上个月去珠三角一家汽配加工厂做现场服务，刚进门就看见维修班长蹲在车间角落抽烟，脚边扔了半袋换下来的轴承。三个月换了八次，次次都是轴承坏，换完不出半个月又振得厉害。他说老师傅退休了，新来的小孩只会按流程换件，根本找不到根因。说白了，这就是很多工厂做故障诊断的现状：全靠经验蒙，错了全白干。

为什么大多数中小工厂故障诊断还在靠“经验猜”

不是大家不想升级，是踩过的坑太多。早十几年，工业设备故障全靠听：拿个改锥抵在机壳上，耳朵贴紧听震动，能分出轴承坏还是齿轮坏的，都是厂里镇厂之宝。现在老师傅退得七七八八，年轻工人没人愿意学这套笨功夫。后来有了简易的振动测温仪，能读数了，但还是要对着经验表估，依然是半猜半蒙。 传统工业维修人工听轴承故障现场图 我见过最夸张的一家食品加工厂，为了找灌装机的振动异常，把电机、轴承、联轴器全换了一遍，花了快十万，最后发现就是地脚螺丝松了。你说闹心不闹心？ 问：现在不少工厂都装了振动传感器了，为什么故障还是猜不准？ 答：大部分厂商卖的只是“异常报警”，不是故障诊断。传感器到点就跳预警，只告诉你“振动超标了”，不告诉你哪里超了、是什么故障。阈值设高了，大故障漏了，出了事故没人担得住；设低了，一天误报三五次，工人烦了直接把报警关了，等于白装。还有的数据全攒在云端，等你申请导出找专家分析，设备早停了三四个小时，赶工的订单都飞了。

2024年落地最多的故障诊断玩法：边缘端实时推理

说实话，这两年我见过真正能用的故障诊断，基本都走的边缘侧路线。不再把所有数据一股脑传到云端等计算，而是把训练好的故障诊断模型直接放在车间的边缘控制器里，传感器数据过来，几十毫秒就能出结果。直接推送到维修班的手持终端上：3号铣床主轴轴承，滚动体疲劳，剩余寿命12天，就这么直接。 工业边缘端旋转设备故障诊断系统界面图 去年跟南方某钢厂合作的高线轧机项目，之前每半个月就要停机四个小时人工测振动排查，一年停掉的产能够造两万吨钢筋。装了边缘端在线故障诊断之后，实时监测每一个齿轮、每一个轴承的状态，上个月提前七天预判了主齿轮的早期点蚀，直接安排在年度定修的时候更换，一分钟的非计划停机都没有。算下来，这一次就赚回了三年的投入。 问：我们工厂就二三十台旋转设备，预算不多，上在线故障诊断是不是太奢侈了？ 答：真不是。现在主流的落地方案都做轻了，老设备不用大改造，贴个无线电池供电的振动传感器就能用，两三个工人三天就能装完全厂。收费也大多按点位包月包年，一个关键旋转点位一年服务费也就几千块，还不到你换一次进口轴承的钱，更别说非计划停机一天损失几万块的订单了。不过话说回来，千万别碰那种要你推翻现有MES系统、换全套硬件的方案，那都是抱着数字化名头割韭菜，别理。

故障诊断落地必须避开的三个坑

故障诊断落地必须避开的三个坑 我做工业现场快十五年，见过太多钱打了水漂的项目，总结下来就是三个坑，记好： ❗ 第一个坑：只攒数据不做标注，想靠大数据自己生出模型。很多工厂花了大价钱装了一堆传感器，攒了两三年数据，什么故障对应什么波形全没标，拿什么训练模型？工业现场故障样本本来就少，哪来那么多现成的大数据给你用？没有老师傅把自己的经验标注进去，再多数据也是一堆乱码。 💡 第二个坑：过度迷信AI，完全扔掉人工经验。很多方案上来就说“我们AI完全取代老师傅”，扯呢。工业设备千奇百怪，同一类故障在不同工况下的波形都不一样，很多罕见故障一辈子遇不上一两次，AI根本没样本能学。真正能用的故障诊断，都是AI帮老师傅筛异常，老师傅给AI定规则，两者配合才对。 ✅ 第三个坑：死磕100%准确率，搞错优先级。我碰见过好几个甲方老板，上来就要求模型准确率必须100%，不然不验收。可实际上，故障诊断里，漏报的危害是误报的一百倍。宁愿误报十次，也不能漏掉一次可能烧电机、断轴的大故障。只要能把所有重大故障都提前揪出来，偶尔误报一次，让工人去现场确认下，根本不是事儿。 现在工业圈天天喊数字化转型，故障诊断是最容易落地、最快见效益的方向。别整那些花里胡哨的概念，能帮你少换冤枉零件、少停冤枉工，就是好的故障诊断方案。就这么简单。