上周去东莞某五金冲压厂做技术交流，厂长拉着我在车间转了三圈，连说三个头疼。一条300万的进口冲压生产线，最近三个月间歇性停机，原厂工程师来了两趟，换了三个传感器还是没解决。停一天亏八万。你算算这账。

为什么现在工业故障诊断越来越难做？

放在十年前，工厂设备故障排查根本不算个事。老师傅带个听音棒，手摸机壳感受温度，就能把八成故障找出来。现在呢？设备越来越集成，机电液气拧在一块，很多故障都是隐性的，不等到停机根本看不出异常。很多工厂现在面临技术断层，老师傅退了，年轻工程师只会看DCS报警，报警说哪坏就换哪，经常把原因当结果修，越修越坏。 工业冲压线主轴故障诊断现场检测图 问：我们厂去年刚上了预测性维护系统，为什么连间歇性的隐性故障都抓不住？ 答：太多工厂踩这个坑了。花大价钱买了系统装了一堆传感器，转头就忘了做基准数据采集。设备新机出厂的原始振动、温度、载荷曲线你没存，拿什么比对当前数据的异常？还有不少传感器装错位置，测主轴轴承振动，你把传感器装在厚钢板机脚上，振动信号衰减了70%，数据本身就是错的，再顶尖的AI算法也出不了正确结果。 还有一个现状，就是现在设备的非平稳故障越来越多，比如载荷变、转速变，不是那种恒定工况的故障，传统的频谱分析很容易漏判，这也对现在的故障诊断方法提出了新要求。

绝大多数工厂都踩过的故障诊断误区

我干这行十五年，见过的奇葩误诊能攒一本厚厚的案例集。挑两个最常见的说说。 第一个误区：只盯着报警数据找根因。上个月佛山某水泥厂，窑尾引风机跳停，DCS弹出报警说“轴承温度过高”，维修班长想都不想，直接订了进口轴承换上，开机三天又跳停。损失快二十万。最后拆开来查，原来是轴承的冷却水管被水垢堵死了，温度高是结果，不是原因。说白了，这就是懒得动脑子，只会跟着报警走。 第二个误区：过度迷信AI，全盘否定人工经验。说实话，现在市面上很多AI故障诊断模型，训练数据都是来自实验室的公开数据集，你工厂现场油烟大、电压波动、地基沉降，这些干扰工况实验室根本没有，模型到了你这就变成瞎子。上个月有个苏州的工厂，AI说轴承磨损要换，老师傅去敲了敲联轴器，说“这是不对中，不是轴承坏”，一校准，好了，省下两万多块配件钱。 工业风机故障诊断频谱对比分析图 问：我们是中小工厂，一年保养预算才十几万，没钱上AI故障诊断系统，那我们该怎么做？ 答：故障诊断从来不是有钱人的游戏。把三件基础事做好，就能解决八成常见问题。第一，给每台核心设备建全生命周期运行日志，每次小修、换件、异常停机都记清楚，时间长了就是专属于你工厂的故障库；第二，花三五千块买个靠谱的手持振动测温仪，每周定点定人测一次，记录数值，只要这次测的比上次偏差超过20%，基本就能锁定问题；第三，把厂里干了十年以上的老维修伺候好，多给点岗位津贴，让他愿意把经验传下来，这活比十万块的系统管用多了。

2024年故障诊断的落地新趋势

2024年故障诊断的落地新趋势 今年跑了二十多家不同规模的工厂，发现不少靠谱的新玩法，不是那种飘在天上的概念，都是能直接落地的。 第一个是轻量边缘故障诊断，原来的云诊断要把所有数据传上去，不仅延迟高，哦不对，原来的云诊断不仅延迟高，还很多工厂担心核心数据泄露。现在很多厂商做了边缘侧的轻量模型，直接装在工厂本地的控制器上，只传异常结果，不传原始数据，成本只有原来云方案的三分之一，中小工厂也用得起。 第二个是数字孪生辅助故障诊断，就是给你的核心设备建一个1:1的数字模型，提前模拟各种故障下的参数变化，新工程师对着模型就能学，不用等出了故障再现场瞎摸。我上个月接触的宁波一家汽配厂，给四条冲压线做了数字孪生，故障定位的平均时间从原来的4小时降到了18分钟，一年省下来的停机损失就有两百多万。 说实话，我一直觉得，故障诊断最核心的本质，不是搞多么高大上的技术，就是帮工厂少停机，多赚钱。太多工厂老板宁愿花几百万买新设备扩产能，不愿意花几万块把故障诊断的体系搭起来，真等到出了大故障，停机一周，亏的钱够投十个诊断体系了。 不过话说回来，这两年行业内卷得厉害，同一个订单，你能稳定供货，他动不动停机交不出货，订单自然就跑到你这来了。能把故障诊断做在前面，本身就是很大的竞争力。 昨天那个东莞的冲压厂厂长给我发微信，说按照我们给的方法，重新测了主轴的对中数据，发现联轴器偏差了12丝，校准之后，半个月没停过机。你看，这就是故障诊断最实在的价值。