微物联研究院
直接回答
四種維護策略——事後修、定期修、狀態修、預測修——它們的區別不在「修不修」，而在什麼時候修、憑什麼決定修。
- 事後修：壞了再修，不管它；
- 定期修：按時間或次數一刀切，到點就修；
- 狀態修：看到異常信號才修；
- 預測修：用連續資料預測剩餘壽命，在最佳視窗修。
關鍵躍遷是從「時間/閾值觸發」變成「趨勢預測」。前三種都是「出了事再反應」，只有預測修是「在出事之前主動安排」。它的前提不是演算法多先進，而是你有沒有連續時序資料——沒有資料，預測修就是空話。
一、四種維護策略的本質區別
| 觸發方式 | 決策依據 | 成本特徵 | 風險 | |
|---|---|---|---|---|
| 事後修 | 故障發生後 | 壞了才知道 | 直接維修成本低 | 停機損失大 |
| 定期修 | 時間/次數到了 | 日曆或運行小時 | 過度維修浪費 | 修了不該修的 |
| 狀態修 | 參數超閾值 | 報警信號 | 按需維修 | 漏判（趨勢已壞但閾值沒到） |
| 預測修 | 趨勢預測 | 剩餘壽命模型 | 精準維修 | 需要資料和模型 |
這四種不是「新的取代舊的」，而是疊加關係。一個成熟的運維體系，四種同時存在：關鍵設備用預測修，一般設備用狀態修，不重要的用事後修，安全相關的用定期修（法規要求）。
二、事後修：壞了再修的代價
事後修（Run-to-Failure）聽起來原始，但它在某些場合是合理選擇。
適合事後修的場景：設備便宜、更換容易（燈泡、風扇）；故障不影響安全（備用電源的一個指示燈）；冗餘配置（N+1 系統，壞一個還有備份）。
不適合事後修的場景：關鍵迴路斷路器——壞了直接停電或起火；消防泵——壞了就是火災失控；母線接頭——鬆動發展到起火可能只要幾天。
事後修的隱性成本是停機時間。一個關鍵設備故障導致非計劃停機，損失可能是維修成本的 10~100 倍。某園區配電櫃一個斷路器觸點燒蝕，事後修花了 800 元，但生產線停了 4 小時，損失 12 萬。
三、定期修：一刀切的浪費
定期修（Preventive Maintenance）是目前大多數企業的做法：每年停電大修一次，按時間緊螺絲、換部件、測絕緣。
它的好處是確定性——你知道什麼時候會檢修，能安排計劃。但它的問題是過度維修：螺絲本來沒鬆，緊一遍浪費人工；部件還能用，換下來浪費物料；絕緣還很好，測一遍浪費時間。
更隱蔽的問題是：定期修本身會引入故障。你拆開一個運行正常的接頭，再裝回去，反而可能因為力矩不對、接觸面污染而埋下隱患。某機場航站樓配電系統，年度大修後一週內出了 3 起接頭髮熱——都是大修時緊螺絲力矩不均造成的。
定期修適合法規強制的場合：消防設備、起重機械、壓力容器。這些場合不管設備狀態如何，到點必須檢——這是安全要求，不是效率問題。
四、狀態修：看到異常才動手
狀態修（Condition-Based Maintenance）是定期修的進化版：不靠日曆，靠設備狀態。
你裝感測器，監測溫度、振動、絕緣電阻、電弧事件。參數超過閾值，就報警；報警了才派人去修。沒報警，就不動它。
這比定期修省了很多「過度維修」的成本。但它有一個致命弱點：閾值是靜態的。
舉例：一個母線接頭，正常溫度 35℃，閾值設 60℃。它從 35℃ 慢慢爬到 55℃，爬了三個月——沒報警。但它的趨勢已經壞了（正常接頭溫度應該是平穩的）。等它到 60℃ 報警時，已經離起火不遠了。
這就是「閾值盲區」：設備還在閾值以下，但趨勢已經不對了。千知引擎的 CUSUM 趨勢預警就是補這個盲區——它不看絕對閾值，看偏離基線的累積量。
五、預測修：在最佳視窗檢修
預測修（Predictive Maintenance）是狀態修的進階：不僅看現在的狀態，還預測未來會壞在哪裡、什麼時候壞。
它的核心是剩餘壽命預測（RUL, Remaining Useful Life）。模型基於連續時序資料：溫度趨勢線斜率在變大 → 接觸電阻在加速惡化；電弧事件頻次每週翻倍 → 鬆動在加速；絕緣電阻每年下降 5% → 按這個斜率，3 年後會跌破安全線。
有了 RUL，運維就不是「等報警」，而是提前安排：這個接頭預計還有 60 天壽命，安排在下個月的檢修視窗處理——不用緊急搶修，不用停機等備件。
某港口變電所，用 FEXLINK-BMS 母線監測系統連續監測母排溫度。天衍引擎發現 3 號母排接頭溫度斜率在過去 30 天從 +0.1℃/天 升到 +0.5℃/天，預測剩餘壽命 45 天。太一智控自動生成工單，安排在兩週後的夜間視窗處理。處理時拆開一看，搭接面已經氧化發黑——再晚兩週就可能出問題。
六、預測修的前提：你有沒有資料
很多企業一聽預測修就想上 AI。但預測修的前提不是演算法，是連續時序資料。
你需要：每 5 分鐘甚至每秒採一次溫度、電流、電壓；資料保存至少 6 個月，建立基線；資料品質好，沒有斷點、沒有跳變；設備故障有歷史記錄，能和資料對應。
沒有這些，所謂「預測」就是拍腦袋。微物聯的落地路徑是：先上 ESA 全要素智慧電表和 FEXLINK-BMS 母線監測系統，把資料採起來；資料積累半年以上，千知引擎做單參異常檢測；一年以上，天衍引擎做 CUSUM 趨勢預警；兩年以上，才談 RUL 剩餘壽命預測。
七、四種策略在一個專案裡怎麼共存
一個成熟的運維體系，不是「全上預測修」，而是按設備重要性分層：
| 設備層級 | 策略 | 例子 |
|---|---|---|
| 關鍵安全設備 | 定期修（法規強制）+ 預測修（趨勢預警） | 消防泵、應急發電機 |
| 關鍵生產設備 | 預測修 | 主母線、進線斷路器、生產線 |
| 一般設備 | 狀態修（閾值報警） | 普通饋線、照明迴路 |
| 不重要設備 | 事後修 | 備用插座、輔助電源 |
微物聯的 AI 三級引擎就是按這個分層設計的：千知引擎做單參異常檢測（對應狀態修）；天衍引擎做 CUSUM 趨勢預警（對應預測修早期）；萬象引擎做多參融合場景樹（對應預測修完整）。
適用範圍與限制
本文適用於低壓配電系統四種維護策略的對比與選型。高壓設備、旋轉機械、化工設備的預測修模型差異較大，需專門討論。文中 RUL 概念為通用框架，具體模型以廠家演算法說明為準。ESA、FEXLINK-BMS 為微物聯對應產品示例，部署方式以最新產品手冊為準。