停机一小时，损失的不只是一小时
对制造企业来说，设备故障的代价不只是维修费。注塑机、冲压线、装配线停一小时，后面的排产全乱，交期可能就要延。宁波做批量制造的企业，这类账都算得清楚。
但多数中小企业的设备管理停留在三个状态：台账散（设备清单在财务那、说明书在采购那、维修记录在生产那）、点检走过场（填表是填了，填的是不是真值没人知道）、故障靠人（某个故障上次怎么解决的，只有当时处理的那个师傅知道）。
这三件事的共同点又是"资料的组织和检索"，AI能补位，但前提是把基础做起来。
第一段：设备台账——先有一个能用的底表
第一件事是建一份统一的设备台账。字段建议：设备编号（唯一，贴牌在机身上）、名称型号、制造商、投产日期、所在产线/工位、关键备件清单、说明书与图纸存放位置、保养周期、保修状态、累计运行小时数。
听起来基础，但很多企业真没有。有了这张底表，后面的保养计划、备件采购、故障统计才有地方挂。
AI在这里能做的是从散落的资料里把台账填起来：从采购合同里提取设备型号和投产日期，从说明书PDF里提取保养周期和备件清单，从历史维修单里提取故障记录。人只需要核对修正，不用从零录入。
数据清洗的节奏参考 上AI之前先整理数据；台账怎么沉淀成可查资产，见 用文档喂给AI：企业知识库落地。
第二段：点检——把"走过场"变成"能用的数据"
点检表单打了勾，但设备照样坏，这是普遍现象。原因通常是点检项设置得太笼统——"运行正常""无异响"这种项，填的人闭着眼也能打勾，没有任何信息量。
改造方法是把点检项改成可测量、可比对的：不是"温度正常"，是"油温多少度，正常区间多少到多少"；不是"无异响"，是"主轴振动值多少，超过多少需要报修"；不是"润滑良好"，是"油位在什么刻度之间"。
改成数值型之后，点检数据才有价值：一是能看趋势，某台设备的油温连续两周缓慢上升，这往往就是故障前兆；二是能自动报警，超出阈值直接触发工单，不用等人判断。
AI在这里的用法是把历史点检记录里填"正常"的项自动识别出来，提示哪些应该改成可量化项，并生成改造建议。但具体阈值必须由设备工程师结合说明书和实际工况定，这是技术判断。
流程怎么落到日常，见 企业AI业务流程改造。
第三段：故障案例库——让老师傅的经验留在公司
这是最有长期价值的一段。设备修完之后，多数企业只记了一句"已修复"，下次同样故障发生，又从头查一遍。
建议按故障现象—排查路径—根本原因—处理动作—验证结果—预防措施六段记录每一非例行故障。听着麻烦，但可以先用最小版本跑起来：每次非例行维修后，维修工用语音说三分钟，录音转文字，AI整理成这六段初稿，工程师确认。语音口述的门槛很低，老师傅也愿意配合。
案例库建起来之后，两个直接收益：一是新人遇到故障能先查库，不用每次都喊老师傅；二是AI能按故障现象反查历史案例，给出可能的排查顺序建议，维修时间通常能压下来不少。
还有个容易被忽略的用法：故障频次统计出来之后，能直接支撑设备更新决策。某台设备一年故障二十次、累计停机一百小时，换新的账就很好算了。降本怎么算账，参考 制造业降本的AI切入点。
红线
- 停机判定和安全处置不能交给AI：设备出现异常，是否立即停机、怎么挂牌上锁，必须按安全规程由人执行。
- 维修工艺参数不能让模型给：扭矩、间隙、对中精度、电气整定值，必须来自设备手册或厂家确认。
- 点检阈值必须工程师定：模型按通用经验给的阈值，放到具体工况下可能全是误报。
- 设备联网改造要注意网络安全：生产网和办公网要隔离，不要为了采集数据把设备直接暴露出去。边界见 企业用AI的合规与数据安全。
六周排期
- 第 1-2 周：建设备台账底表，先用资料抽取的方式填，人核对。
- 第 3 周：改造点检表，把笼统项改成可量化项，选一条产线试跑。
- 第 4-5 周：上故障案例六段记录，语音口述+AI整理，工程师确认。
- 第 6 周：看非计划停机时长、平均修复时长、点检异常发现率三个指标。
验收核心看平均修复时长（MTTR）。案例库有用没用，这个数最直接。指标怎么定见 AI项目验收标准怎么定。
想按自己的设备情况排一遍
注塑、冲压、机加、装配，不同设备的维保重点差别很大。如果在宁波做制造，想先把设备台账和故障案例库建起来，直接 联系我们，带上你的设备清单和最近几次维修记录，我们帮你估一下第一周该从哪台设备开始。