1. 资产新增环节
在投运环节主要监测新增设备投运有效性、已转资设备规范性监测、超期未转资设备监测、资产价值合理性监测、以及更细颗粒度的设备BOM的价值、流转和运营情况。需要对已完成转资的设备进行监测，分析其转资结果是否规范。依据固定资产管理办法，通过对不同设备类型定义设备帐卡物对应标准，形成计算公式，统计不符合标准的设备清单，并支持按单位按类型展示，同时跟据业务特点提供处置建议。
Figure 13. Imagination of asset evaluation index system
图13. 资产精益评价指标体系最终落地的界面设想
1) 已转资设备评价子模型
在已转资设备评价此类场景中，通过关联用采系统、调度系统，关联出当年新增已转资设备的实际使用情况。并且对转资过程的规范性、完整性，设备资产两端数据的原子性成都进行评估，确保转资过程准确有效。
2) 超期未转资设备监测子模型
在超期未转资设备监测此类场景中，我们首先根据“预算项目执行明细表”中数据抽取日期抓取当前月份的所有预算项目执行明细数据，依据项目编码获取ERP系统该部分项目的转资情况表。接着依据ERP系统的项目转资情况表中的资产卡片号，获取关联ERP系统中该单位的资产明细表。依据ERP系统中该单位的资产明细表专业系统编号，获取PMS生产管理系统台账。建立项目、资产、台账、营销系统、用采系统中间表。如果数据表相同字段值不一致或无法获取到则为问题。对比判断项目转资不及时对应的数据异常。
3) 资产价值合理性子模型
在资产价值合理性场景中，我们分别从ERP，PMIS，SAP等信道抽取数据源，使用统一资产模型进行必要整合，图14具体阐明了操作流程：
如图所示，使用统一资产新增流程模型可以实现多种场景下子模型的统一，归功于UML类图的优秀设计，本质上是一子类继承和工厂设计模式的使用。在不同的场景需求下，元模型可以实例化为对应场景的正确模型。实例化后的模型并不是单一的二维表结构，我们按照数据表范式结合实际情况解耦为适当的拓扑结构。
另外一个至关重要的点是复杂信道模型与元模型的匹配过程，在此案例中，我们根据业务知识以及对应的应用系统(ERP、SAP、PMS等)规约可以轻松地完成变量匹配。例如元模型的ERP设备编号–ERP信道模型的设备编号、元模型的SAP资产编码–SAP信道模型的资产编码等。另外一些比较模糊的配对我们可以使用统计学经典的皮尔逊、斯皮尔曼相关系数等算法模型来求解变量字段间的数学相关性，再通过实际验证完成匹配。
Figure 14. Operation process of asset value rationality model
图14. 资产价值合理性子模型操作流程
4) 设备BOM检测子模型
在设备BOM检测这种场景中，首先分别从ERP盘点清单、采集系统、调用系统、ERP设备资产表等一系列信道中拉取所需物料集合作为信道源模型，因为存在着三码合一规范，即人为定义的BOM规范，用来形成设备，所以模型之间互相持有编码可以相互追溯。随后经过工作流审批、确认过程、分摊过账、最终同步等一系列动作，完成从物料到设备资产的完整流程。
虽然设备BOM的产品结构会有很多的层次，但在我们以单层的方式记录，只需维护父项和子项之间的关系，再经过串联，即可得到多阶层关系的产品结构，在我们设计模型中，通过添加父类、子类ID进行勾连，上一层结构的子项，在下一层结构中变成了父项。首先我们需要收集设备卡片的字段属性，将其载入到统一资产模型中，其中关键的3个字段：父类、子类、当前阶段3个字段是使统一资产模型能够承载BOM结构的关键。
4.3.2 资产报废环节
开展电网资产报废流程效率监测，分析固定资产报废流程各环节时长、跨专业协同和数据贯通情况，评价流程效率和工作质量。通过报废审批日志表，分析报废流程各节点审批时长，从而分析跨专业协调和数据贯通情况。关联设备运行数据和健康状况，分析固定资产处置的总体规模、报废原因。
通过设计资产退役、报废评价模型，对长期非在运资产情况、逾龄资产情况、退役设备平均寿命、报废资产损失情况等维度进行量化。通过报废资产价值成新率、固定资产报废及时率、资产报废业务规范执行率等指标，全面反映资产报废申请、审批流程等相关工作，实现对资产退出阶段的有力管控,为资产处置审批、监督和残值评估、回收提供了决策参考依据。按照所属专业系统和省、市、县、等维度，全方面统计汇总报废、退役设备的数量、规模、价值，通过图形、报表等形式进行跟踪和查验。并为进一步决策做好数据准备。
1) 报废综合统计子模型
在报废综合统计场景内，主要统计在报废全流程监控中，处于不同流程阶段的子模型，如审批负责人、处置方式、报废日期、报废原因等，便于综合监控与统计。从ERP数据信道中抽取载入报废全流程模型，并且在ERP中遵循完善的设备报废审批流程即可。
2) 报废全流程监控子模型
在报废全流程监控场景中，我们分别从ERP，PMIS，SAP等信道抽取数据源，使用统一资产模型进行必要整合，下图(图15)具体阐明了操作流程：
Figure 15. Operation process of whole disposal process monitoring model
图15. 报废全流程监控子模型操作流程
如图所示，报废全流程相比新增资产的元模型主要区别在于输入的信道模型数量与类型的差异，我们只需选择对应的对匹配组合以及正确匹配方法即可。本例的复杂信道模型与元模型的匹配过程，在此案例中，我们根据业务知识以及对应的应用系统ERP、PMS规约可以轻松地完成变量匹配。因为报废与折旧的相关属性字段都具有比较明确的业务概念区别，这就便于匹配的完成。
4.3.3. 在线运营环节
固定资产账、卡的数据融合研究和关联监测。分析帐卡对应工作需求，建立帐卡对应率指标分析模型，通过对设备资产状态一致率、帐卡对应率、资产信息完整率、资产价值有效率等相关指标。立足系统关联情况，开展电网资产主要设备的资产账、设备卡是否对应，数据标准是否统一，业务是否贯通，便于公司有效掌握固定资产资源类别、数量、原值、折旧、投运年限，为有效资产分析奠定数据基础。
1) 资产设备关系不对应子模型
在设备关系不对应场景中，我们从ERP信道抽取数据源，使用统一资产模型进行必要整合，下图具体阐明了操作流程(如图16)。
Figure 16. Operation process of inequivalent asset relationship model
图16. 资产设备关系不对应子模型操作流程
如图所示，规范性元模型相比前两者元模型就更为简单，只存在ERP一个信道模型输入，但是也要避免耦合过紧带来的强壮型差的问题，所以我们在元模型上设计了诸多的冗余字段来预留浮动空间和拓展性。本例的复杂信道模型与元模型的匹配过程，在此案例中，我们根据业务知识以及对应的应用系统ERP可以轻松地完成变量匹配。
2) 资产设备信息不一致子模型
在资产设备信息不一致场景中，我们针对设备资产已对应的台账，根据数据表中的项目编码查找资产卡片中的WBS元素，筛选出两者一致的资产卡片。再依据资产卡片的专业系统编号查找PMS设备台账中的设备编码，筛选出两者一致的设备台账。根据获得的设备资产项目清单提取关键字段，如设备卡片上的设备名称，资产卡片上的单位、设备类型、使用保管部门、实物管理部门、设备状态信息等字段。整合字段到一张二维表中，比对项目名称中的线路名称、设备关键字与PMS台账中的线路名称与设备名称不一致等问题。
3) 资产卡片价值异常子模型
在检测资产卡片价值异常场景中，我们首先抽取PMS数据源，因为是单一数据源，我们可使用图12直接进行导入资产卡片数据模型，并添加触发器来判断条件以检测价值异常现象，例如资产价值字段出现0值、空值、负值等异动数据，设备增资后的原值不符合实际情况，或者同类型、同型号、同投运年限的设备资产价值差异较大等。流程清晰，判断条件明确。
4) 设备超期未同步子模型
在设备超期未同步场景中，我们通过PMS2.0系统未同步设备的时间周期，统计超期未同步设备数量，具体超期时限根据业务要求而定，可使用图16直接进行导入设备资产卡片数据模型，添加判断条件以检测超期现象。
4.4. 系统实现的应用架构及讨论
这个时代监控管理的探索必须是以信息化为基础的，所以如何结合这个时代的信息化背景并清晰规范如何实现信息化体系之上的监控管理具有重要实践意义的。图17展示了监控管理系统的基本流程。
Figure 17. Basic work flow of asset monitoring system
图17. 监控管理系统的基本流程
业务架构按照松耦合的理念，切分成三个部分(可视为三个子平台) (如图18)。
Figure 18. Three sub-platform of asset monitoring system
图18. 监控管理系统的三个子平台
1) 信道数据处理子平台
这部分主要解决如何把多口径的信道数据合理有序的获取，并如何获取预先定义的单位信息，以及如何实现单位信息的配对。
此部分需要考虑当信道数据不足，或者配对条件不足时需要手工外部输入的情况。
这个子平台强调源数据完整获取和客观信息完整留存，不做任何业务判断和处理。它包含了以下若干模块：
· 信道信息传输
· 信道信息降噪处理
· 信道信息单位化处理
· 信道信息配对处理
· 信道信息处理日志管理
· 人工补录
· 人工配对处理
· 单位信息配对关系定义
· 单位信息定义
· 信道注册
· 信道格式及对应关系定义
2) 监控数据结构化处理子平台
此部分主要解决原始信道数据如何转换到后面业务决策所需要的结构化数据口径。因为这部分的数据结构会强烈的收到决策端的影响而变得不是那么刚性，从具体建设的角度来说应该以构建数据湖的思路来操作。
这部分的设计理念强调为决策端尽可能准备全面和颗粒度细的数据，让决策端模块尽量少做数据操作。包含以下若干模块：
· 结构化数据处理
· 数据处理日志管理
· 结构化对象定义
· 结构化对象对应关系定义
3) 监控决策及汇报子平台
此部分主要解决如何输出决策信息，包括数据展示(直接)、数据计算(数学+与或计算)、预测(统计、概率和AI计算)。
这部分强调决策输出的便利性、决策定义的灵活性，目标是当有新的监控模型纳入时，如果数据基础满足则应该迅速能配置上线。包含以下模块：
· 监控决策管理驾驶舱(依模型)
· 监控决策管理报表
· 决策逻辑计算
· 决策预测计算
· 计算日志管理
· 计算逻辑定义
· 预算模型定义
· 报表定义
· 管理驾驶舱定义
5. 结论
在新时代电力企业的发展中，对于固定资产的实时监控管理是极为重要的课题。
本文从监控管理的实质出发，建立了监控管理模型的基本框架，对其中所应用的数学模型进行了研究，并结合固定资产全生命周期中的三个重要场景，对实际落地及应用进行了讨论。该监控体系有效整合来自多种信息通道的数据，对大量数据进行逻辑性处理形成结构性数据库，随后根据实际业务需求中的各个场景建立起评估指标及分析模型；考虑了电网企业资产规模大、种类多的特性，并具有灵活可扩展的特点，满足企业未来管理需求。
此监控管理体系将实现企业对电网资产的常态化、实时化、统一化监控，管理层的汇报及决策提供数据与分析基础，大大提升电力企业的固定资产管理水平。