设备要分三六九等——这话糙，理不糙。上个月去一家轴承厂，看到他们还在用20年前的手写巡检表给机床评级，A/B/C三档，全靠老师傅‘一听二看三摸’。我当时就乐了：这哪是工业分级，这分明是玄学。
没错，工业分级这个词在制造业里被用烂了。有人说的是设备重要度分级，有人指的是产品质量等级，还有人扯到能耗效率划分。但甭管哪一层，落到执行上就一个问题：你到底拿什么标准来分？拍脑门？还是看数据？
我见过最夸张的：一家做精密注塑的厂子，模具分‘普通’和‘关键’就靠模具费来定——价格超十万的算关键，以下的随便造。结果呢？一套八万的模具因为几乎天天用，崩了刃，整批订单报废。反倒是角落那套十五万的模具，半年没开一次机。这种‘分级’——简直是事故的邀请函。
那到底该怎么搞？先说个业内共识：工业分级永远不是一次性动作，而是动态迭代的活。尤其是设备分级，从预防性维护的角度，你得分出哪些机台停一分钟就能让整条线瘫痪，哪些就算歇菜三天也不影响交付。这玩意儿学名叫设备关键性评估（CEA），套模板简单，但要做得准，你得死磕两样东西：失效模式和真实负荷。
车间里的分级，没人比你更懂——才怪
很多厂长跟我说：“我闭着眼都知道哪台设备最要命。” 真的假的？我随手甩了三个问题，问退了一多半：
❓ 那台‘要命’的数控车床，上次非计划停机是什么时候？停了多久？
❓ 它的刀具寿命数据你存了多少？有没有统计过换刀策略和崩刃的关联？
❓ 如果今天它突然挂掉，你手头有几套备选加工方案？外包能撑多久？
看，一问就露馅。靠直觉的分级，本质是对事故剧本的自我欺骗。所以这两年我们团队给工厂做咨询，第一件事就是把历史维修记录捞出来做聚类分析，哪怕数据脏得像油污抹布，也得洗。洗完之后往往发现：真正的‘关键设备’清单，和厂长脑袋里的那份，重合度不到40%。
这时候就不得不提传感器了。振动、温度、电流——这三样东西是工业分级的‘硬通货’。我特喜欢一个案例：常州有家齿轮加工厂，给每台滚齿机主轴装了低成本MEMS加速度计，连续采集三个月振动频谱。原来他们凭经验把三台进口格里森设备定为S级（最高），国产的统统B级。数据跑完之后，一台用了七年的国产机反而因为齿轮箱磨损严重，故障特征频率增幅超过进口机，直接被提到A级重点监控。厂长看着报告嘟囔：“合着过去几年我都在赌命？” 对，你就是在赌。
不过话说回来，数据也不是万能药。我踩过最大的坑就是：迷信定量模型，忽视工况切分。有次帮一家铰链厂做分级，把所有设备的振动总值拿来套ISO 10816标准，结果给一台低速搅拌机报了‘严重预警’。车间主任冲我吼：“这机器天生就这抖法，你大惊小怪个啥！” 后来加了转速同步触发和包络分析，才发现是虚惊。所以分级模型里，一定要把运行工况切成块，比如空载、带载、换刀瞬间，否则假阳性能把你淹死。
问：小厂没预算上传感器，怎么搞设备分级？
答：先别急着哭穷。没有在线监测，你总有纸笔和Excel吧？死抓两样：典型失效的跟踪记录和故障间隔时间（MTBF）。哪怕只统计每台机器多久坏一次、坏在哪里，坚持半年就能拉出一个粗糙但有用的帕累托图。另外，辅助触点和限位开关的信号也能用——几块钱的行程开关串个计数器，比人手数准十倍。实在不行，给关键部位贴个温度试纸，超温就变色，这也算低配版分级预警。关键是养成数据习惯，别总拿‘没钱’当挡箭牌。
工业分级不是技术活，是权力活
这话可能得罪人，但事实如此。我参与过一个重型机械项目，设备分级方案改了三版，卡在哪？生产部不同意把一台冲压机定成最高级，因为这会增加他们的OEE考核压力。维修部想提升级数，好申请更多备件预算。财务那边又跳出来说折旧年限没到，不能这么分。你看，一个纯粹的技术矩阵，最后变成了部门利益撕扯的桌面游戏。
所以我现在学乖了：从项目启动第一天，就把RACI图表贴在会议室墙上。谁负责打分，谁审核，谁最终拍板，必须白纸黑字。更关键的是，分层分级的结果必须和备件库存、巡检周期、维保预算直接挂钩，否则没人当回事。你定个A级，巡检还是每周一次，那这个A就是废纸。
问：分级之后，是不是越高等级的设备就要越频繁地巡检？
答：错！这是最常见的误解。分级不是决定频次，而是决定资源倾斜程度。高等级设备反而可能巡检间隔更长，但每次要做得更深、更准，比如用内窥镜代替目视、用频谱分析代替听音棒。而低等级设备，你就算天天摸，也只是浪费人工。真正应该增加频率的，是那些处在浴盆曲线磨损上升期的设备，跟等级没绝对关系。记住一句话：分级管深度，数据分析管密度。
下一代分级：让机器自己说话
最近跟几个搞工业互联网的团队聊天，他们搞出了种新玩法：基于自编码器的无监督聚类。简单说，就是把几百台同型号设备的振动、温度、电流特征扔进神经网络，完全不给人贴标签的余地，让算法自动找出哪些机台的行为像‘正常人’，哪些是‘异类’。出来的结果那叫一个打脸——人眼看着完全一样的几台织机，算法硬是分出了四个亚群，其中一个群的早期故障信号已经埋了两个月，而车间完全不知道。
这种动态分级特别适合量大面广的离散制造业，比如家电、阀门、纺织。因为传统分级手法在这种场景下根本跑不赢：设备太多了，型号杂，靠人工点检根本覆盖不全。而机器学习模型可以24小时盯着，不怕累，不怕漏——当然前提是你的数据管道不能断流，标注得跟上。否则模型中毒了比人犯错更可怕。
不过我得泼盆冷水：别一上来就追求高阶模型。我见过太多厂连基础扭矩信号的趋势线都画不出来，就在PPT里吹工业4.0分级。先把最土的活儿做扎实：一机一档建全了，失效代码统一了，维修工单别再缺项。这些事做到90分，你的工业分级已经赢了80%的同行。真的。
最后说个细节：分级不是终点，是起点。你得每年至少重新评估一次，因为设备会老化，工艺会变更，甚至同一台机器换了刀片品牌，振动特征都不同。僵化的分级，比没分级更危险——它给你虚假的安全感。去年冬天，北方一家风机厂就是因为三年前定的S级风机一直没有重评，叶片裂纹没被捕捉到，结果……算了，不提了。
所以，下次有人跟你说“我们厂设备分四等”，你先别点头，问他一句：“您这四等，是基于数据呢，还是基于直觉？” 看他眼神躲不躲。