车间老工经验谈：时序数据异常预警到底好用不好用

上周跟原车间主任喝酒，他还在说三年前那档子事。 那天夜班，我刚换好工服，端着茶缸准备去岗亭换班，调度光着脚从车间跑出来，脸白得像纸。 三号外圆磨床主轴抱轴了。三套进口SKF轴承全烧变形，连主轴轴瓦都刮花了。 订单赶了一半，客户放话，晚交货一天赔十万。最后前前后后算下来，连修带赔，小二十万打了水漂。 那时候我们还靠老师傅每班听一遍声音，摸一摸主轴温度。谁能想到磨损是慢慢上来的，头天还好好的，后半夜直接抱死。 后来上了时序数据异常预警，我才明白，原来我们之前那叫监控，不叫预警。

别拿监控当预警，内里门道差很多

说实话，我一开始也听不懂什么时序不时序，不就是整点存数据吗？ 后来跟厂商的调试工程师聊了一下午，才算弄明白。说白了就是把设备每分钟每秒传回来的参数，按时间顺序串起来，找不对劲的地方。 机械磨床主轴振动时序数据异常曲线图 现在主流就两条路线，差得可不是一点。 一种是传统阈值法，给参数设个上下限，比如主轴温度超过65度就报警。优点是便宜，装上去就能用，我们老工人也能调。缺点就是笨，只能抓突然跳变的异常，慢慢磨出来的故障根本抓不住——就像上次抱轴，温度涨到60度还没到阈值，几个小时之后直接抱死。 另一种是基于机器学习的时序建模，学清楚设备正常运转的时候数据是什么规律，只要走形就报警。我记了三个实打实的数，我们这套参数是10Hz连续采样，报警延迟不超过200ms，现场跑了两年，异常检出率能到96%，确实比阈值法准太多。 不过话说回来，行业里有件事没人愿意明说。 纯机器学习模型落地，成本真不是中小厂扛得住的。要存好几年的历史数据，要专门的服务器跑，出了问题还要专门的人调。所以绝大多数落地项目，都是阈值打底，模型补漏，说白了就是各退一步的妥协。吹的时候都说全AI智能预警，实际都留了传统阈值的后手，没几家敢纯靠模型干活。

不同行当用起来，要求完全不一样

我在机械制造干了二十年，前两年帮朋友的风电运维队调过一套预警，才知道不同场景的要求差得能绕车间三圈。 我们机械加工车间磨床，要求是什么？快。工件换得勤，主轴转速一分钟几千转，出了异常反应慢个几秒钟，工件就废了。去年夏天，我们三号磨床的预警提前11小时报了振动异常，拆开一看轴承滚道已经出了细小裂纹，刚好趁周末换，没耽误订单，这不就赚了。 风电齿轮箱温度时序异常预警标注图 朋友的风电项目就完全不一样了。风机在山上，一年半载才上去一次，采集数据都是靠无线传，带宽有限，不可能做到10Hz采样。他们要的是准，不能动不动就喊人上山爬塔，一次成本小一万。他们那里用时序数据异常预警抓齿轮箱的温度渐变，去年冬天在张北的风场，提前一个月测出一台风机的齿轮箱温度走势不对，上去检修发现齿轮已经出了点蚀，换个小齿轮花了两万，要是等齿轮断了，整台风机掉下来，那就是好几百万的损失。 你看，同样是时序数据异常预警，一个求快，一个求准，完全不是一回事，拿一套方案套所有场景，那都是骗钱的。

吹得越是好听，越要小心脚下的坑

吹得越是好听，越要小心脚下的坑 现在到处都在说智能制造，进口替代，大大小小的厂商都在推时序数据异常预警。 我看很多展会上，把这玩意儿吹得能包治百病，好像只要装上，车间就能完全无人化了。 有个行业里不愿意公开说的难题，就是异常样本太少了。正常设备谁没事天天出故障？一万条数据里，可能也就几条是异常的。模型没见过异常，怎么能准确报出来？很多厂商拿公开数据集测出来的准确率百分之九十九，拿到现场一跑，误报一天能蹦出来十几个，烦死你。 还有标准滞后的问题，现在现有的行业标准还是好些年前定的，新出来的场景比如新能源动力电池生产的电芯温度预警，根本没有统一的标准。出了问题，厂商说你用的不对，你说厂商的东西不行，扯来扯去没人担责任。 我见过好几个厂，花了大几十万上了系统，最后因为误报太多，工人嫌麻烦干脆关了，还是靠老法子听声音摸温度，钱全打了水漂。 我干了二十年，手上磨的茧子比我桌上的工艺手册都厚。 我常跟厂里的年轻工程师说，就算有了时序数据异常预警，也别丢了耳朵上的茧子。 设备是活的，数据是死的，再好的预警也只是帮你盯梢，最后拿主意的还是人。 你们厂里上时序数据异常预警的时候，遇到过最离谱的误报是什么？咱们老伙计聊聊。