工业设备维护：如何将传感器数据数值化，定量化，发现“异常”点？【上篇】
2026年08月07日 14:2
在全球 工业智能化 转型的背景下，FA中设备维护开始越来越重视“ 预估性维护 ”，即通过提前捕捉设备潜在故障的征兆来预防突发停机。 村田 今年上半年即推出了用于工业设备 预估性维护 的、能够检测至可听范围上限20kHz的贴片型 振动传感器 件新产品，并在2026慕尼黑上海电子展展示了相关产品。本文将结合示意图和使用人工数据的具体事例，对常用数据解析方法的机制和实际应用进行通俗易懂的解说。
本系列文章中提到的“异常”是指表现出“与平时不同的行为”的数据点或其集合。此前介绍过的离群值检测、异常检测和变化检测的全部方法，其共同目的是将异常或变化有选择地识别出来。为了通过具体方法实现这一目的，首先需要将“与平时不同的行为”这一概念，即异常本身，进行有效的数值化和定量化。
将异常进行数值化和定量化后的指标，通常称为异常度。异常度是以被认为表现出平时行为的数据点或数据集合(正常数据)为基准，定义为某个数据点或数据集合偏离该基准程度的一个取正值的数值指标(图2)。
通过引入异常度，可以直观地理解为:如果某数据的异常度较小，其行为与平时相似;如果异常度较大，则表示存在异常。虽然异常度的定义会因所用方法而异，但其含义是与上述说明内容共通的。