注塑厂搞AI预测性维护，买现成系统还是找人定制？

半夜三点，车间主任的电话又响了

我是宁波一家注塑厂的老板，厂子不大不小，二十几台注塑机，年产值3000万左右。做我们这行的，最怕的就是半夜接到车间电话。

前年夏天，一台主力机半夜突然锁模压力异常，直接趴窝。等维修师傅从家里赶来，拆开一看，是液压阀芯磨损卡死了。这一停就是8个小时，一条生产线全等着，耽误的订单、报废的料、加班赶工的成本，算下来小两万没了。关键是，这种事儿不是第一次。

老师傅凭耳朵听、用手摸的经验，对付常见问题还行。但机器老化是渐进的，等你能明显感觉到震动大、声音不对的时候，往往离故障就不远了。尤其是夜班，人容易疲劳，更难发现那些细微的征兆。

我们当时就下定决心，得搞点更“聪明”的办法，不能总这么被动救火。

一开始，我们也想得太简单了

听说有“预测性维护”这回事，我们第一反应是：装几个传感器，搞个软件看看数据不就行了？市面上宣传的“智能盒子”也不少。

我们先是买了一套某品牌的通用监测系统，号称能监测振动和温度。装上之后，屏幕上的曲线是能看了，但问题来了：它只会报警“振动超标”，可到底超多少算要出事？是螺杆的问题，还是导轨的问题？系统说不出来，最后还是得靠老师傅去猜。

这玩意儿就像一个只会喊“狼来了”的小孩，喊了几次没见真出事，工人也就不当回事了，成了摆设。钱花了，问题没解决。

后来我们又接触了一家做定制化方案的软件公司。对方讲得天花乱坠，什么大数据、人工智能模型。但一深入聊，发现他们对我们注塑工艺一知半解。他们想做的模型，需要我们把过去几年所有的维修记录、参数调整日志都整理出来，还要格式统一。

说实话，我们小厂哪有那么规范的电子记录？很多都是老师傅本子上记的“某月某日，调了背压，好了”。这数据根本用不上。方案听起来很美，但光数据清洗的准备工作和费用，就让我们打了退堂鼓。

弯路走完，才明白关键在哪

折腾了大半年，我们算是明白了：预测性维护，核心不是数据多“大”，而是数据要“准”，并且要能和我们注塑的工艺知识结合起来。

通用盒子不行，因为它不懂注塑。纯软件公司也不行，因为他们不懂车间。我们需要的是既懂工业现场，又能把AI用对地方的人。

后来通过朋友介绍，找到了一家给多家苏州、无锡注塑厂做过方案的团队。他们打动我们的有几点：

第一，他们不空谈算法，先派工程师在我们车间蹲了一周。就盯着那台最爱出毛病的机器，看它每个周期的动作，听声音，问老师傅往常都是哪里先坏。

第二，他们提出的方案很“抠门”。不是所有设备、所有部位都上传感器。他们建议我们先抓主要矛盾：对生产影响最大的三台主力机，重点监测液压系统压力和油温、螺杆驱动电机的电流和振动。这几个点，正是我们过去故障的高发区。

第三，他们的模型是“半成品”。他们有一个针对注塑机调试好的基础算法框架，但需要根据我们每台机的实际工况（比如用了几年、平时打什么料）进行微调。这就避免了从零开始的天价开发费。

最关键的一个决策点，是我们坚持要求：报警必须带“诊断建议”。不能光说“异常”，要尽可能提示“疑似液压油温过高，建议检查冷却水阀”或“螺杆电流波形有毛刺，可能料里有杂质或磨损”。哪怕只是可能性，也能给维修方向。对方接受了这个挑战。

实施起来，也是一步一个脚印

实施分了三个阶段，用了差不多四个月。

第一阶段，先装一台机做试点。传感器安装、布线花了点功夫，要确保不影响生产操作。最难的是“教”系统什么是正常。工程师跟着我们白班、夜班跑了整整一个星期，采集不同产品、不同批次下的“健康数据”作为基准。

第二阶段，模型调试和报警规则设定。这个过程双方吵了不少架。比如系统初期比较敏感，稍微有点波动就报警，工人嫌烦。我们就和工程师一起，根据历史故障数据，反推报警阈值，把它调得“沉稳”一点，但又要保证提前量。

第三阶段，才是把另外两台主力机也装上，并把三台机的数据在一个看板上集中显示。我们没搞什么花哨的大屏，就在车间办公室和我的手机上能看。报警信息直接推送到维修组长和我的微信上。

整个投入，包括硬件、软件和调试服务，总共花了不到20万。

现在用起来，是什么光景？

系统上线运行快一年了，说几个实实在在的变化。

最直接的是，意外停机几乎没了。系统成功预警了两次关键的液压系统泄漏趋势，都在周末保养时提前处理了，避免了一次计划外的停产。还有一次，监测到一台机的螺杆驱动电流有缓慢上升的趋势，提示可能磨损或润滑不良，拆检后发现确实有个轴承开始出问题了。

算经济账的话，光是避免一次非计划停机，省下的赶工费和订单违约风险，就不止五万。维修也从“坏了再修”变成了“提前保养”，备件采购更有计划，库存成本降了一些。综合算下来，一年省个十五到二十万是有的。我们投入的20万，回本周期大概在12到15个月，符合我们当初的预期。

当然，也不是什么都解决了。系统对机械部件的预测比较准，但对一些电气元件的突发故障（比如某个继电器突然烧了），还是无能为力。另外，它对工艺参数的优化帮助有限，比如怎么调机能更省电，这还得靠老师傅。

如果重来，我会这么干

回顾整个过程，如果让我重新做一次，我会在三个方面调整：

第一， 别贪大求全。千万别想着一步到位给所有设备都装上。就挑那两三台最关键、毛病最多的“老爷机”下手。效果出来了，大家才有信心，后续推广也容易。

第二， 供应商要“懂行”胜过“有名”。别光看公司牌子大不大，一定要看他们有没有做过注塑行业的案例。最好能要求去他们客户的厂里（当然要经过同意）看看实际运行情况，听听对方老板怎么说。

第三， 做好数据准备，哪怕是从纸笔开始。在接触供应商之前，自己就可以有意识地把每次故障的时间、现象、处理方式、换了什么零件，简单地记录到电脑表格里。这些原始记录，后期能帮工程师快速理解你们厂的故障模式，省很多事。

给想尝试的同行几句实在话

AI预测性维护，对咱们注塑厂来说，已经不是遥不可及的概念了。但它也不是包治百病的神药。

如果你的设备很新，故障率本来就很低，那可能必要性不大。但如果你也和我们一样，被几台老设备折腾得够呛，生产计划总被打乱，那真的可以考虑。它本质上是用一个一次性的投入，去买一个长期的“安心”和“可控”，把不可预见的风险，变成可管理的成本。

最关键的是找对伙伴。这个伙伴要能蹲得下车间，听得懂你的黑话（比如“射胶没力”、“锁模不平”），能和你一起把模糊的经验，变成清晰的规则。

如果还在纠结要不要做、找谁做，可以先在“索答啦AI”上咨询一下，它会根据你的实际情况给建议。

这条路，我们走通了，虽然不算完美，但确实让车间安静了不少——至少，半夜的电话少了。