关键设备预测性维护
应用场景：关键设备（高炉风机、连铸机）预测性维护，实现故障提前7-14天预警与检修计划动态优化
投稿方：loki · 服务商：关键设备预测性维护 · 收录时间：2026/9/10
本案例信息由投稿方提供、平台整理，尚未经人工核实，重要信息请以原文为准。
案例事实
1. 一句话摘要
投稿方未提供
2. 行业 + 企业规模
工业制造 · 约4万人
3. AI 能力类型
预测
4. 原来怎么干的
30名点检员三班倒巡检抄表，凭听声音、摸温度判断设备状态；关键设备按固定周期月检；年均突发故障6次，单次非计划停产损失约200万元
5. AI 介入在哪一步
AI介入故障预警与检修计划优化环节：实时分析振动、温度、电流等传感数据，输出故障概率与可能部位，支撑设备部动态调整检修计划；检修执行与备件管理仍由设备部门负责
6. 模型与架构
时序模型（频域特征工程加机器学习分类与剩余寿命预测），私有化部署；对接SCADA与EAM设备管理系统，预警工单自动派发
7. 数据基础（必填项）
5年历史传感数据约20TB，120起故障案例打标；设备部与数据团队4人治理4个月，重点开展传感器漂移校准和数据质量看板建设
8. 效果
故障预警准确率92%（回测+上线半年验证口径）；非计划停产6次/年→1次/年；年检修工时减少25%；点检员30→18人转岗
9. 投入
项目投入350万元（含传感器补装），12个月建成；年运维40万元
10. 坑
数据漂移（传感器老化致早期误报频繁）；经验难标注（老师傅听声辨障无法直接标签化，改用预警结果与老师傅复盘的半监督方式）；组织阻力（按状态检修需修改制度，与生产、设备两部门对齐耗时两个多月）
下载 关键设备预测性维护 复现资料
本案例的投稿文档与附带资产已整理为专属复现包，留资后即可下载。
- 00_说明.txt
- 01_关键信息.md
- 关键设备预测性维护.docx
分享复现反馈
复现结果、失败条件或内容修正——案例因真实反馈持续改进，提交后即展示在案例页并进入社区动态。
示例：「按复现包部署到测试环境，用 qwen-plus 跑通全流程；线索排序与案例描述一致，但导出报表需手工补字段。」
写清环境/模型、跑通到哪一步、与案例描述的差异即可；署名选填，匿名反馈同样展示；提交即公开，如需下架可联系平台。