旋转机械：泵、风机、压缩机
对轴承、齿轮箱、联轴器等部位采集振动速度与加速度包络，识别不平衡、不对中、松动与早期磨损特征。数据按小时归档，趋势曲线可直接用于判断劣化速度。
针对变频驱动的机组，平台同步记录转速区间，避免不同工况下的数据混入同一基线，让报警阈值更贴近真实运行状态。
GMG能监测哪些设备与参数
从旋转机组到电气回路，先明确覆盖边界，再谈部署方式
电气与温度：电机、配电回路
采集定子电流、三相不平衡度与绕组温度，辅助判断过载、绝缘劣化与供电异常。电流特征与振动数据交叉比对，可减少单一信号带来的误判。
温度测点支持表面贴装与非接触两种方式，现场可根据设备结构选择，不必为监测改造原有机械本体。
辅助系统：冷却、润滑、液压
对油温、油压、流量与液位做连续记录，观察润滑与冷却环节的稳定性。辅助系统异常往往是主机故障的前兆信号。
平台将这些参数与主机状态放在同一时间轴上，运维人员不必在多个系统之间来回切换查找对应关系。
数据从现场到平台要经过哪些环节
链路清楚，才谈得上稳定采集与可信分析
-
现场采集
在测点安装传感器与采集单元，按设定采样率获取振动、温度、电流等原始信号，本地完成初步滤波与缓存，避免网络波动造成数据缺口。
-
边缘汇聚
边缘网关对多路信号做时间对齐与压缩，按优先级上传。关键报警可即时推送，全量波形则安排在低峰时段回传，降低现场带宽压力。
-
平台存储与计算
状态数据入库后自动生成趋势、频谱与特征值，保留原始波形供回溯。所有指标都带采集时间与工况标签，便于后续复现。
-
预警与推送
超过阈值或趋势异常时，平台按设备、区域、责任人三级规则推送消息，并记录处理状态，形成从发现到闭环的完整痕迹。
整条链路支持离线缓存与断点续传，现场短暂断网不会造成数据丢失，恢复后自动补齐。
诊断模型如何辅助判断故障
模型给参考，人做决定，两者责任边界要清晰
平台内置针对常见故障的判别逻辑，覆盖不平衡、不对中、轴承缺陷、齿轮啮合异常与松动等典型模式。模型依据频谱特征与趋势斜率给出可能性排序，而不是直接下结论。
每条诊断参考都会附带依据说明，例如出现了哪些特征频率、幅值变化幅度、持续了多长时间，方便设备工程师核对后自行判断，避免黑箱式结论影响现场决策。
对于尚无充足样本的设备，平台先以基线学习方式建立正常运行区间，随着数据积累再逐步细化判别规则，降低初期误报带来的干扰。
从单台试点到全厂推广的落地节奏
先跑通一条线，再复制到同类机组
-
01
选定试点机组
优先选择故障频次高、停机代价大的设备作为首批对象。通常三到五台机组即可验证采集稳定性与报警有效性，投入可控。
-
02
建立基线区间
连续采集两到四周，覆盖启动、满载、低负荷等工况，形成该机组的正常运行区间，作为后续判断异常的比较基准。
-
03
调优阈值与推送规则
结合现场实际容忍度调整报警线，把高频但无意义的提示合并，让每条推送都值得运维人员处理。
-
04
按机组类型复制
同类设备可沿用已有配置模板，测点布置与阈值按实际微调，缩短后续上线周期，避免每台都从零开始。
哪些类型的工厂现场更合适
设备连续运行、停机代价高、有明确维护团队的场景收益更直接
流程型生产现场，如化工、水处理、造纸与电力辅助系统，设备往往连续运转且停机影响面大，状态监测能提前暴露劣化迹象，为检修排期争取时间。
离散制造中的关键动力设备，例如空压站、冷却循环与除尘风机，也适合纳入监测范围。这类设备数量集中、类型相近，批量接入的边际成本较低。
对于设备数量少、停机影响有限的小型现场，建议先评估投入产出，不必追求全量覆盖。监测的价值来自被监测对象的实际重要性，而非测点数量。
服务支持与实施保障
设备监测是长期工程，支持能力决定能不能持续用下去
方案与测点规划
实施前提供测点布置建议与采集方式选择，结合设备结构图纸确认安装位置，减少现场返工。
安装与调试支持
提供采集单元接线、网关配置与平台接入的操作指引，关键节点可安排远程协助，确保数据链路一次接通。
数据分析陪跑
上线初期协助解读报警与趋势，帮助运维团队建立自己的判读习惯，逐步过渡到自主使用。
版本与模型更新
平台按计划迭代诊断规则与功能模块，历史数据保持兼容，已有配置无需重建。
如需了解与现有工单、点检系统的对接方式，可通过页脚联系方式获取技术说明文档。