设备维护大致有三种模式:坏了再修(事后维修)、按周期拆检(定期维护)、按状态判断(预测性维护)。前两种要么停机代价高,要么浪费备件与工时,预测性维护的目标是在故障征兆出现后、功能失效前介入。
但很多项目一上来就谈算法和平台,最后卡在最基础的地方:测什么、装哪里、多少算异常。这篇就按实施顺序讲清。
第一步:不是所有设备都值得上监测
先做设备分级,把资源投在关键设备上。一个实用的分级维度:
- 影响程度:停机是否直接造成整线停产(如主传动、空压机、关键泵)。
- 故障频率与后果:历史上故障是否频繁、是否伴随安全风险或质量风险。
- 备件与修复周期:备件是否长周期采购、修复是否需要厂家到场。
经验做法:先用 ABC 分级筛出 10%~20% 的关键设备做状态监测,其余设备继续按周期维护。覆盖面不是第一目标,把关键设备的非计划停机压下去才是。
第二步:选对监测项
不同故障模式对应不同的物理量,选错了测再多也没用:
- 振动:轴承磨损、不对中、不平衡、齿轮损伤、松动。旋转设备首选,也是预测性维护里应用最广的一项。
- 温度:轴承与绕组过热、润滑不良、冷却失效、电气连接松动。成本低,适合大面积布点。
- 电流/功率:电机负载异常、堵转、效率下降,可从已有电表或变频器读取,无需额外硬件。
- 压力/流量:泵与风机性能衰减、管路堵塞、泄漏。
- 油液与磨损颗粒:大型齿轮箱与液压系统的深度监测,成本较高,通常用于最关键设备。
第三步:传感器怎么装、怎么选
- 测点位置:振动传感器应装在靠近轴承的刚性位置,避免装在罩壳或薄板上;温度测点应贴近发热源并做隔热防护。
- 安装方式:振动传感器优先螺柱或磁座刚性安装,粘接会衰减高频成分,影响早期故障识别。
- 量程与频响:振动按设备转速选频响范围,低速设备需关注低频性能;温度按实际工况留余量。
- 环境适配:高温、潮湿、粉尘、油雾环境要关注防护等级与线缆防护;防爆区域需选本安型产品。
- 信号类型:优先选带标准信号输出或数字接口的传感器,便于接入网关与工控机,避免后期另加转换模块。
第四步:数据怎么处理
采集到的原始数据不能直接判故障,中间要有三步处理:
- 1清洗:剔除跳变与掉线产生的异常点,统一采样率与单位。
- 2特征提取:振动常用有效值、峰值、峭度、频谱特征;温度与电流常用均值、趋势斜率、波动范围。
- 3基线建立:用设备正常运行时段的数据建立个体基线,再与当前值比较。
重要提醒:不要用厂家手册的通用限值直接当告警线。同型号设备在不同负载、不同安装条件下差异很大。正确做法是先跑 2~4 周采集正常数据,建立每台设备的个体基线,再设告警阈值。
第五步:阈值与告警策略
阈值一般设两级或三级,避免"告警风暴"导致运维麻木:
- 注意级:偏离基线一定比例,记入趋势,不推送。用于早期观察。
- 预警级:持续偏离达到设定条件,推送给设备负责人,安排计划性检查。
- 报警级:超过安全或功能限值,立即推送并按预案处置。
告警策略的两个关键点:持续性判定(单点跳变不告警,连续多点超限才告警)和收敛合并(同一设备的相关告警合并成一条工单)。这两点做好了,告警可信度会明显提升。
第六步:闭环,让数据真的产生行动
预测性维护最容易失败的一环是只做看板不做闭环。完整的闭环包括:
- 告警自动生成工单,明确责任人与时限。
- 处理结果回填(确认异常、误报、已处理),用于持续优化阈值。
- 每月复盘告警准确率与漏报情况,反向调整基线与规则。
- 把有效的判据沉淀成该设备的维护标准,纳入日常点检。
分三阶段落地的建议
- 第一阶段(基础):关键旋转设备布温度与振动测点,建立趋势曲线与两级告警,先解决"有没有数据"。
- 第二阶段(分析):接入电流、压力等工艺量,做多参数关联分析,形成单点设备的健康评估。
- 第三阶段(预测):积累足够历史与故障样本后,引入模型做剩余寿命估计与故障类型识别。
常见问题
没有历史故障数据,能做预测性维护吗? 能,但起点是"状态监测"而不是"预测"。先建立正常基线,用相对变化判断异常,这已经能覆盖大部分渐进性故障(如轴承磨损、结垢、堵塞)。故障样本要在使用中逐步积累,等样本足够再引入分类与寿命预测模型。
振动和温度监测哪个优先级更高? 旋转设备的机械故障优先看振动,它对早期轴承与不对中问题更敏感;温度更适合作为覆盖面广、成本低的基础监测项,对润滑不良、冷却失效、电气发热有效。预算有限时,关键设备做振动、一般设备做温度是常见组合。
预测性维护的投资回报怎么衡量? 看三个指标:关键设备非计划停机次数与时长、备件库存周转、紧急抢修工时占比。建议在项目启动前先记录基线值,运行半年后对比,不要只看"上了多少传感器"。