摘要：国内大部分离散制造业产线的非计划停机，故障排查时间占停机总时长的60%以上，大部分工厂仍依赖资深工程师的经验排查。本文从工程落地角度，拆解可实际运行的产线停机故障根因分析诊断系统的设计逻辑，分享一线踩过的真实坑点，给具备基础的中级工程师做落地参考。
为什么大部分工厂的故障排查还跳不出经验依赖的坑
去年去长三角某汽车零部件焊装产线做现场调研，刚好碰到一次非计划停机。整条线停了三个小时。直接亏掉一百二十万的产能加订单违约金。
找了设备班班长，找了厂家售后，找了甲方设备经理，翻了大半个控制柜，拆了三个伺服电机，最后发现什么？只是一个几十块钱的接近开关接线端子虚焊，震动松了，信号断了。
这种事你要是干过工厂设备，肯定见过，对吧？老工程师在的时候，闭着眼睛都能猜到大概率是IO信号的问题，十分钟就能搞定。老工程师一退休，一走人，新人摸个三五个月都摸不清门道，产线越是复杂，耦合的故障越多，排查起来全靠试错，耽误的都是真金白银。
说实话，很多工厂搞所谓的预测性维护搞了好多年，钱砸了不少，真正能用在根因定位上的系统没几个。要么就是太复杂，一线师傅不会用，要么就是准确率低，误报一大堆，最后还是扔在一边吃灰。
落地可用的产线停机故障根因分析诊断系统核心逻辑
我见过很多方案一上来就堆大模型，堆全量数据采集，说要搞定所有故障，说实话，根本不落地。我们做过快十个不同行业的产线项目，总结下来，能用的系统核心逻辑其实很简单，就是先固化已知经验，再识别未知故障，不要搞一步到位。
数据层的设计，这里必须提，要符合GB/T 39116-2020《智能制造 生产设备运行状态监测数据采集规范》的要求，但是很多人上来就踩坑：非要把所有能采的数据都采下来，一分钟采几百个点，全存云端，不到半年带宽和存储成本就超过系统本身报价了。
我们现在做方案，只要求采三个核心维度的数据：控制层IO触发状态、核心运动部件的负载电流、关键转动部件的振动温度。足够了。这三类数据已经能覆盖90%以上的常见停机故障，采集成本也能压下来，中小企业也能上。
根因分析的算法，我们用的是故障树+半监督小样本学习的组合，没有搞什么通用大模型。先把老工程师脑子里面的排查逻辑拆成故障树，从上到下分级，比如总装线皮带输送机停机，一级分支分成动力故障、控制故障、工艺故障，每个分支再往下拆到具体零件，已知故障靠故障树直接出定位结果，准确率能到95%以上。半监督学习用来抓那些之前没发生过的未知故障，靠异常数据聚类提前发现隐患。
前年给某家电总装线做系统，上线第三个月，系统就弹出预警，说后端张紧机构存在异常疲劳损伤，当时负责的师傅一开始不信，拆开看，果然皮带轮上已经有两厘米长的裂纹了，提前三天换了零件，没发生非计划停机。要是真断了，又是几个小时的停机，损失几十万。
落地最容易踩的三个坑，都是砸钱试出来的教训
第一个坑，过度追求100%准确率。说实话，工业现场什么妖魔鬼怪的干扰都有，焊接的强电磁干扰，电网的波动，原材料的来料差异，都会带来误报。你非要把误报降到0，只能把异常阈值调得极高，最后真故障来了，反而漏报了，那才是大问题。我们现在给客户提的要求就是，允许5%以内的误报，总比漏报强，对吧？
第二个坑，把系统做成IT部门的花架子，不贴合一线维修人员的使用习惯。很多系统做出来，全是专业术语，全是曲线图表，师傅们上来一看就头大，最后还是愿意自己瞎猜，系统成了摆设。我们做输出的时候，直接把根因结果改成一步一步的排查清单：第一步，到几号工位查哪个接线端子，用万用表测电压范围多少，第二步，要是正常再拆哪个护罩，检查皮带张紧力多少，写的明明白白，初中文化的师傅都能跟着走。
第三个坑，不做脏数据清洗直接建模。这个坑我记忆犹新，现在想起来都肉疼！第一年做项目的时候，拿到采集的数据直接就训练模型，结果现场焊接的强电磁干扰把电流信号搞的全是毛刺，一半数据都是脏的，模型准确率直接掉到60%，上线根本不能用，后来砸了一个月的时间，按照ISO 10816-3《机械振动 机器振动测量与评价 第3部分：工业机器的现场评价标准》做异常值截断，再加滑动窗口滤波去噪，准确率才拉回到90%以上。这一趟下来，十几万的成本砸进去了，才换了这个教训。
不过话说回来，产线停机故障根因分析诊断系统，本质上不是用来取代老工程师的。是把他们攒了十几年的经验存下来，不会因为人走就断掉，给新人铺个路，也把能提前拦住的故障提前拦住，少亏点钱，多赚点产能。工业系统，从来不是越先进越复杂就越好，能用，好用，一线愿意用，比什么都强。
