上周三凌晨2点，苏州工厂的2200吨冲压线突然跳停。维保组爬上去拆了3个小时，才找到是主传动轴承的滚道有0.12mm的剥落。要是靠原来的阈值报警，等振动值跳到8.5mm/s的停机阈值时，产线已经停了整整47分钟——算下来这一波损失够买半套算法部署系统了。
别拿固定阈值当预判，这是绝大多数人踩的第一个坑
之前我们做设备维保，全靠GB/T 6075.3里给的振动阈值卡数：只要测点振动值超过7.1mm/s，就触发报警。这种方法说穿了就是”事后诸葛”——等你看到数值跳上去的时候，轴承的剥落已经扩展到了会引发刚性冲击的程度，根本留不出足够的维保窗口。
说实话，我之前也觉得这方法没什么问题。直到2021年那次，因为没提前捕捉到振动信号的变化，客户的汽车覆盖件产线停了3个小时，赔了12万的误工违约金，才真的醒过来。
后来我们把那次跳停前72小时的振动数据导出来逐帧看，才发现从剥落刚开始的那一刻起，振动信号的峭度值就已经从正常状态的3.2，慢慢爬到了8.7，而均方根值还稳稳落在3.8mm/s的正常区间里——原来的系统根本不采集这个特征，自然啥也报不出来。
现在很多人一提AI故障预判，就觉得要堆一堆传感器，什么温度、振动、电流、润滑油传感器全装上，数据越多越好。但实际上，你要是抓不住和故障强相关的特征，装再多传感器也是白搭——就像你给一个人装了心率、血压、步数传感器，却不去抓他心电图里的ST段变化，根本预判不了心梗。
别拿公开数据集训的模型往现场硬套，要喂上自己的”现场直觉”
去年有个同行找我吐槽，说花了20万买的商业AI预警系统，装在自己的机加工线上，连续报了半个月的警，拆了好几次什么问题都没找到。我过去看了一眼才明白，那模型是拿西北工业大学公开的轴承失效数据集训的，里面的失效样本全是实验室里人为加速损伤的，和车间里因为润滑不良、负载波动、温度变化慢慢磨出来的故障，特征差了十万八千里。
我们现在做算法训练，根本不拿公开数据集当主力。先把过去10年攒的1200多组轴承、齿轮、液压泵的全周期失效数据，按设备型号、负载区间、环境温度、润滑条件拆成不同的特征子集，再把维保师傅摸了十几年设备攒的经验——比如”主轴轴承温度每小时涨0.5度以上，大概率是润滑膜破了””伺服电机电流波动超过额定值的12%，大概率是丝杠预紧力松了”——全部转成可量化的特征标签，喂给轻量化的时序预测模型。
这里真的要吐槽一下那些脱离现场的算法选型。有人说要用Transformer做时序预测才够先进，结果我们测了一下，同一份数据下，标准Transformer模型在边缘网关的推理延迟是120ms，根本满足不了实时预警的要求；换成轻量化的LSTM加局部注意力机制，延迟只有17ms，准确率还比前者高3个百分点。你说放着好用的不用，非要追那些花里胡哨的模型，图啥？
预警不是越灵敏越好，要算清楚误报的成本账
我见过太多团队做预警系统，一上来就把灵敏度拉到最高，恨不得轴承上掉个铁屑都要报警。结果呢？连续报了十几次误报之后，维保人员直接把报警提醒关了，真出故障的时候反而没人看。
我们之前就踩过这个坑。夏天车间温度从26度升到35度的时候，润滑油粘度下降，整个设备的振动基线值整体抬升了1.2mm/s，算法没做补偿，一天报了17次故障。维保组跑上去拆了好几次，连个剥落的痕迹都没找到，最后都快把我们的系统骂死了。
后来我们给算法加了动态基线校准模块，每15分钟根据当前的环境温度、设备实际负载、实时转速，重新计算一次当前工况下的正常特征区间，而不是拿一个固定的数值卡全年。调整完之后，系统的误报率从之前的32%直接降到了2.1%，完全符合GB/T 33914-2017里对状态监测系统的精度要求。
对了，我们还特意给系统留了一个人工修正的入口。维保人员要是判断报警是误报，直接在系统上点一下就行，算法每周会自动把这些标记的数据加入训练集，迭代一次模型。就这么跑了半年，现在我们这套系统对同类型冲压设备的故障预判准确率能到94.7%，平均提前38小时发现潜在故障——比之前靠人每天两次巡检的效率高了不知道多少。
上周三那次跳停的冲压线，换了新的轴承、装了算法之后，上周二系统提前31小时报了主轴承的早期磨损信号。维保组趁当天晚班换班的2小时窗口，把轴承换了，一点没耽误第二天的生产排程。
算下来，这大半年靠算法少停了19次线，省的钱早就把部署成本赚回来了。
哦对，别想着买个现成的算法套上去就万事大吉。每个工厂的设备老化程度、生产节奏、维保习惯都不一样，你不跟着自己的现场数据磨个大半年，根本出不来效果。
