数控机床健康管理：非计划停机下降 35%
设备报警往往是"已经坏了"。这个项目用主轴电流与振动信号做退化趋势建模，在故障发生前给出分级预警，并把预警直接推到维修工单——目标是把被动抢修变成计划检修。
高端装备制造信号采集 + 退化建模6 个月验证
01 / 问题
抢修的成本，不只是维修费
数控机床的非计划停机，损失主要在两头：一是停机本身占用的产能，二是为了赶交期而做的紧急调度——插单、加班、甚至外协。客户当时的情况是：
- 报警依赖操作工听声音、看铁屑，早期征兆识别不出来；
- 备件采购被动，关键轴承经常等货；
- 维修记录是纸质的，同一台设备反复出同类问题，没人做归纳。
客户最初想做的是"故障诊断"——坏了以后快速定位。我们把目标改成了"退化预测"：在还能正常加工的时候，提前 1-3 周知道该安排检修了。
02 / 方案
从信号到工单
选信号
不追求全量采集。主轴电流与振动足以覆盖大部分刀具磨损与轴承退化；采样频率按加工节拍定，避免数据量失控。
建基线
按设备型号、加工材料、工序分别建立健康基线——同一台机床车钢件和铝件，正常振动水平完全不同，混在一起建模必然误报。
分级预警
把退化程度分成三级：关注、建议检修、立即停机。分级的意义在于让维修班组能排优先级，而不是一报警就全员紧张。
工单联动
预警自动生成维修工单草稿，附上趋势曲线与建议动作；维修结果回填后作为标注数据，用于下一轮校准。
03 / 结果
结果与口径
| 指标 | 变化 | 口径 | 前提条件 |
|---|---|---|---|
| 非计划停机 | 下降 35% | 统计周期 6 个月，对比项目前同期 | 有主轴电流或振动采集 |
| 备件准备 | 从被动等货变为提前申领 | 以关键备件平均到货周期内可完成申领计 | 预警提前量 ≥1 周 |
35% 这个数字里，有一部分来自"预警"，也有一部分来自"因为有了数据，维修班组开始按计划排检修"。后者其实是管理收益，不该全算在算法头上。
04 / 边界
什么情况下做不了
- 没有采集条件。老旧设备没有电流或振动信号，加装传感器要停线改造，需要单独评估投入产出。
- 故障样本极少。一年坏两次的设备，模型学不到退化模式，更适合做定期保养而非预测。
- 工况变化剧烈。一机多用、频繁换型，基线一直在漂移，误报率会很高。
这三点我们在评估阶段就会说清楚——预测性维护不是每台设备都值得做，先挑停机损失最大的那几台。
FAQ
常见问题
预测性维护一定要加装传感器吗？
不一定。如果设备本身能输出主轴电流、负载率这类信号，可以直接取；没有的话才需要考虑加装振动或温度传感器。加装涉及停线改造，要单独算投入产出。
预警提前多久才有意义？
取决于备件到货周期和检修排期。一般提前 1-3 周比较实用——太短来不及备件，太长则不确定性增加、误报代价变大。
会不会误报很多，维修班组不用了？
这是这类项目最常见的失败原因。我们的做法是分级预警 + 按设备型号分别建基线，把误报控制在可接受范围；上线初期只推"建议检修"以上级别，避免噪音淹没信任。
扫码加企业微信