从征兆入手，防止突发停机
在征兆阶段捕捉曾经无预警停机的设备，减少计划外停机。
主要优势
让维修成为日程
不是故障后维修，而是依据征兆安排维修日程。
区分风险与征兆
阈值捕捉明显风险，AI 捕捉细微征兆。
在现场校准标准
根据现场反馈修正误报与漏报，持续运营。
谁在使用
维护、生产、工厂负责人共同查看
设备 · 维护负责人
查看报警设备的传感器趋势与异常程度，决定是否检修及检修时机。
生产主管
将维修日程提前纳入生产计划，减少计划外停机。
厂长 · 质量负责人
结合设备状态与质量履历，判断设备投资与更换时机。
功能
采集、学习、提醒
01
连接传感器
通过 LINKER SERVER 实时采集振动 · 电流 · 温度传感器与 PLC 数据。
02
先让 AI 学会正常状态
没有故障记录也没关系。选取正常运行区间，AI 即可学习设备的常态。
03
以阈值即时捕捉风险
为每个传感器设定正常范围，一旦超出即刻发出危险提醒。
04
细微征兆由 AI 捕捉
AI 为偏离常规模式的细微程度打分，在故障发生前发出提醒。
05
分级提醒警告与危险
征兆以“警告”、明显风险以“危险”分级通知负责人。
06
在现场持续校准标准
根据现场意见修正误报与漏报，持续提升准确度。
画面
在画面中确认设备状态
画面 1 · 各设备健康分、振动 · 电流 · 温度、故障风险原因、检修建议
各设备 AI 健康分
这是实际部署画面。显示每台设备的 AI 健康分，分数下降的设备可直接查看传感器曲线、故障风险原因与检修建议。
- 健康分
- 风险原因
- 检修建议
画面 2 · 各设备分时段 AI 健康分、正常 · 注意 · 危险颜色、设备状态摘要
健康分热力图
这是实际部署画面。以颜色显示每台设备各时段的健康分，哪台设备从何时开始恶化一目了然。
- 各时段分数
- 注意 · 危险区间
- 设备摘要
画面 3 · AI 健康分、电流 · 振动 · 温度当前值与曲线
设备详细分析
这是实际部署画面。同时查看一台设备的健康分与电流 · 振动 · 温度走势，缩小原因范围。
- 健康分
- 各传感器曲线
- 原因确认
使用案例
从常停机的设备开始应用
旋转设备
通过粉碎机、泵、电机的振动与电流变化，捕捉轴承与轴的异常征兆。
加热设备
找出加热器温度趋势偏离常规模式的区间。
离心分离设备
将转速与负载同时波动的模式视为异常征兆。
自动化产线
结合产线设备运行 · 停机记录与传感器数值，预测故障征兆。
应用案例
已在设备前持续监控
食品制造 · 饮料
设备停机前发出预警
- 课题
- 核心设备一旦无预警停机，生产计划与质量随之崩溃。维修总是在故障发生后才开始。
- 方法
- 接入振动 · 电流 · 温度传感器，进行双重监控。基于正常运行数据设定各传感器的上下限，即时捕捉明显风险；AI 学习正常模式，捕捉随时间逐渐偏离的征兆。区分警告与危险标准，并在现场持续校准误报与漏报。
- 变化之处
- 从故障后维修转向依据征兆的计划性维护。借助仪表板与提醒，维修人员抢先行动。
二次电池材料
环保设备异常短信先知，故障原因数据说话
- 课题
- 布袋除尘器 · 洗涤塔 · 集尘器等环保设备分散在厂区各处，即使停机或出现异常，也要等到巡检时才发现，停机原因也没有留下记录。
- 方法
- 通过 Linker Server 实时采集每台设备的前段 · 后段温度、液位、送风电流、循环温度、累计电量。为每台设备设置警告 · 注意 · 管理三级条件，一旦触发即向负责人发送 SMS；并积累运行 · 停机时间与报警记录，分析故障原因和停机模式。
- 变化之处
- 一旦异常，负责人的手机第一时间响起。各设备的稼动率与停机记录按周累积，可找出反复发生同类故障的设备优先处理。
制造设备
以监控数据预测故障征兆
- 课题
- 设备监控画面只能显示当前状态，无法得知何时会发生故障。
- 方法
- 构建可将 Linker Server 采集的设备数据直接用作训练数据的架构，并接入故障征兆预测模型。
- 变化之处
- 采集服务器即 AI 训练数据仓库，无需另行迁移数据即可开始预测。
应用场景
与 LINKER、MES 联动，维修即融入生产计划
需要时逐个增加产品，就这样逐步扩展。
- LINKER 采集传感器数值。
- Predict 计算异常分数。
- LinkerFlow 在仪表板上显示警告。
- Predict 发出警告。
- Orchestrator 整理维修履历与检查项目。
- TEAMS 向维修负责人发送消息。
- Predict 安排维修日程。
- MES 将维修时间纳入生产计划。
- 调整工单。
部署环境
部署在工厂内部服务器，设备数据不出厂。
现有系统联动
已安装的 PLC 与传感器通过 LINKER 直接接入，提醒发送到即时通讯和仪表板。
开放标准
使用 OPC UA、Modbus、MQTT 传感器及 PLC 数据。
FAQ
常见问题
几乎没有故障数据也可以吗？
可以。学习的不是故障数据，而是正常运行数据，据此判断偏离正常的程度。
需要加装传感器吗？
先从现有 PLC 数据和传感器入手。缺少振动等必要数据时，一并设计传感器加装方案。
误报太多怎么办？
分设警告与危险标准，依据现场反馈不断修正标准，减少误报。
导入周期需要多久？
按数据分析、正常区间定义、模型构建、试运行、推广的顺序推进，周期视设备数量和数据状况而定。