摘要：国内多数离散制造工厂的产线故障分析，至今仍依赖老师傅的个人经验，根因定位慢、重复故障频发，每年造成的停机损失超过维护成本的三倍。本文结合多个落地项目的实际经验，讲清产线停机故障根因分析系统的设计要点和常见踩坑，给准备落地的中级工程师做参考。
上个月去东莞一家汽车零部件冲压厂做现场调试，赶上开线8小时停了3次。维修班四个人转得满头汗，最后换了三个接近开关花了两万多，结果一周后同个位置又停了。拆下来一看，所有传感器的探针都被腐蚀出了小坑——原来压空站的干燥机坏了半个月没人发现，压缩空气含水量超标，整批传感器都报废了。
这种事儿，你肯定也见过。
为什么传统根因分析撑不住现在的柔性产线
早年的固定产线，产品几年换一次，故障来来去去就那几种，老师傅记在脑子里足够用。现在的柔性产线，一周换两三次产品，十几个工位联动，任何一个小偏差都会连锁触发下游报警，你看到的报警永远是表面问题，真正的根因躲在三五步之外。
我前年碰过一个3C屏幕组装线的案子，报警一直弹后段伺服过载，前后换了三个伺服还是烧模块，整个线停了三天，损失快十万。最后拆了上工位的定位治具量尺寸，发现治具定位块磨损了0.2毫米，组装的时候工件偏位卡料，直接把后段伺服的电流拖到过载阈值。
传统5Why分析法，说起来简单。做起来呢？新人不敢多问，老师傅懒得记，每次写完故障报告就是锁进档案柜，下次出问题还是从头摸。
不少工厂早就上了MES，存了好几年的报警数据。说实话，那堆数据就是给老板做OEE报表用的，真要挖根因，半毛钱用都没有——数据是散的，报警记录和维修工单不关联，设备的实时温度电流也没存，你翻一百条记录也找不到磨损和过载的关联。
产线停机故障根因分析系统的核心设计要点
很多人做这个系统，上来就喊着要上大模型，要全量数据采集。纯扯淡。中小工厂哪来那么多标注好的故障数据？预算也撑不住。我们做了五六个项目，总结下来，落地的核心就是四个字：分层适配，轻量推理。
第一是数据分层存储，这个是基础。我们遵循ISO 14224工业设备故障数据分类规范，把数据分成三层，分别存：设备状态层（振动、温度、电流、电压这些实时数据，关键运动轴采样频率不低于1kHz，普通点位10Hz足够）、报警事件层（PLC报警码、HMI操作记录、换模换产时间点）、维护工单层（更换零件编号、维修内容、停机时长）。
这里踩过一个大坑，最早做第一个项目的时候，图省事把所有数据都存在MySQL里，不到三个月，三年历史数据的查询就卡成PPT，存储成本超了预算三倍。后来改了架构：实时时序数据存InfluxDB，事件和工单数据存MySQL，一年以上的冷数据归档到对象存储，改完之后，存储成本降了七成，查询速度提了十倍。
第二是推理模型不用追新潮，混合架构最实用。我们现在用的是故障树+贝叶斯网络的混合推理：先把产线常见的故障路径预做成故障树，再用历史故障数据训练贝叶斯网络得到不同故障节点的关联概率。遇到新的停机报警，先匹配历史同报警的案例，排序出概率最高的三个根因，再沿着故障树倒推验证，整个推理过程不超过5秒，准确率稳定在92%以上，成本只有纯大模型方案的十分之一都不到。
哦对，千万不要把根因定死，只给工程师一个结果。一定要输出三个最可能的选项，带概率排序。设备跑个三五年，什么奇葩故障都有，系统是辅助人，不是替人做决定，对吧？
第三是对接要妥协，不要搞一刀切替换。绝大多数工厂已经有SCADA、MES了，你让人家换掉重构，老板绝对不会批预算。做个标准的OPC UA适配器就够了，现在新出的工业设备基本都支持OPC UA协议，老设备加个边缘网关采集数据也就几千块钱，改改接口就能用，投入小，上线快。
上线后容易踩的几个隐形坑
系统上线不是结束，好多项目死在上线后的半年里，都是踩了这些坑。
第一个坑，数据标注准确率太低。维修师傅填工单，图省事，十个有八个写“设备故障”，不写具体换了啥，根因是什么，喂给模型的数据全是错的，推理出来的结果能对才怪。我们现在有个小方法，上线前给维修班做两天培训，然后加个激励：每填对一张工单，给五块钱，直接发微信红包。就这个小操作，我们做过的项目里，数据准确率平均从32%升到86%，太管用了。
第二个坑，漏了非设备类根因。上个月有个食品包装线的客户找过来，说系统一直找不到频繁停机的根因，我翻了一周的数据，发现每天下午三点半到四点的停机次数是其他时间段的三倍。哦，原来工人要提前换衣服赶班车下班，故意卡料触发停线。这种人为因素，系统能抓到时间规律，但是不会往这个方向想，所以系统一定要留人工自定义根因分类的入口，把这类管理类、人为类的根因也加进去，下次再出类似情况，系统就会主动提醒。
第三个坑，上线之后就不迭代。产线换产品、改工艺、磨损耗，半年之后故障分布全变了，模型还是老的，准确率不出半年就掉到60%以下，没人用了。所以一定要把季度模型更新写进维护SOP，每个季度把新的故障数据喂进去更新概率，花不了大半天功夫，就能一直保持准确率。
说白了，产线停机故障根因分析系统不是什么高大上的黑科技，就是把工厂过去浪费的故障数据攒起来，用起来。一条年产百万件的组装线，平均每个月少停8小时，一年下来就是一两百万的增量收益，投入才几十万。算过这笔账的老板，都不会拒绝。
