上个月有个泵站项目，变频器每两周准时报一次过流，换变频器、换电机、换电缆都试过了，故障照旧。我翻了三年的历史报警记录，发现每次出问题前都有一个共同的信号特征——电流在故障前15分钟就开始缓慢上升，只是幅度很小，不到报警阈值的一半。
这要是一年前，我大概率就是换个新的继续跑，等到下次再坏再修。但这次我换了个思路——我把PLC里存了三年的故障报警数据、设备运行参数全导了出来，拿给AI去跑了一遍。
今天就跟兄弟们聊聊，我是怎么用AI分析PLC历史数据来预判设备故障的。不是什么高大上的机器学习，就是拿现成的工具干实事。
数据从哪来？大部分PLC都有历史记录功能
很多人觉得PLC就是实时控制的，哪有历史数据。其实只要稍微动动手，数据源到处都是。
最省事的办法是PLC自带的诊断缓冲区。西门子S7-1200和1500的诊断缓冲区能存最近几百条事件记录，包括停机原因、报警时间、CPU状态变化。这些数据通过TIA Portal或者直接用S7-1200的Web Server就能导出来。我之前写过一个小脚本，每天早上自动把诊断缓冲区的数据抓下来存到SQLite数据库里，到现在已经攒了五百多万条记录了。
三菱的FX5U和L系列也有类似功能，通过GX Works3的日志查看器可以导出CSV。还有更简单的——很多HMI本来就在记录报警历史，威纶通、西门子精智面板都有报警记录导出功能，直接导出来就是结构化数据，省了你自己去采集的功夫。
之前我给一个化工厂做项目，设备自带的触摸屏就记录了两年多的报警历史。我把SD卡拔下来，里面有个AlarmLog文件夹，CSV文件直接拷出来就是两万多条记录。省了我接通讯线写采集程序的时间。
数据有了，怎么分析？
一开始我想着自己写规则。比如当电机电流超过额定值120%持续时间超过5秒就预警。结果写了三十多条规则，发现要么漏报要么误报，根本没法用。
后来换了个思路。我把过去三年所有的故障记录和同时段的设备运行参数（电流、温度、振动、压力、转速）全部对齐时间轴，喂给AI让它自己找规律。我用的是阿里云的百炼平台，它有个时序数据分析的能力，不需要自己写代码，上传CSV文件就能跑。
跑出来的结果让我有点意外。AI发现了七个我之前完全没意识到的故障前兆模式：
模式一：排气温度在故障前48小时会出现一个阶梯式上升。不是突然升高，而是每四到六小时升高2-3度，然后稳定在这个水平，下次再升高。这个模式在人工看数据的时候根本注意不到，因为单看一天的曲线，温度波动范围也就是正常的。
模式二：电流谐波含量在故障前72小时开始出现5次和7次谐波的异常增量。这个更隐蔽，因为基波电流看着是正常的，只有拿FFT分析了谐波成分才能发现。
模式三：振动在故障前24小时会出现一个间歇性的异常。不是一直振，而是每隔十几分钟振个几秒，然后又恢复正常。这个特征在时域波形上特别明显，但人工翻趋势图根本注意不到这种瞬态事件。
我拿这些模式反过来去验证了过去半年里我经手的另外12台设备的历史数据，发现其中5台虽然没有出过故障，但已经出现了至少一种前兆模式。于是提前安排了检修，结果在3台设备上发现了轴承早期磨损的迹象。
说实话，修的时候比坏了再修省事多了。不用抢修、不用加急备件、不用给客户写事故报告。
这套流程现在我已经做成自动化了
现在的流程是这样的：每天早上六点，服务器自动从各台PLC的SD卡或者HMI里抓取昨天的运行数据和报警记录。数据清洗完以后喂给AI模型做分析。如果AI发现异常模式，会自动给我的企业微信发一条消息，内容包括：预测的故障类型、预计剩余时间、建议检查的部件。
上个月就有一次，AI预测一台冷冻水泵的轴承会在7天内损坏。我没当回事，结果第五天操作工打电话说泵的声音不对，拆开一看保持架已经裂了。从那以后我就老实了，AI说什么我信什么。
不过也不是所有设备的预测都准。有些老旧设备，传感器数据本身就不可靠，AI分析出来的结果也是飘的。另外，AI发现的模式只对同型号同工况的设备有效，换了一种设备或者工艺参数变了，模式可能要重新找。
给想试的兄弟三个建议
第一，不用一开始就搞什么实时数据采集。先把PLC和HMI里已经存的历史数据导出来，丢给AI跑一遍试试。能跑出来有用的模式，再考虑投资做在线采集。我第一版分析就是拿几年前的CSV文件做的，零成本。
第二，数据质量比数据量重要。哪怕只有三个月的干净数据，也比三年的脏数据有用。有段时间我们的振动传感器安装位置不对，记录的数据全是噪音，AI跑出来的结果也是瞎扯。后来重新校准了传感器位置，模型准确率从不到60%直接提升到85%以上。
第三，别指望AI替你修设备。AI能告诉你什么时候可能要坏，但怎么修、换什么件、怎么拆装，这些还是得靠老师傅的经验。我现在的做法是AI预警加上人工确认，AI说有问题了，老师傅再去看一下，双重保险。
你们有没有试过用AI分析设备数据来做预测维护？或者有没有什么特别奇怪的故障模式是人工死活找不到原因的？评论区聊聊。