设备维护：先从维修记录开始，而不是先上传感器

预测性维护，指的是根据设备状态数据与历史维修记录，在故障发生前给出维护与备件准备的建议。它常被理解成一个纯算法问题，但实际项目里卡住的几乎都是数据问题：同一台设备在不同系统里编号不同，一次故障记录只有一句「有异响」

先有数据，再谈模型

在数据还没对齐之前引入模型，通常得到的是一个看起来能跑的演示，而不是能指导生产的建议。需要先确认三件事：

• 设备身份唯一：同一台设备在台账、工单、点检表里是同一个编号，换件与改造历史可追溯。
• 故障可归类：历史记录里的现象描述能归成有限几类，而不是几百种各不相同的说法。
• 时间可对齐：维修时间、停机时长与运行记录能放在同一条时间轴上，这是判断前后关系的前提。

三类可用的信号

• 维修工单：故障现象、更换件、停机时长 —— 这是最容易拿到也最常被忽略的一类。
• 点检与巡检记录：定期人工检查留下的观察值，颗粒度粗但覆盖全。
• 设备自带数据：运行时长、报警日志、可读取的温度与电流等，不需要额外加装即有。

这三类的共同优势是不必先加装硬件。很多工厂其实已经具备足够的信号，只是散落在多个系统里没有关联起来。等到这三类用起来、发现确实存在信号盲区，再考虑增加采集点，投入会更有依据。

落地顺序

• 统一设备台账与编号，把换件与改造历史补上。
• 整理历史工单，把故障现象归成有限的几类。
• 挑几台关键设备，看哪些信号在故障前一段时间有可见变化。
• 先做人工可复核的提醒规则，跑一段时间后再评估是否需要模型介入。

它的边界

这类系统不能预测所有故障，尤其是突发性损坏与外部因素导致的停机。它也不替代点检与保养计划 —— 定期保养解决的是已知的磨损规律，两者是互补关系。提醒的作用是给排产与备件准备提供输入，是否停机、何时停机仍由生产负责人判断，系统不直接下指令。

与备件、排产的关系

维护建议真正的价值往往不在维修本身，而在它提前多久能让人做两件事：把备件订回来、把生产计划挪开。因此提醒的提前量要与采购周期和排产周期匹配 —— 提前太少的提醒等于事后通知，提前太多又会造成过度备件与不必要的停机。这个提前量需要在运行中逐步校准。

验收口径

• 每条提醒都能说清它依据的是哪几类信号。
• 提醒后被证实为真与误报的比例有记录，可以被复核。
• 设备身份的对应关系在多个系统间一致。
• 生产侧能在不停机的前提下，用提醒调整备件与计划。