4. 维护计划编制的数据基础
维护计划不是凭经验“拍脑袋”排出来的，它本质上是一次基于数据的决策：哪些部件该在什么时候维护、维护到什么程度、备件和人力如何分配。要让这份计划站得住脚，编制者手里必须有五类可追溯的数据——仪器使用日志、故障历史、厂商推荐周期、方法负载统计和风险评估结果。它们分别回答“仪器被怎么用”“过去坏在哪”“厂家建议多久做一次”“当前检测任务有多重”“不维护会带来多大后果”这五个问题，缺一项，计划就会出现盲区。
一、仪器使用日志：把“用了多久”变成可计算的量
使用日志是最基础的一手数据，核心是记录每次开机、进样、关机的时间与状态。对色谱仪而言，仅记录“今天用了”远远不够，真正有价值的是可累加、可比较的量：累计进样针数、累计运行小时数、检测器点火/激发时长、柱温箱高温段累计时间、流动相消耗体积、载气/燃气实际消耗量。这些量直接对应部件的磨损程度，例如进样隔垫的寿命通常按“进样次数”计，而泵密封圈更接近按“运行小时数+输送体积”计。
建议日志至少包含以下字段，并以仪器编号为主键逐日登记：日期、开机/关机时间、运行小时数、进样次数、分析方法编号、检测器类型及使用时长、流动相/载气更换记录、异常现象备注。示例：某台高效液相色谱仪（HPLC）在一天内运行6.5小时、进样48针、使用C18柱与紫外检测器，流动相为甲醇-水（60:40），则当日应累加“运行6.5 h、进样48针、甲醇消耗约0.4 L”。这些累加值在月末汇总后，就是判断“是否接近厂商寿命阈值”的直接依据。
日志的常见问题是漏记和口径不一。解决办法是把记录动作嵌入日常流程：开机时登记起始时间，关机时登记结束时间与进样数，由系统或纸质表单自动累加；同时统一“运行小时”的定义（如“泵启动至泵停止的时长”），避免不同人员各记各的。
二、故障历史：从“修了什么”反推维护重点
故障历史记录的是已经发生的失效事件，它的价值在于揭示薄弱环节和失效规律。每条记录应包含：发生日期、仪器编号、故障现象、涉及部件、可能原因、处理措施、停机时长、更换备件及费用。例如“某气相色谱仪（GC）火焰离子化检测器（FID）基线漂移，清洗收集极并更换喷嘴后恢复，停机4小时”，这条记录既说明喷嘴属于易积碳部件，也提示应把喷嘴检查纳入预防性维护。
对故障历史做简单统计就能支撑决策：按部件统计故障频次，找出“高频故障件”；按时间统计平均无故障间隔（MTBF），判断当前维护周期是否偏长；按停机时长和费用统计影响，识别“低频但高代价”的故障。示例性统计：某实验室一年内记录进样口隔垫相关故障9次、泵密封圈渗漏3次、检测器污染2次，则隔垫应缩短更换周期或改为按进样次数强制更换，而检测器污染可通过加强流动相脱气和柱前过滤来预防。需要强调的是，故障历史只反映“已经发生的”，不能替代厂商周期和风险评估，三者要交叉使用。
三、厂商推荐周期：作为基准而非教条
厂商推荐周期来自仪器和部件说明书，通常给出“建议更换/检查周期”，如隔垫每100次进样更换、泵密封圈每6个月或2000小时更换、检测器每3个月检查一次、年度预防性维护（PM）一次。它的作用是提供一个安全起点，尤其对缺乏历史数据的新仪器，直接采用厂商周期是稳妥的。
但厂商周期是通用假设，未必匹配本实验室的实际负载。若某台仪器日均进样量是厂商假设的两倍，按“每100次进样”换算出的日历周期就会明显缩短；反之，低负载仪器可适当延长，但延长必须有日志和故障历史支撑，并经过风险评估确认。因此正确做法是：以厂商周期为基准线，用使用日志折算实际触发点，用故障历史校正偏差，形成“本实验室适用周期”。
四、方法负载统计：让维护资源跟着任务走
方法负载统计回答的是“哪台仪器、哪个方法、哪类检测承担了多少任务”。它把进样记录按方法、检测器、样品类型汇总，得到各方法的月度/季度运行时长与进样量。例如某月液相方法A运行120小时、进样900针，方法B运行30小时、进样150针，则方法A对应的色谱柱、流动相过滤器和检测器灯属于高负载对象，应优先安排维护和备件。
负载统计还能支持“分级维护”：高负载仪器缩短检查间隔、增加中间点检；低负载仪器可合并维护窗口，减少停机对检测任务的影响。同时它也是排期依据——把维护安排在负载低谷期，能显著降低对出报告的影响。
五、风险评估：决定“先做谁、做多深”
风险评估把前四类数据转化为优先级。常用做法是从“失效可能性”和“失效后果”两个维度打分：可能性可参考故障频次、部件已使用时长与厂商寿命的比值、负载强度；后果可参考对检测结果的影响（是否导致数据无效、是否影响资质认定）、停机代价、安全与环境风险。两者相乘得到风险等级，高风险项优先纳入计划并缩短周期，低风险项可延长周期或采用状态监测。
例如某FID喷嘴已使用时间达到厂商寿命的80%、历史上有过积碳故障、且该检测器承担大量法定检测任务，则其风险等级高，应提前安排检查；而某台低负载仪器的自动进样器清洗端口，历史无故障、后果轻微，可维持厂商周期甚至适当延长。
六、把五类数据合成一份可执行的计划
实际编制时，可按“部件—数据—周期—风险—动作”的链条逐项落地。以某台HPLC为例（以下为示例性假设数据，非实测）：进样隔垫厂商建议每100针更换，日志显示月均进样约900针，故障历史一年内隔垫相关故障2次，风险评估为高，则计划改为每80针或每两周强制更换；泵密封圈厂商建议6个月，日志显示月均运行110小时、年累计约1300小时，未达厂商2000小时阈值，故障历史无渗漏记录，风险为中，则维持6个月但增加每月渗漏点检；检测器灯厂商建议2000小时，负载统计显示该检测器月均使用60小时，风险为低，则按累计时长触发更换并每季度记录能量值。这样每一项维护都有数据出处，周期可解释、可调整。
归根结底，这五类数据不是并列的五个表格，而是一条从“使用事实”到“失效规律”再到“优先级判断”的证据链。日志和负载统计提供输入侧的量化事实，故障历史提供输出侧的失效证据，厂商周期提供基准参照，风险评估完成从事实到决策的转换。编制者的工作，就是让这条证据链完整、口径一致、可追溯，使维护计划既有依据，又能随实际运行情况动态调整。