预测性维护只在失效模式真正可预测的地方才划算

事后维修、预防性维护、状态维修与预测性维护的对比

成本进入讨论之前，先要谈后果。凡是失效会带来安全或环境后果的，凡是受法定检验约束的——压力容器与压力管道、起重设备、防护装置与联锁、机械制动器、安全仪表功能的检验测试周期——都不在这套分析的范围内，无论经济账怎么算，都按周期做。

剩下的才是普通的那一大批设备。事后维修就是用到坏为止，对那些失效代价很低、备件就在货架上、坏了也不会停产的设备，这是正当选择。错的不是厂里有事后维修的设备，而是有些设备从来没人做过这个选择。

按日历或按计数器做的预防性维护，不看状态就更换零件，除了一套能按策略排计划的 CMMS 之外不需要任何仪表。有两笔成本从来没人算：那些本来还好好的零件被扔掉的剩余寿命，以及每一次拆装都可能引入的新故障——复装时被划伤的密封、混进轴承里的污染物。对一台随机失效的设备提高预防性维护频次，只会让可用率更差；以可靠性为中心的维修（RCM）背后那些航空可靠性研究发现，大多数失效模式根本不呈现与使用年限相关的耗损特征。

状态维修先测量，再按阈值动手：每月按点检路线采一次振动，每季度做一次红外热成像普查，每个油池取一次油样，里面没有任何模型。它的成本是一个受过训练的人的时间加一台仪器，却能交付人们归到预测性维护名下的大部分价值；对很多工厂来说，这就是终点，而不是通向别处的跳板。

预测性维护在此之上加的是连续测量和一个向前的外推——把趋势外推到阈值，或者估计剩余使用寿命（RUL）——再加上仪表和一个专门养模型的人。这更多是覆盖面和采集频次上的收益，而不是洞察力上的收益；当一台设备需要在两次点检之间就得到预警，或者设备多到走不过来的时候，它才值这个钱。

预测性维护能看见什么，看不见什么

一个失效模式可预测，需要它渐进劣化、劣化过程中向外发出某种可测量的东西，而且这段时间长到够你动手。以可靠性为中心的维修把这段叫 P-F 间隔：从失效变得可被发现的那一刻，到设备无法再完成它的功能那一刻。

有一类失效在问题被问出来之前就把它否掉了。保护装置——安全阀、跳闸保护、备用泵、联锁——具有隐蔽功能：它的失效什么也不发出，因为在它所防范的那件事到来之前，没有任何东西依赖它。你没办法对一个根本没在运行的功能做状态监测，所以你只能做检验测试，测试周期由被保护失效的发生率和你愿意承担的风险推出来，并且把结果记下来。

表现好的那些模式，大多是机械的，而且大多是旋转的。滚动轴承剥落产生的冲击，其特征频率由轴承几何和转速决定；剥落的扩展过程，在一套润滑良好、转速和载荷都适中的轴承上通常要经历数周到数月，而一旦失去润滑，或者处在高转速和过载下，就只剩几天甚至更短。监测间隔要按可信的最短 P-F 间隔来定，不是按典型值。齿轮磨损和点蚀的发展过程类似；不对中和不平衡本身很少表现为失效，却会把周围的东西毁掉，而且远远提前就看得见。皮带磨损、泵汽蚀、密封泄漏、换热器结垢，以及工艺信号会随刀具变化的刀具磨损，也都属于这一类。

其余大部分表现都不好。逻辑板、I/O 卡件和大多数开关量传感器，失效前没有任何渐变前兆，故障率接近随机。操作损伤、碰撞、换型失误和原材料里的污染物是事件而不是过程，控制故障也不会在振动频谱里留下任何东西。有些机械失效的 P-F 间隔以秒计：紧固件断裂、突然过载。

电气方面的例外值得点名，因为电气类项目正是在这些地方才划得来。直流母线和开关电源里的电解电容会随温度渐进干涸，并反映在容值、等效串联电阻（ESR）或母线纹波上，这也是变频器厂商会公布更换周期的原因。多数现代变频器本身已经在记录散热器温度和风扇状态的趋势。电机绝缘的劣化方式，是绝缘电阻、极化指数和局部放电趋势追得住的。拖链和机器人管线包里的高柔性电缆按弯曲次数定寿命，这让它成为一个工作单元里最适合排进计划的项目之一。

有人能描述出征兆，是存在可用 P-F 间隔的有力证据：如果一位维修工能说出某个失效提前一周听上去是什么动静，仪器一定能更早看见它。反过来，说不出征兆则是弱得多的证据，因为人的感知范围很窄。没人听得见 40 kHz，没人能在总值还没动之前感觉到包络分析提取出的那些冲击，也没人会注意到百分之二的扭矩漂移。凡是描述不出征兆的地方，先问一句这个模式是不是把能量放在了人的感知范围之外——超声、高频振动、缓慢的工艺漂移——再下没什么可找的结论。

买传感器之前，怎么判断预测性维护会不会奏效

这是一件翻记录的活，不是一件采购的活。把候选设备十二个月的非计划停机全部取出来，逐条归类：渐进机械劣化、润滑、突发机械、电气、控制与软件、操作或换型失误、维修引入、材料、外部供应，每一条都带上停机分钟数和成本。

其中两类是人们最容易漏掉的，也是最可能改变结论的两类。维修引入指的是可追溯到该设备上一次干预的失效；CMMS 里本来就记着停机之前做过什么工作，所以可以事后补编码，而没有这一类，每一个由预防性拆装带进去的故障都会落进突发机械里消失不见。没有润滑这一类，一套被错误油脂或漏做的点检害死的轴承，读起来就是渐进机械劣化，看上去就像一个该买传感器的理由。

然后读这个分布，因为它决定了项目本身。如果钱集中在渐进机械劣化上，预测性维护确实有可做的东西——但在给加速度传感器询价之前，先审两件能直接消除这些失效、而不是预测它们的事。首先是润滑：油品对不对、量对不对、周期对不对、污染控制做没做、加脂是按超声引导还是拿着油枪按日历打。其次是安装精度：激光对中、软脚、管道应力、动平衡。这两件都比监测便宜，而且都在和传感器预算正面抢钱。

如果钱集中在操作损伤和换型失误上，该做的是工装夹具、培训和防错，加速度传感器碰不到这些。如果集中在电子件上，答案主要是货架上的备件、关键工位上的冗余，以及把热量和粉尘挡在电柜外面，至于上面说的那几种渐进例外，把它们排进计划，而不是听天由命。

再做第二个检验：去问那些修复每一种重复性故障的维修工，他们最先注意到的是什么。“大概提前一周开始响”这一句话里，就同时包含了一个 P-F 间隔和一份传感器规格。“它就是突然停了”是弱一些的回答，因为维修工对那些明明在没人看的趋势数据里清清楚楚的失效也这么说；所以把它当成一个去人的感知范围之外找找看的理由，而不是当成判决。

振动、电流、温度、油液和节拍数据各自能看到什么

振动是旋转机械上信息最丰富的信号，因为它的频率是可诊断的，而不只是可报警的。故障特征频率由轴承几何和转速推出来，所以一张频谱能说出是哪个元件坏了，尽管保持架滑差会让真实谱线偏离计算值百分之一二。不平衡出现在转频上，不对中通常在二倍频，齿轮问题在啮合频率上带边频带，而包络类方法能在总值还没动之前，从高频段里把早期轴承冲击提取出来。需要留意的地方同样重要：安装方式决定可用频率范围，变速设备需要阶次跟踪，低转速很难做，而振动对电气和工艺类故障几乎是瞎的。

在你自己还没有基线的时候，ISO 20816-3 的评价区域为其覆盖的功率和转速范围内的一般工业机械，给出了一个站得住脚的速度总值起始阈值。它是一个大致 10 Hz 到 1 kHz 频带内的总体烈度判断，而这个频段恰恰是早期轴承缺陷最后才会动的区域，不是一个轴承缺陷阈值。早期轴承的工作需要自己的基线，或者一个与技术手段配套的限值。

电机电流特征分析（MCSA）在配电柜上测，不在设备上测，所以取一次数据既不需要接近被驱动设备，也不需要停产。安装则是另一回事：固定式电流互感器要装进 MCC 抽屉或变频柜里，这是由有资质的人在弧闪边界内做的作业，通常要办作业票，通常还要停电隔离。预算里要把它算成电气工程，而不是算成一个传感器。

它能把转子断条和偏心看成工频两侧的边频带，而由于电流反映负载，它也能抓住下游明显的机械变化：卡住的输送机、堵塞的叶轮、因磨损而多吃扭矩的刀具。在轴承上它比振动粗；而在变频供电的电机上，经典方法很吃力，因为那些边频带是相对于一个正在变动的供电频率的，而变频器的开关谐波又压在频谱上面。它需要在稳速稳载下采集，即便如此也经常不理想；所以在多数电机由变频器驱动的场合，变频器自己的电流、扭矩和直流母线数据才是更好也更便宜的来源。

温度便宜、可靠，而且晚：一套发烫的轴承已经坏了。它来得早的地方是电气：对配电柜和接线端子做一次红外热成像普查，能在松动的接点烧掉之前找到它们。超声是轴承润滑问题最早的实用指标，也是查漏气和电弧的标准工具。

油液分析报告磨损颗粒的数量和形貌、粘度、水分侵入和添加剂衰减，而由于颗粒能指认出是哪种金属在磨，它们往往也能指认出是哪个零件。它适合齿轮箱、液压系统和压缩机，对密封的脂润滑轴承则毫无用处。取样纪律——同一个取样点、同样的工况、同样的间隔——比化验室更能决定这个项目的价值。

节拍和工艺漂移是最被低估的信号，因为设备本来就在产生它：节拍时间一点点爬升，伺服的跟随误差在变大，液压压力在衰减，扭矩曲线的形状在变，加热器为了维持同一个设定值而占空比越来越高。这些能看到任何外挂传感器都看不到的结垢、磨损和打滑，因为它们测的是设备在干活本身，而不是设备健康的某个替代量。采集它们的成本远低于新上仪表，但也不是零：需要一个地方把数据留在 HMI 的环形缓冲之外，需要设备厂商可能当成商务谈判来对待的标签点权限，还需要把采集周期和死区设置好，别让漂移在进存储的路上就被压平。

预测性维护模型需要多少故障历史

基于物理或规则的做法根本不需要故障历史。由几何推出来的故障特征频率、来自标准的烈度区间、滤芯前后的压差限值、同样负载下相对设备自身正常值的温升：这些都是把工程知识编码进去，而不是向数据伸手。这就是为什么第一次部署通常根本不需要机器学习，也是为什么一份开口就是模型的方案，回答的是你还没提出的那个问题。

异常检测从健康运行中学出正常的运行包络，再对偏离报警。它不需要带标签的失效，但需要足够多的健康数据，覆盖产品、速度、材料批次和班次带来的合理波动。它告诉你有东西变了，不告诉你变的是什么；而且除非把订单、配方、速度和刀具这些上下文附在测量值上，它对一次换型的报警热情，会和对一套正在损坏的轴承一样高。

剩余使用寿命估计需要同一类设备上同一种模式跑到失效的完整样本，而它要的数量是极少工厂拿得出来的：一台一年坏两次的设备，一年产出两个样本，还可能分属两种不同的模式。绕开这个短缺的办法是用广度代替深度：一群名义上相同的泵，今天测一遍，就得到一个可以互相比较的总体，一点历史都不需要。不过离群的那台是候选对象，不是故障：基础刚度、管道应力、吸入条件、工况点和距上次大修的时间，会让健康机器之间拉出两到三倍的差距，所以第一轮筛出来的是要去检查的设备和要去修的安装问题。如果你厂里每种设备只有一台，这条路就是堵的。

完全没有可用故障历史时怎么起步

多数工厂起步时几乎什么都没有，因为过去的失效被记成了一个停机原因加一行自由文本。把第一年设计成去修这件事，而不是假装它不存在。报警之前先打基线：装上、采上，然后在足够多样的生产状态里一路保持沉默，直到搞清楚正常长什么样。在正常还没建立起来之前就开始报警，是一个项目在头一个月就把维修工埋在报警里、之后再也缓不过来的原因。

把任何模型都拿去和你已经有的那些阈值比，让它靠赢过它们来挣到自己的位置。然后让每一条报警都产出一个标签：有人去看、并把看到的东西记下来，记成劣化确认、另一种模式确认、什么也没找到，或者工艺原因。这就是你原本没有的训练数据，而它只有在收尾那一步是一个编码字段的时候，才会积累起来。

误报率，以及维修团队为什么会不再相信报警

每一条报警背后都是一个在漏报和误报之间做权衡的阈值，没有哪个设置能把两者都去掉。这两种错误不对称，但不是那句口号说的那种不对称。一次漏报的代价，因设备而天差地别：在一台备用泵上是件麻烦事，在瓶颈上是一天的产出加上二次损伤和机内在制品的报废，而在任何带安全后果的设备上，它根本不在这张表里。而连着一串误报的代价是固定且彻底的，因为维修工一旦不再点开报警，报警下游的一切就都不存在了。所以要按每台设备自己漏报的代价逐台整定阈值，并且放在一个对整个系统统一生效的误报预算之内。

基础发生率让这件事比直觉难。在连续监测下，误报数量等于误报率乘以检测器的评估次数，而这可能是每台设备每分钟一次；真报警的数量却被设备实际失效的频次封住了，一年至多也就几次。一个评估得这么频繁的检测器，需要一个低到离谱的误报率，真报警才可能多过误报；而准确率对此什么也没说，因为一个从来不报的检测器，几乎在所有时间里都是准确的。所以问供应商的第一个问题不是准确率，而是这套系统在别处每台设备每周产生多少条报警，其中有多大比例在检查后被确认。

然后给报警定预算：定下一位维修工一周能在不挤占计划工作的前提下调查多少条，就照这个数去调。报警要带着证据发出来——趋势曲线、动了的那个频带、可供对比的姊妹设备——并且允许三种处置而不是两种：立刻动手、带复测日期观察，或者带着记录在案的理由关闭。

预测性维护的投资回报：停机成本和 OEE 这笔账

多数商业论证把所有停机时间都按损失的营业收入计价，因而高估了收益，然后在第二年这笔节约在任何一个科目里都看不到的时候露馅。

正确的起点要窄得多：价值等于一次非计划停机与顶替它的那次计划内干预之间的差额，乘以你实际转化掉的次数。一次非计划失效的代价包括零件、加班工时、二次损伤——一套跑到彻底损坏的轴承往往连轴和轴承座一起带走——机内报废的产品、加急运费，以及对排在它后面的一切生产计划的扰动。计划内的那个版本，代价是零件加上你自己挑的窗口里的工时。这个差额才是真正能拿到的那部分收益，它和那段停机的全部成本不是一回事。

损失的那些分钟带不带收入价值，取决于这台设备是不是瓶颈、工厂是不是产能受限。如果这条线就是瓶颈，而且你做多少卖多少，那损失一小时就是永久损失了一小时的边际贡献。如果还有余量，订单会在本周晚些时候补回来，诚实的代价是加班费，不是收入。

OEE 是这些损失变得可见的地方。一次非计划停机直接打在时间开动率上，但也通过重启后的缓慢爬坡打在性能开动率上、通过开机废品打在合格品率上，所以只算时间开动率会低估它。OEE 做不到的是说出损失的一小时值多少钱；只有瓶颈分析能说。然后再减去人工分流报警、以及随着设备和产品变化而维护模型所需要的经常性时间——这是每一份方案都漏掉的那一行，也是决定这套系统到第三年还转不转的那一行。

备件计划：预警时间对上供应商交期

一个预测只有在你能在它给出的预警时间里动手时才有用，这就把它变成了对每一个被监测模式的两个数字的比较：信号的提前量，和零件的交期。一个你有库存的零件提前四周预警，那是一个排产决定。一个交期五个月的齿轮箱提前四周预警，那不是预测，那是倒计时。所以备件这一侧属于第一阶段：分流报警的人应该能看到这个零件是在货架上、压在另一条线上，还是压根就没有；而且工单开出来的时候就该把它预留掉，不是等维修工走到仓库才发现货位是空的。

失效时间不确定，只是安全库存存在的理由之一。供应商交期的波动、最小起订量、运费、老设备上的停产风险，以及一个零件号通常覆盖好几台设备和好几种你并没有监测的模式——这些在信号到来之后统统还在。一个可靠地超过供应商交期的预警，在一台设备上消掉了一条理由，这本身很少足以动一个库存水位。先把预警转化成计划窗口，攒够一年的证据之后再回头动库存水位。

为什么 CMMS 的工单闭环必须闭上

从信号到结果改变，这条链上的环节比任何方案里的那张图都多。一个测量值越过阈值。有人被通知到，而这个人有名字、有班次，不是一个分发列表。他对着证据做分流，决定动手、观察还是关闭。如果动手，就开一张工单，带着填好的疑似模式、预留好的零件和申请的窗口。计划部门批下这个窗口，这意味着生产计划必须把一个维修申请当成一个约束来接收，而不是当成走廊里的一场争论。然后是那一步，一切都押在它上面：维修工把看到的东西记下来，记在一个编码字段里，并且挂在把他叫过去的那条报警上。

这条链断在哪一环，其余的都是装饰。一条落在没人打开的看板上的报警。一张开在对备件一无所知的系统里的工单。每次都靠嘴谈下来的窗口。最伤的是一个把“更换轴承”记成自由文本的完工步骤，因为那句话没法统计、没法跨设备比较，也没法拿去训练任何东西。

一套结构化的故障编码体系，一次约定好、每次都照着用，就是一份维修履历和一堆便条之间的区别。这也是为什么预测性系统替代不了 CMMS：它产出的是一个触发，而 CMMS 把这个触发变成工作、零件、一条记录，以及那些能说明这一切到底有没有用的数字。

一次现实的预测性维护首期实施是什么样子

五到十五台设备，不是一个厂。它们从上面那份十二个月的分类里出来：钱压在渐进机械劣化上的地方、设备卡住产出或者失效会损伤产品的地方，以及维修工已经能描述出预警征兆的地方。

从你已经拥有的数据开始。PLC 本来就在产生的驱动电流、节拍时间、压力和温度，采集成本远低于新上仪表，而且往往直接就把问题回答了——前提是有一个历史数据库把它们留下来，以及读取它们的标签点权限。只在现有信号看不见那个模式的地方才加仪表：确有理由的地方装固定式加速度传感器，其余地方按点检路线用便携采集器采，油池上取油样，再对电柜在代表性负载下做一次红外热成像普查，通过装好的红外观察窗做，或者在带电作业票下做——因为一次在十分之一正常负载下做的普查什么也找不到，还会被当成一份干净的结果归档。

在传感器到货之前就把验收标准写下来，写成一年后还有人看得懂的说法：每台设备每周多少条报警、检查后被确认的比例、实际拿到的预警提前量，以及被转化成计划窗口的非计划停机次数。不是模型准确率，车间里没人能拿它做任何事。

指定一个负责人，在维修这一侧，不在 IT 那一侧，并在六个月时对着上面那些先行指标复盘，因为只有它们会动。滞后指标——避免掉的非计划停机——需要足够多的事件才能不只是噪声；而在十台一年坏几次、其中又只有一部分是按系统盯的那种方式坏的设备上，这个时间远不止一年。在六个月时用非计划停机来评判，正是一套有效的系统被砍掉、一套没用的系统被推广的原因。带着这样的心态去复盘：在某些设备上，一个人加一台仪器按点检路线做状态检查，才是对的答案。那是项目成功，不是项目失败。

维护模块在这里的位置

Meta Smart Factory 的维护管理模块覆盖的正是上面这个闭环里 CMMS 的那一侧：设备台账层级与履历、按时间或计数器排的预防性计划、带编码结论的工单、按工单预留的备件，以及从这些记录里自然落出来、而不是事后重新拼出来的 MTBF、MTTR 和单台设备成本。MES 里采到的停机不用谁重新录一遍就把通知发出来，申请的窗口作为一个排程约束进到 APS 里，而不是靠一通电话，状态数据经由同一套 IIoT 和 OPC UA 连接进来，趋势分析和异常检测则在有了值得用的基线之后，跑在 AI 与机器学习模块里。

顺序比模块清单更重要。把你自己十二个月的失效分类一遍，除了时间不花任何成本，却能决定传感器到底是不是该买的东西；作为第一场对话，它比看着一条报警在别人家的轴承上响起来有用得多。