1. 课程导入与问题定义

在离散制造与流程工业中，设备告警和停线是两类高频但长期被分开管理的数据。设备侧记录的是“设备自己认为出了什么问题”，例如伺服过载、气压低、温度超限、通讯超时；生产侧记录的是“产线为什么停下来”，例如等待物料、换型调机、质量确认、设备故障。两者往往存在于不同的系统、不同的时间粒度、不同的责任人口中。当停线发生时，现场通常只能给出一句“设备报警了”，而设备报警日志里可能同时有十几条告警，真正导致停线的那一条未必排在最前面。这正是本课程要解决的核心问题：把设备告警事件与停线原因建立可解释、可复现、可量化的关联关系，让“哪条告警真正造成了停线、停线多久、影响多少产量”从经验判断变成数据判断。

一、分析目标：从“事后解释”走向“事前预防”

设备告警与停线原因关联分析的目标可以分为三个层次。第一层是归因：给定一次停线事件，找出时间上最接近、因果上最合理的告警或告警组合，明确停线的直接触发原因。第二层是量化：统计每类告警导致的停线频次、平均停线时长、累计损失，形成告警的“停线贡献度”排序。第三层是预测与预防：识别停线前的告警模式，例如某类告警在停线前5分钟内重复出现3次以上，或某两个告警总是成对出现，从而在停线发生前触发预警或自动干预。

这三层目标对应不同的数据要求和分析方法。归因依赖事件时间对齐和因果规则；量化依赖停线时长与告警次数的统计聚合；预测依赖历史模式挖掘和特征工程。课程后续章节会逐步展开，本章先建立整体框架。

二、业务价值：为什么值得做这件事

关联分析的价值不是“多一张报表”，而是直接改变现场决策和维修策略。具体体现在四个方面：

• 缩短故障定位时间：当停线发生时，系统直接给出“本次停线最可能由X轴伺服过载告警触发”，维修人员不必在几十条告警中逐条排查。
• 优化备件与维修优先级：如果某条告警虽然频繁但从未导致停线，可以降级处理；如果某条告警出现次数少但每次必停线，应优先安排预防性维护。
• 减少误报干扰：通过关联分析识别“伴随告警”和“根因告警”，把误报从停线原因中剥离，避免维修资源被无效告警消耗。
• 支撑OEE与产能分析：停线原因被准确归类后，设备综合效率中的停机损失才能被正确拆分到具体设备、具体部件、具体告警类型。

三、典型场景：三类真实问题

场景一：单机台短时频繁停线。某注塑机在一个班次内停了12次，每次2～5分钟。设备告警日志显示“液压油温高”出现8次，“合模未到位”出现5次。停线记录只写“设备异常”。通过时间对齐发现，每次“合模未到位”前30秒内必有“液压油温高”，而油温高单独出现时并未停线。结论是油温高是根因，合模未到位是结果。处理方向是检查冷却水路和油温传感器，而不是反复调整合模参数。

场景二：整线停线但告警分散。装配线停线15分钟，涉及5台设备，每台都有若干告警。停线记录写“等待前道”。通过分析发现，真正触发停线的是最上游一台设备的“缺料报警”，后续设备的告警都是因为等待而触发的连锁反应。关联分析需要区分“触发告警”和“连锁告警”。

场景三：无告警停线。设备没有产生任何告警，但产线停了。这类停线往往对应人工操作、换型、质量确认等非设备原因。关联分析的价值在于确认“无告警”本身也是一种结论，避免把非设备原因错误归到设备头上。

四、整体分析流程

从数据到结论，整体流程可以概括为五个环节：数据采集与对齐、告警事件化、停线事件化、关联匹配、结果输出与验证。下面这张图展示了各环节的输入输出关系以及关键判断点。

流程中的关键判断点需要特别说明。时间窗选择不是越大越好：窗口过大，会把停线前无关的告警也拉进来，导致误匹配；窗口过小，可能漏掉真正的触发告警。实际项目中，可以先统计告警与停线的时间差分布，选择覆盖80%以上真实关联的窗口作为初始值，再根据验证结果调整。设备映射同样关键，如果告警来自PLC而停线记录来自MES，两者之间的设备编码必须建立对照表，否则时间再准也无法关联。

五、一个可执行的分析示例

假设某产线一周内记录了3次停线，停线记录和告警日志如下（示例数据，用于说明方法）：

按±5分钟时间窗匹配后，S001和S003都能匹配到告警，S002无匹配。进一步看告警组合：S001和S003都出现了“伺服过载”和“气压低”，且伺服过载总是更早出现。可以初步判断伺服过载是根因告警，气压低是伴随告警。S002无告警，应归类为非设备原因，不应强行关联。这个简单示例说明了关联分析的基本逻辑：先匹配，再看顺序，再分根因与伴随，最后处理无告警情况。

六、本章小结与后续衔接