预测性维护（PdM）

预测性维护用状态取代日历：不是每六个月大修一次泵，而是在信号显示轴承退化时大修。ML层就是读取这些信号的部分——训练于标注故障库（振动专家路线），或训练于设备自身的正常行为（异常检测路线）。

两种传感哲学

专用传感：为此设计的振动/温度/磁场传感器装在每台设备上，喂给在庞大标注故障库上训练的模型。诊断最深——『外圈轴承故障，中等置信度，三周内处理』——代价是每台设备的硬件成本。工艺信号漂移：模型监视工厂已有的信号（电流、压力、温度、流量）中的前兆漂移。零新硬件，覆盖从不振动的故障模式，往往报得更早——但诊断处方性较弱。大型工厂越来越多两者并用，诚实的评估问题是：哪类故障模式主导您的损失历史？

数字怎么说

挺过试点的项目报告计划外停机减少20–50%，维护成本随之下降。公开的标杆案例是雷诺：集团层面每年约2.7亿欧元的节省归功于预测性维护（2024）。成功项目背后的模式是一致的——从真正烧钱的故障设备开始，把报警接进现有维护流程，从第一天起衡量避免的停机。

常见问题

预防性维护和预测性维护有何区别？

预防性按日程行动；预测性按测得的状态行动。预测性项目砍掉两种浪费：赶在计划大修之前发生的故障，和被无谓大修的健康设备。

预测性维护需要振动传感器吗？

只有活在振动里的故障模式需要——泵、风机、齿轮箱等旋转设备。越来越多的项目从现有工艺信号起步，硬件零成本，还能抓住漂移型前兆；许多工厂两者结合。