车间里最资深的老师傅一退休，设备的"听音辨障"就断了档，这是很多厂子上AI点检的真实起点。山东恒通化工今年上的预测性维护项目就是个可参照的样本：给压缩机、循环水泵、鼓风机这些关键动设备装上能同时采温度、振动、噪声、超声、电流指纹的采集终端，数据实时回传平台做频谱分析，系统提前约一周发出预警。项目一期先上了11台核心设备，人工巡检频率降了五成以上，预警准确率过九成，光一次热水泵轴承的早期预警就免掉了一次非计划停机。
不是每家都要一步到位上这么重的方案，按投入分三档起步更实际。第一档是单点测振：关键泵和风机的轴承座上装测振测温一体传感器，每月人工抄一次数，画趋势线，几千块钱就能覆盖几台设备，能拦住大部分"轴承磨到快坏了才发现"。第二档是无线节点加平台：振动温度节点装上后自动回传，值班室看趋势和报警，适合点位几十个的产线，投入主要在节点和网关。
第三档才是多维传感加AI平台，像恒通化工那样把电流指纹、超声这些维度也采进来，识别轴承磨损、转子断条、润滑异常这些早期征兆。这一档的门槛不在算法，在于数据积累：平台要先学会你这些设备"健康时的样子"，头几个月的误报难免，要有专人盯平台反馈，把误报原因喂回去训练。选平台时别只看演示，问清楚同类设备上跑过多少台、误报率怎么标定。
落地时网络这层别掉链子：车间角落信号差是常态，数据回传通道要用工业级设备，比如Teltonika这类工业路由器做有线备用加无线的双通道；传感器侧选Honeywell这类做过程仪表的老厂，温度压力这些基础量拿得稳，振动传感器则要挑频响范围对得上转速的型号。
投入怎么算？拿前面那个化工项目的数字折一下：一次非计划停机的产能损失以数十万元计，系统预警一次就够回本大半；而第一档单点测振的投入，不过是这条损失的零头。再往里算，巡检频率降下来省的是人力，预警提前一周换来的是把抢修改成计划检修——备件等得到、停产窗口挑得动，计划检修和深夜抢修的成本从来不是一个量级。
建议的动作顺序：先把全厂动设备按停机损失排个序，取前二十台；从第一档做起，三个月内把趋势数据跑出来；确有报警价值的设备再升级到第二、三档。备件侧同步做一件事：把历次预警对应的实际故障件记进台账，轴承、机械密封这些高频件的库存结构照着调。
