预测性维护怎么落地：先判断哪些设备值得做

把设备运行数据接入平台，只是预测性维护的准备工作。真正需要回答的是：某种异常是否能够提前识别，提前识别后能否采取有效行动，以及这样做是否比现有维护方式更合适。

美国能源部的运维资料区分了纠正性、预防性、预测性以及以可靠性为中心的维护方法。可以从中借鉴的原则是，根据设备作用和运行条件组合安排维护，而不是要求所有设备采用同一种方式。参考：DOE 运维方法

先区分三个容易混淆的目标

状态监测回答“现在测到了什么”，例如温度、振动或运行电流。异常检测回答“当前表现是否偏离已定义的正常条件”。故障预测则试图判断未来的故障风险或剩余可用时间，所需证据与验证难度不同。

一条越限报警不宜直接命名为预测性维护。它可能具有实际价值，但应准确说明依据、适用范围和局限。把功能名称写得比能力更强，会使一线人员对提示产生错误期待。

同样，趋势图上的连续变化也未必代表设备劣化。负荷、环境和运行模式变化都可能造成趋势差异。试点方案应说明哪些条件被纳入分析，哪些情况需要人工判断。

选择具有行动价值的设备

筛选试点时，可以先讨论设备服务影响、历史问题、可采集信号以及现场干预条件。如果即使提前获得提示，也没有检查手段、备件或合适的停机窗口，分析价值就很难兑现。

对低影响、易替换且缺乏有效监测信号的设备，增加复杂分析未必合理。对重要设备，也不能因为采用了预测分析，就自动取消适用的法定检查、厂家要求或已批准的维护计划。

数据准备从可靠性开始

需要检查传感器校验、采样间隔、时间戳、单位、缺失值和设备身份。设备更换或传感器位置调整后，历史数据的解释条件可能发生变化，应保留相应事件记录。

故障标签同样重要。“已维修”不能充分说明出现了哪种问题、采取了什么措施、最终如何验证。可以先改善工单结果记录，让实际检查发现与设备趋势能够对应，再讨论更复杂的模型训练。

如果历史故障样本有限，应明确分析能够支持到什么程度。小样本下的试点结果不能直接宣传为适用于全部设备类型，实验室或其他场景中的效果也不能直接当作本项目收益。

先旁路观察，再参与工作安排

建议先让分析提示以观察方式运行，由专业人员复核，不直接触发设备控制。每条提示记录发生时间、依据、复核发现以及最终采取的动作，逐步形成可解释的样本。

评估时既要统计提示命中的问题，也要检查没有被提示却实际发生的问题。仅看已提示事件的准确率，可能遗漏未被识别的故障。还应记录工程人员为核查提示付出的时间，判断新增工作量是否合理。

误报成本与漏报影响由设备场景决定。调整阈值时，应由负责人员评审并保留版本与原因，避免为减少看板上的报警数量而不断放宽条件。

将结果接入工单，而不是停在看板

有效的提示需要明确接收人、响应规则和升级路径。工单中应能看到提示依据、近期趋势以及相关设备资料，现场处理结束后再补充复核结果，形成反馈。

对于数据异常、传感器故障和真实设备问题，应分别记录。否则把传感器断线当作设备失效处理，不仅消耗资源，也会污染后续分析数据。

还要为分析不可用的情况安排明确处理方式。采集链路中断或必要数据失效时，应标记当前分析依据不足，并提醒责任人检查数据来源。系统没有产生提示，不能直接解释为设备正常。日常维护任务是否继续、如何采用既有工作程序，应在试点开始前由管理团队确认。

试点扩大前，应检查规则在不同负荷、季节和班组条件下的表现，并确定持续维护责任。预测性维护是一项长期运行的工作安排，算法只是其中一部分。若尚未具备稳定点位与资产映射，可先完成BIM 与 IoT 数据质量检查。