1. 课程导入与工程对象界定

设备健康评分与维护优先级工程，解决的不是“设备坏没坏”这一个单点问题，而是把设备状态、劣化趋势、故障后果与维护资源放在同一套可比较的尺度上，回答三个连续问题：这台设备现在处于什么健康水平？它接下来最可能怎么劣化？在有限的人力和停机窗口下，应该先修谁、后修谁？本课程的核心目标，就是建立一条从“多源状态数据”到“健康评分”再到“维护优先级排序”的可落地技术链路，使维护决策从经验驱动转向数据与规则共同驱动。

需要先明确一个边界：健康评分不是故障诊断的替代品。故障诊断回答“是什么故障”，健康评分回答“整体还剩多少可用裕度、劣化到了哪个阶段”。二者互补——诊断结果可以作为评分的一个强证据输入，但评分还要综合振动、温度、电流、油液、运行工况、历史维修记录等连续量，输出一个可横向比较的 0～100 分或分级结果。维护优先级则进一步叠加后果严重度、可探测性、备件与停机成本，把“健康差”翻译成“先处理”。

适用设备类型与工程对象

本课程面向的是可观测、可劣化、可干预的旋转与传动类关键设备，典型对象包括：电机、减速机、泵、风机、压缩机、机床主轴、皮带/链传动系统、液压站等。它们共同具备三个特征：一是存在明确的劣化通道（轴承磨损、齿轮点蚀、不平衡、不对中、润滑失效、绝缘老化等）；二是有可采集的状态量（振动加速度/速度、温度、电流、转速、压力、流量）；三是有可执行的维护动作（润滑、紧固、更换、对中、动平衡、绝缘处理）。

反之，纯电子板卡、一次性耗材、无状态监测手段且故障后果轻微的非关键辅机，通常不作为本课程的重点对象。工程对象界定不清，会导致后续评分模型把不可干预的量纳入、把无意义的设备纳入排序，最终排序结果无法指导现场。

整体技术路线

整体路线可概括为五段：对象界定 → 数据采集与特征提取 → 健康评分 → 维护优先级排序 → 闭环验证与迭代。下面这张图给出的是本节最需要看清的结构关系：从设备对象出发，经过状态量与特征，进入评分，再叠加后果与资源约束形成优先级，最后回到现场验证并反馈修正模型。

图中左侧的“现场维护执行”与“闭环验证”之间形成回路：执行结果（更换了哪个轴承、修后振动降到多少）必须回填到评分模型，用于校准权重和阈值。没有这个回路，评分会逐渐偏离真实劣化规律，排序也会失去现场信任。

一个可理解的教学示例

假设某车间有三台关键设备，采集到如下示例数据（以下为教学假设，非实测）：

可以看到，健康评分最低的 1# 泵优先级最高；3# 减速机评分虽高于 1#，但因后果严重度高，优先级排在 2# 风机之前。这说明优先级不是健康分的简单倒序，而是健康分与后果、资源约束共同作用的结果。实际工程中，还会引入“劣化速率”这一维度：同样 62 分，若一周内从 85 分跌到 62 分，其紧迫性远高于长期稳定在 62 分的设备。

工程落地的三个前提

第一，测点与采样要能反映劣化。例如滚动轴承早期故障宜用加速度包络，不平衡与不对中宜用速度 RMS，电气绝缘宜用局放或绝缘电阻。测点选错，后续评分再精细也无意义。第二，评分规则要可解释。现场维护人员需要知道“为什么这台是 62 分”，因此权重、阈值、扣分项应可追溯，而不是黑箱输出。第三，优先级要可执行。排序结果必须对应到具体的检修窗口、备件和工种，否则只是一张好看的报表。