茶具厂老板：上AI设备故障预警，值不值？听听我们踩过的坑

我是怎么被逼上“梁山”的

我是广东潮州一家茶具厂的负责人，厂子不大不小，一年产值2000万左右，主要做中高端的功夫茶具，手拉坯和压制成型的都有。

厂里有3台电窑，5台液压压机，还有一堆修坯、上釉的辅助设备。说起来你可能也有同感，做陶瓷这行，设备就是命根子。尤其是窑炉和压机，一旦出问题，不是停几小时那么简单，一炉半成品的泥坯可能全废，赶不上交货期，客户电话能把你打爆。

真正让我下决心搞点新东西的，是去年年底的两次事故。

一次是压机液压油温异常没及时发现，密封圈烧了，漏了一地油，停机修了两天，耽误了一批急单，光赔违约金就小两万。

另一次更悬，窑炉的某个加热区热电偶信号漂移，炉温实际偏低了30度，老师傅凭经验觉得“火候不对”，一查才发现，差点出一整窑的生坯。这要是烧出来，损失就是十几万。

当时我就想，老师傅的经验能救命，但不能总指望这个。厂里老师傅就两个，年轻的操作工对设备“脾气”摸不透，夜班更是容易打瞌睡。靠人24小时盯着仪表盘，不现实。

一开始，我也走了弯路

我的第一反应，和很多老板一样：上网搜，找供应商。

当时想法挺美好，觉得这应该是成熟技术了，装几个传感器，连上电脑，有问题就报警，多简单。

结果一接触，发现水挺深。

弯路一：贪大求全，被“智慧工厂”概念忽悠。

最早接触的一家深圳公司，方案做得特别漂亮，PPT里全是“数字孪生”“全生命周期管理”。说要把我所有设备联网，建一个中央大脑，不仅能预警，还能优化生产排程、能耗管理。

一听报价，我差点没坐住：前期硬件加软件，报价80万，每年还有15%的维护费。对方销售还说，这是“投资未来”。

我冷静下来算了下，我这厂子一年的净利润才多少？这套系统回本周期太长，而且很多功能我根本用不上。我就是想别让设备突然趴窝，整那么复杂干嘛？

弯路二：图便宜，买了“通用型”监测盒子。

后来转向淘宝和1688，发现有很多卖“工业设备预测性维护盒子”的，一个盒子几千到一万多，说是即插即用。

我买了两套回来试，装在压机上。它能监测振动和温度，数据也能传到手机上看。

但问题很快就来了：报警阈值不会设。盒子给的默认阈值要么太敏感，机器正常振动也报警，吵得人心烦；要么太迟钝，等它报警，问题已经不小了。

最关键的是，它不懂我的工艺。压机在压制不同器型（比如盖碗和茶杯）时，压力和振动曲线本来就是不一样的，这套通用系统完全分辨不出来，老是误报。用了不到一个月，工人嫌烦，直接给断电了。

弯路三：自己组团队，发现养不起。

我还想过招个懂算法的工程师，自己搞。托朋友问了问，在二线城市，一个能做这类工业数据分析的工程师，月薪没1万5下不来，而且人家不一定愿意来我们这种传统厂子。

就算招到人，数据采集卡、传感器选型、模型训练……一堆事，想想就头大，成本不可控，果断放弃。

最后，我们是怎么搞成的

折腾了小半年，钱没少花，事没办成，挺上火。后来是通过一个做陶瓷机械的朋友，认识了一家给佛山、景德镇好几家陶瓷厂做过项目的技术团队。他们的路子，和我之前见的完全不一样。

关键决策点一：先“看病”，再“开药”。

他们没急着推销产品，而是派了个工程师来我厂里蹲了三天。不光是看设备，还跟着老师傅和操作工聊天，看生产记录、维修单子。

最后给我提了个方案：别全厂铺开，就先搞那台“老爷车”压机和一台最常用的电窑。因为历史维修记录显示，它俩毛病最多，影响最大。先把这两个点的预警做准、做稳。

这个思路一下子就打动我了，聚焦痛点，风险可控。

关键决策点二：用“工艺模型”代替“通用算法”。

这是核心区别。他们不是简单监测振动超标与否，而是先让设备在绝对健康的状态下，空跑和压制不同产品，采集几十上百次数据，形成每条产线、每个产品型号的“标准健康工艺曲线”。

比如，压制一个盖碗，主缸压力上升应该是什么曲线，保压阶段振动频谱应该是什么样子。AI学的是这个“标准动作”。

以后生产时，实时数据一旦和“标准动作”出现持续偏差，哪怕绝对值没超阈值，系统也会预警，提示“设备行为异常”。这就能发现非常早期的隐患，比如液压阀开始有点内泄，轴承有点轻微磨损。

关键决策点三：报警信息要“说人话”。

他们做的系统报警，不是弹一堆代码和数字。而是直接显示：“1号压机，主缸压力上升阶段延迟0.5秒，疑似比例阀响应下降，建议检查。”或者“3号窑炉，B区升温速率低于标准值15%，怀疑加热丝老化或接触不良。”

维修工一看就明白该查哪里，大大降低了使用门槛。

实施过程差不多两个月：第一个月部署硬件、采集数据、训练模型；

第二个月试运行，和老师傅一起调试报警规则，把误报降到最低。整个实施期间，基本没影响正常生产。

现在用起来怎么样？

从上线到现在，快一年了。说说实实在在的效果和不足。

省下的钱是看得见的：

1. 避免了两次计划外大停机。 系统提前两天预警了压机主泵轴承磨损加剧，我们安排周末更换，零耽误生产。还有一次预警窑炉风机振动异常，拆开发现一片扇叶有裂纹，及时更换。这两次要是突发故障，损失至少10万。

2. 维修从“救火”变“保养”。 以前维修工忙得要死，都是坏哪修哪。现在根据系统预警的轻重缓急来安排维修计划，工作更有条理。小问题在萌芽阶段就处理掉，避免了发展成大故障。今年整体的维修备件费用，比去年少了大概30%。

3. 老师傅的经验被留下来了。 系统学习阶段，把老师傅判断设备状态的“感觉”（比如听声音、看压力表摆动）变成了数据模型。现在就算老师傅不在，系统也能充当“电子老师傅”，年轻操作工心里有底多了。

算个总账：这套系统针对两台关键设备的投入，硬件加软件一共花了18万左右。一年下来，避免的停产损失、节省的维修费和备件费，加起来大概有30万。回本周期在8个月左右，比预想的快。

当然，也有没解决好的地方：

1. 对非常规故障还是没辙。 比如，上次有只老鼠跑进电柜咬断了信号线，这种极端意外，AI也预测不到。

2. 系统需要“喂养”。 每次设备大修、更换重要部件后，都需要重新采集一段时间数据，让模型学习设备“修好后的新状态”，不然会有误报。这多了一点工作量。

3. 还没覆盖全厂。 目前只覆盖了最关键的30%设备。要把修坯机、釉线等都加上，还得再投钱，得一步步来。

如果重来，我会怎么做

走过这一圈，如果再让我选一次，或者给同行朋友建议，我会这么做：

第一步，别听故事，先算账。

你自己心里要有一本账：厂里哪台设备停机损失最大？每年意外维修要花多少钱？把这笔钱算清楚，就是你做这个项目的预算锚点。投入最好不要超过你一年能预见损失的60%-80%，这样回本压力小。

第二步，从“一台”开始，死磕落地。

千万别想着一口吃成胖子。就选你厂里那台“心腹大患”，最老、最关键、坏一次你最心疼的那台设备先做。把它做透，做出效果，让车间的人看到好处。这比你全厂铺个半吊子系统有用得多。

第三步，考察供应商，就看他懂不懂你的“工艺”。

别只看公司规模多大，案例有多少。就问他：懂不懂陶瓷烧成的温度曲线？懂不懂压机在不同泥料下的参数设置？能不能说出你行业里一两个常见的设备故障模式？如果对方只能谈大数据、云计算，却说不出一句行业内的行话，趁早换人。他做的肯定是通用方案，到你厂里大概率水土不服。

第四步，合同里写明“效果条款”。

可以和供应商商量，留一部分尾款（比如20%），和试运行期的关键指标挂钩。比如，连续三个月误报率低于某个值，或者成功预警一次以上潜在故障。把双方利益绑在一起，他们服务会更上心。

最后说两句

说实话，AI设备预警这东西，现在不算什么黑科技了，核心在于能不能和你厂里的实际情况拧到一块去。它就是个高级点的“工具”，代替不了老师傅，但能把老师傅的经验放大，让年轻人更快上手。

对于咱们茶具这类传统制造业，上这类系统，心态要务实。别指望它能解决所有问题，能盯住那几个最要命的点，别让它们突然罢工，这钱花得就值。

如果你也在考虑这件事，但心里没底，不知道从哪台设备开始，或者怕被不靠谱的方案忽悠，想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑，至少能让你在和供应商谈之前，心里有个谱。

归根结底，适合自己的，才是最好的。