国内多数制造工厂的智能产线运维，还在往坑里跳。砸了大几百万上系统，最后还是变成了高级在线报警，该停线还是停线，该亏的钱一分没少。下面说的都是我跑了三十多家工厂攒出来的真实经验，给同行提个醒。
为什么花了钱，智能运维还是不好用
去年去佛山给一家做新能源电池结构件的工厂做运维优化。他们12条挤压产线，刚花四百万上了一套带AI预测的智能运维系统，吹得神乎其神，结果每个月还是要非计划停线两三次，每次停线损失小二十万。
问题出在哪？打开系统后台一看，每天推上百条预警，95%都是误报。工人天天看狼来了，真出问题的时候预警直接被淹没，谁都没当回事。
老板要智能化，供应商就疯狂堆料。每个电机每个轴承都装传感器，数据存了好几个T，用到模型里的还不到10%。说白了，从项目立项开始就走偏了。
很多人觉得，智能产线运维就是装传感器、上云、训AI。不对。它的根还是运维，是服务于生产的工具，不是拿来给老板看的政绩。
核心不是堆设备，是抓故障的根因逻辑
智能产线运维的核心目标，是预测性维护，是在故障扩大之前找到隐患，安排计划停机，避免非计划停线损失。要做到这一点，前提是你得清楚：这条产线哪些位置出问题会致命？出问题之前有什么可观测的征兆？
举个例子，汽车焊接产线的伺服焊枪，最容易出问题的两个点：气缸密封泄漏、主轴磨损。密封泄漏最早的征兆是系统压力波动，不是振动也不是温度。主轴磨损最早的异常，是振动频谱上的边频带峰值升高，不是温度变化。很多供应商上来不管三七二十一，每个点都装温度传感器，你说预测能准吗？
按照ISO 13373-1:2002的滚动轴承振动监测规范，加速度传感器必须安装在轴承座的刚性区域，不能隔着油漆、垫片，安装扭矩必须符合厂家要求，误差不能超过10%。就这么简单的要求，我跑过的工厂里，一半都做不到。
去年在苏州一家汽配厂，工人图方便，用双面胶把传感器粘在1mm厚的油漆层上。厚油漆相当于低通滤波器，直接把故障频率滤掉了，模型训练出来准确率不到60%，折腾了大半年找不到问题。最后把油漆刮掉，用螺栓刚性固定，准确率直接升到92%。
就这么点小事。坑了大半年，亏了上百万。
选型也有讲究。转速低于1000rpm的重载轴承，用速度传感器比加速度传感器好用，低频信号采集更准，这个规律很多供应商不会告诉你，他们只会给你推最贵的型号。
落地必须做的三个权衡，新手最容易踩坑
第一个权衡：边缘计算还是云端计算？很多工厂老板上来就要全数据上云，做大屏看可视化。真不行。关键故障的预警，比如主电机过热、主轴异常振动，必须做边缘侧本地推理，响应延迟不能超过100ms，不然传云端绕一圈，慢个三五秒，主轴已经烧了。非关键数据，比如OEE统计、能耗分析，放云端做长期分析就行，省带宽也省成本。
第二个权衡：要不要全产线全覆盖？说实话，没必要。一条产线80%的停线损失，来自20%的核心设备和核心点位。把这20%搞定，就能拿到80%的收益。全产线装传感器，成本翻三四倍不说，数据里的噪声多好几倍，模型准确率反而降了。赚不到钱的智能化，最后就是放在那边吃灰。
第三个权衡：数据不够怎么办？很多人说我产线跑了十年，有一堆运行数据，肯定能训出好模型。不对。绝大多数正常生产的工厂，十年都出不了几次重大故障，故障样本不平衡是绕不开的坑。全是正常数据，没几个故障样本，模型学不到东西，当然容易误报。
真要做，不如先找同类型产线的公开故障数据集做预训练，再用自己工厂的少量故障数据微调，效果比你自己攒三五年数据好太多。我上周刚给浙江一家工具厂做的方案，就是这么干的，三个月就上线了，准确率能到88%，比他们自己攒数据做了一年的效果好太多。
现在圈子里吹智能产线运维吹得太凶，好像装上系统就能一劳永逸，就能完全替代人。其实不是，它就是个工具，是给现场运维工程师减负的，帮你从每天瞎跑救火，变成提前排计划消隐患。找对核心点位，选对合适的设备，一步步来，比啥都强。
