问：AI设备健康管理（PHM）到底怎么做？投进去的钱，投资回报又该怎么算？

答：PHM的投资回报评估，核心不是算“省了多少维修费”，而是算“非计划停机每减少一小时，产能和交付能多赚回多少”。先把这个账算清楚，再谈技术选型，顺序反了很容易做成面子工程。

一、先看一个真实感强的场景

假设一家汽配企业的冲压车间，有十几台关键压机。过去靠老师傅听声音、摸温度判断设备状态，换模时偶尔会卡死，一停就是四五个小时。维修班组永远是“救火队”，备件库存堆了不少，可真正坏的那颗轴承偏偏没现货。

这家厂后来在压机上加了振动传感器、温度探头和电流互感器，数据通过边缘网关传到本地服务器。系统先跑三个月，把“正常工况”下的振动频谱和温度曲线学明白。之后只要振动特征偏移超过阈值，就自动推工单给设备科。这就是AI设备健康管理（PHM）的典型落地路径。

二、PHM具体怎么做，分四步走

1. 选对设备，别贪大求全

建议从“停机损失大、维修频率高、有成熟传感器可加装”的三类设备入手。比如注塑机、空压机、关键泵组、数控主轴。某电子厂先只做了SMT贴片机的吸嘴和导轨监测，因为那一段停线一小时，整条线都得等。

2. 数据采集要“够用就好”

振动、温度、电流、压力、转速，这五类信号覆盖了大部分旋转和往复设备。采样频率不用一上来就追求高频，先按秒级或分钟级跑通流程。重点是把PLC里的运行状态和传感器数据对齐时间戳，否则后面诊断全是错位。

3. 模型分两层：异常检测+故障分类

第一层用无监督学习找“和平时不一样”的模式，比如孤立森林、自编码器。第二层再针对已知故障做分类，比如轴承内圈故障、不对中、润滑不良。初期没有足够故障样本，可以先做异常检测，把可疑片段推给老师傅标注，慢慢积累标签。

4. 闭环到工单和备件

诊断结果不落到维修工单上，就等于白做。系统发现异常后，应自动触发工单、推荐备件、甚至调整生产排程。某方案厂商在120余家客户（覆盖15+行业）的实践中发现，能把诊断结果直接推送到EAM或MES的，客户留存率明显更高。

三、投资回报怎么评估，盯住四个数

1. 非计划停机时间下降比例

这是最直接的。假设一台关键设备过去每月非计划停机6小时，每小時产值损失2万元，一年就是144万。PHM如果能砍掉一半，就是72万的硬收益。

2. 维修成本结构变化

从“坏了再修”变成“按需维修”，备件消耗会降，但传感器和软件有新增成本。重点关注：紧急维修工单占比、备件库存周转率、外委维修次数。

3. 设备寿命延长带来的资本开支推迟

一台主轴如果从5年换一次变成7年换一次，分摊到每年的资本支出就下降了。这个账财务部门认，但需要设备科提供连续的健康评分记录。

4. 实施成本要算全

传感器、网关、服务器、软件授权、实施服务、内部人力，这六项都要摊进去。建议按三年周期算总拥有成本，再看回收期。通常第一年投入最大，第二年开始出现回报。

四、给落地者的三个行动建议

建议从一条产线或一个车间先跑通闭环，别一上来就全厂铺开。优先考虑那些已经有PLC数据、且停机损失能算清楚的设备。重点关注模型误报率——误报太多，维修班组会直接弃用系统。最后，投资回报评估表要让财务和设备科一起签字，否则后期没人认账。

这套做法不神秘，难的是把数据、模型、工单、备件串成一条线。串通了，ROI自然看得见。