业务痛点
拉链厂的设备维护长期处于"坏了再修"的状态。注塑机螺杆磨损会导致注塑压力不稳，表现为链牙尺寸波动；成型机轴承磨损会带来异响与振动，最终导致停机；电镀线的循环泵一旦失效，整槽药水报废。这些故障的共同点是：发生前都有征兆，但没有人持续观察。
- 保养靠日历。无论设备实际负荷如何，一律按月保养，既可能过度保养，也可能错过真正的劣化窗口。
- 备件靠囤积。关键备件不敢不备，但积压资金；非关键备件又常常缺货，维修等件停线。
- 经验靠个人。老师傅听声音就能判断轴承状态，但他退休后这项能力就消失了。
预测性维护的目标不是追求百分之百准确预测，而是把"突发停机"逐步转为"计划检修"，让停机发生在产能富余的时段。
技术方案
建议采用"健康评分 + 规则预警 + 工单闭环"的组合方案，而不是一上来就做复杂的剩余寿命模型。健康评分可以由多个可解释指标加权得到，便于维修人员理解与信任。
| 数据类型 | 采集方式 | 可反映的问题 |
|---|---|---|
| 电流 | 互感器或控制器读取 | 负载异常、机械卡滞、螺杆磨损 |
| 温度 | 红外或接触式传感器 | 加热圈老化、轴承过热、液压油温异常 |
| 振动 | 振动传感器 | 轴承磨损、联轴器偏心、地脚松动 |
| 产量与节拍 | 设备联网数据 | 效率缓慢下降，间接反映劣化 |
| 维修记录 | 工单系统 | 故障频次与备件消耗规律 |
算法上可分三步走：第一步用固定阈值报警，解决最紧急的问题；第二步用统计过程控制观察指标漂移，提前发现缓慢劣化；第三步在积累足够故障样本后，再训练分类或回归模型预测故障概率。
- 基线管理：每台设备建立正常工况基线，按产品与模具区分，避免一刀切阈值。
- 预警分级：分为提示、警告、停机建议三级，对应不同响应时限。
- 闭环记录：每次预警都要记录处理结果，用于评估预警准确率并调整阈值。
实施步骤
- 设备分级：按对生产的影响程度把设备分为 A、B、C 三类，A 类优先接入监测。
- 故障梳理：统计过去一年的故障记录，找出高频故障模式与平均修复时间。
- 监测部署：在 A 类设备上安装必要的传感器，先覆盖电流与温度两类基础信号。
- 阈值设定：结合设备手册与现场经验设定初值，运行一个月后按误报情况调整。
- 工单联动：预警自动生成检修工单，明确责任人、备件与停机窗口。
- 效果评估：跟踪平均无故障间隔、非计划停机时长与备件周转率三项指标。
投入与收益
预测性维护的投入取决于监测点数量与算法复杂度。对多数拉链厂而言，先做重点设备的电流与温度监测，投入相对有限，却能覆盖大部分突发停机原因。
| 指标 | 改善方向 | 说明 |
|---|---|---|
| 非计划停机时长 | 下降 | 故障提前发现，检修可安排在计划窗口 |
| 备件库存 | 下降 | 按实际劣化趋势备货，减少盲目囤积 |
| 设备寿命 | 延长 | 早期处理小问题，避免二次损伤 |
| 维修知识 | 沉淀 | 预警与处理记录形成可复用知识库 |
需要管理好预期：预测性维护不能消除所有故障，它的价值在于把不可控的突发停机转为可控的计划停机。东龙拉链在推进设备健康管理时，先解决"数据有没有"的问题，再谈"预测准不准"。
风险与误区
- 误区一：一开始就做深度学习预测。故障样本不足时模型无法训练，应先做阈值与趋势分析。
- 误区二：只看数据不看现场。传感器异常与工艺变更都会造成数据误读，必须与维修人员联合判断。
- 风险：预警疲劳。预警过多会让现场麻木，应严格控制预警数量并持续优化阈值。
- 风险：备件与检修脱节。预警发出却没有备件和停机窗口，等于没有预警。
预测性维护是一项长期工程，前半年主要在建立基线与培养习惯，真正的收益通常从第二年开始显现。坚持记录、坚持复盘，比追求先进算法更重要。