AI帮工厂找出3台’电老虎’,一个月省了2万多电费——我用机器学习给36台注塑机做能效诊断的真实记录

上个月一个做注塑件的兄弟找我喝酒,一脸愁容。他说厂里36台注塑机,电费一个月奔着20万去了,老板让他降能耗,他看了三个月账单也不知道问题出在哪。

我说,你别光看总表啊,得把每台机器的用电数据拆开了看。他苦笑:”36台机器,不同型号、不同时段、不同产品,我怎么拆?”

这事儿要是放在五年前,确实难办。但现在不一样了,AI就是干这个的——把一堆乱糟糟的数据喂进去,让它自己找规律。

项目背景:一个月20万的电费账单

这家注塑厂在东莞,主要做家电外壳和汽车内饰件。36台注塑机从80吨到650吨不等,品牌有海天、伊之密、震雄。每台机器配了电表,数据通过Modbus RTU汇总到一台工控机上。数据都有,但从来没人分析过——工控机上那个界面能看个实时电流就不错了,历史趋势?想都不要想。

老板的想法很简单:把35万度/月的用电量降下来。我的想法也很简单:先搞清楚这35万度到底是谁吃的。

注塑车间能效数据分析系统

数据清洗:你以为AI什么都能吃?想多了

我先把36台注塑机过去6个月的用电数据导出来——好家伙,Excel打开直接卡死。大概有80万行数据,每行包括时间戳、机器编号、总功率、加热功率、伺服功率、待机/运行状态。

数据拿过来第一件事,我让AI(用的Python+pandas,严格说是机器学习)先做数据清洗。这一步其实最费时间,大概花了我两天:

  • 时间戳格式不统一,有的用/有的用-,有的居然还是中文”2026年1月15日”
  • 部分电表偶尔上报数据跳变,比如上一行是15kW,下一行突然变成1500kW,明显是通讯干扰
  • 停机时段的数据还在记,每台机器每天0点到8点待机功率一直在跑——这不就是白白浪费?

清洗完数据我让AI做了三件事:

第一,聚类分析。把36台机器按功率曲线分成三类:正常运行类、长时间待机类、频繁启停类。结果发现一个很有意思的事情——有3台机器,按型号和吨位属于中型机,但它们的”待机功率”比同型号其他机器高了将近40%。也就是说,机器没在干活,但电没少走。

第二,异常检测。用孤立森林算法,让AI自动标出用电曲线异常的时间段。结果把车间主任叫过来一看,那些异常点对应的正好是设备出故障的时间段——他当场惊了:”这台机器上个月液压油温过高停机维修了三天,停机前电流就一直在异常波动,原来AI能提前看出来?”

第三,能效排名。把每台机器每公斤产品耗电量算出来,排了个名。排在最末尾的三台机器,每公斤产品电耗是冠军机器的2.3倍。

找出的三个”电老虎”

电老虎一号:一台650吨的老机器。这台机器在车间服役了11年,加热筒的保温层早就老化脱落了。AI数据显示它的加热占比从正常的35%飙到了58%。也就是说,电送进去一半多都在给车间”供暖”而不是加热塑料。后来换了保温棉,那台机器的电耗直接降了22%。

电老虎二号:一台待机功率异常的进口机。意大利进口的,当年花了300多万。待机时油泵还在空转,液压系统一直在待命状态。查了之后发现是PLC程序里待机模式没写好,伺服油泵没切换到低压待机模式。改了一行程序,待机功率从12.5kW降到3.8kW。这种机器在车间里被当宝贝供着,谁也不敢动它的程序,结果就是它每天晚上白白烧着电没人管。

电老虎三号:频繁启停的80吨小机器。这台机器做小零件,一个周期只要8秒。但模具设计有问题,机械手取件经常卡,一卡就停机待机。AI一分析,这台机器每天启停超过400次,每次待机平均25秒,一天下来待机能耗占了总电耗的31%。后来模具修了一下,卡件率降了,电耗也跟着降了。

工业能效数据分析可视化

效果:一个月省了2万2

改造完成后的第一个月,全厂用电量从35万度降到了31万度。按东莞0.8元/度的工业电价算,一个月省了3万2。扣掉AI系统采购和安装的成本(包括工控机、边缘计算盒子、传感器分摊),第一个月净省2万2。

老板很高兴,车间主任也很高兴——因为每个月省出来的钱,年底拿出15%给车间发奖金。兄弟们那天又找我喝酒了,这回是高兴的。

几点实在的感悟

做这个项目我学到了几个东西,跟兄弟们分享一下:

第一,AI在工厂落地,最难的不是算法,是数据。我花了将近一半的时间在数据清洗上——数据格式统一、异常值剔除、缺失值填充。如果你的工厂连基础的用电数据都没有,先装电表,别急着上AI。

第二,别被AI的”高大上”吓住。我用的其实不是什么高深的深度学习,绝大部分工作就是scikit-learn里的聚类和异常检测算法,人家十几年前就有了。关键不是算法有多新,是你敢不敢把数据倒腾出来看看。

第三,工厂节能最大的对手不是技术,是人。那台进口机器的待机问题,厂里之前不是没人发现——电工看到过它待机时电流偏高,但没人敢动意大利人的程序,怕搞坏了担责任。AI的好处是它不讲人情,数据摆在那里,谁也说不出什么。

第四,别小看老设备的潜力。上面说的三台”电老虎”,都是用了五年以上的老设备。反而新买的那8台机器,AI分析下来能耗基本正常。这说明什么?设备老了需要维护,但用数据告诉你它需要什么维护,比靠感觉靠谱多了。

写在最后

说实话,我干这行十几年了,以前总觉得AI这东西是互联网公司玩的,跟我们搞PLC搞电气的不沾边。但这两年下来,我越来越觉得——AI就是一个工具,跟万用表、示波器没什么区别。关键是你用它解决什么问题。

你们厂里有这种”电老虎”吗?有没有遇到过明明觉得设备不正常、但不知道问题在哪的情况?欢迎在评论区聊聊。

上一篇 给陶瓷厂球磨机做了套自动进出料系统,手动扳阀门变成一键操作——S7-1200完整项目记录
下一篇 污水处理厂PLC读不到第8台仪表的数据,一根屏蔽线折腾了我三天——Modbus RTU多站轮询的那些坑