我前两周去南方一个钢铁厂做技术交流，正赶上轧线的主电机烧了，全厂停机18小时，算上产量损失和抢修成本，小两百万打了水漂。 很多人觉得故障诊断是实验室里的花活，是大厂用来装点数字化门面的。真不是。 说白了，故障诊断就是帮工厂在故障刚冒头的时候抓住它，别等养大了搞出毁灭性事故，是真金白银帮你省钱的行当。

为什么现在工厂都抢着做智能故障诊断？

放在十年前，大部分工厂都是坏了再修，也就是事后维修，好一点的做定期预防性维护，到点就拆，不管坏没坏。 你知道这两种方式浪费多少钱吗？ 我三年前给一家水泥厂做技术服务，他们之前规定半年拆一次辊压机轴承，每次拆检要停机三天，人工加配件十几万，拆下来百分之八十的轴承都好好的，纯纯浪费。后来上了在线监测加故障诊断，现在两年多没拆过，只按诊断结果提前换了一次润滑油，省了快一百万。 钢厂轧线主电机在线故障诊断现场布置 问：很多小工厂老板说，我们体量小，赚的都是辛苦钱，买不起几十万的在线监测系统，是不是就做不了故障诊断？ 答：完全不是这么回事。谁逼着你一开始就上全厂区的在线系统了？现在几千块到几万块的手持振动分析仪满大街都是，找两个巡检工培训两三天，每周测一次风机、电机、泵这些核心设备的关键点就行。90%的旋转机械常见故障——不平衡、不对中、轴承磨损、齿轮断齿，提前两三个月就能从振动数据里看出端倪，足够给你留出来安排计划停机的时间，投入不到一套全在线系统的十分之一，先跑起来用起来再说，比什么都不做强一百倍。 问：现在到处都在说AI故障诊断，是不是以后人工就没用了？ 答：开玩笑！我上个月刚处理完一个乌龙，某厂花大价钱上的AI故障诊断系统，凌晨三点发了一级告警说高压电机轴承抱死，客户吓的连夜组织人停线拆检，结果拆下来一看，轴承好好的，就是传感器进了灰，接线松动了，最后还是干了三十年的老工程师对着频谱图一眼就看出是干扰信号，白扔了十几万的停机损失。现在AI的作用是帮你筛海量数据，把异常从正常数据里挑出来，真要定结论、拍板，还是得结合现场工况的人工判断。AI是工具，不是替代你的。

一线做故障诊断最常踩的三个坑

❗ 坑一：只看数据不看现场工况 很多新手拿了数据就直接对着模型套，根本不去现场看设备实际运行情况。去年有个热电厂找我，说他们给冷却塔供水的离心泵一直振动超标，AI诊断说是转子不平衡，要换转子，一根转子小十万呢。我去了之后第一句话问，最近进水水质有没有变？他们才想起来，上个月上游河水里泥沙量暴涨，进水没过滤干净，泥沙挂在叶轮上，当然不平衡。最后停下来冲了十分钟叶轮，数据直接回到合格范围，一分钱没花就解决了。 ❗ 坑二：传感器安装位置错了 我敢说，90%的中小工厂第一次装传感器都装错。测轴承故障，你得把传感器装在轴承座的刚性面上，很多人图方便，粘在机壳的铁皮上，或者隔了一层减震垫，设备真正的故障特征全被滤掉了，测出来的数据飘的跟过山车一样，你说能诊断对吗？ ❗ 坑三：过度诊断 稍微有点异常就喊着停修，这是最坑的。很多故障是早期劣化，只要趋势不涨，振动值不超过阈值，完全可以带着故障继续运行，等到下个月计划检修的时候再处理，没必要一上来就紧急停机，你停一小时的损失可能比换个轴承的钱都多。 旋转机械轴承故障诊断振动频谱对比图

2024年故障诊断的最新落地玩法

2024年故障诊断的最新落地玩法 说实话，这两年故障诊断的落地逻辑变了，不再追求那种大厂才玩得起的全栈自研，越来越务实。 现在最火的就是人机协同故障诊断，把老工程师几十年攒的故障特征提炼出来，做成经验库，AI先把每天采集的十几万条数据扫一遍，把异常数据挑出来，再自动匹配经验库给出故障概率，最后工程师只需要复核那几个异常就行，效率比纯人工高十倍，准确率比纯AI高好几个百分点。 还有就是通用设备的预制模型，现在你买电机、水泵、风机这些标准设备，很多厂商出厂就带预制好的故障诊断模型，你只要接上传感器就能用，不用自己花几十万花一两年训练模型，对于中小工厂太友好了，拿来就能用，用了就能省钱。 不过话说回来，我见过太多工厂花了大几百万上故障诊断系统，最后放那落灰，原因只有一个：太追求高大上，搞一堆满是动态效果的大屏，好看不好用，根本不解决现场实际问题。故障诊断的核心，就是能准确找对问题，能帮你减少非计划停机，别的都是虚的。 干工业这么多年，我最大的感受就是，故障诊断这东西，平时看不出用处，等你真需要它的时候，就是救命的。很多老板总抱着侥幸心理，说我这设备用了十年都没事，没必要花那钱，真等主电机烧了、轧辊断了，那点小钱早就赚回来了，哭都来不及。