第一步不是买系统

紧固件行业的智能化改造，常见做法是先上一套系统，再考虑采什么数据。顺序反了。数据采集的前提是想清楚三件事：这个参数异常会导致什么缺陷、谁来响应、响应之后怎么验证有效。

想不清楚这三件事，采上来的数据只是一堆曲线，既不能预警也不能追责，最后变成展厅里的看板。

先采三类参数

冷镦产线上值得先采的参数不多。第一类是设备状态：主电机电流、液压压力、打击次数，这三个能覆盖大部分模具异常和送料故障。第二类是工艺参数：送料长度、切断位置、成形压力。第三类是质量结果：关键尺寸的在线测量值。

这三类要串起来才有意义。单看电流曲线判断不了问题，把电流异常与同批次的尺寸偏差对上，才能区分是模具磨损还是材料波动——这两种原因的处置方式完全不同。

实拍

预警要能落到人

预警最大的问题不是灵敏度，是没人管。参数超限报警发到群里，三天之后就没人看了，这是普遍现象。

可行的做法是把预警和工单绑定：触发预警自动生成一条待处理记录，指定责任岗位，处理完要填原因和对策，闭环节点纳入班组考核。技术上是简单的，难的是管理上真按这个走。

专利在这里的作用

把已有的工艺专利和产线控制结合起来，效果比单独上一套系统更实。比如电机用止动螺栓的发明专利，本身解决的是防松结构问题，但它的成形工序对模具位置精度要求高，这条要求反过来约束了产线的检测点布置。

弹性销钉组装设备的专利思路类似——把分料、压装、检测做成一个节拍内的闭环，减少中间转运带来的磕碰和混料。这类改进不显眼，但直接减少了返工。

改造的边界

不是所有工序都值得自动化。批量小、换型频繁的订单，自动化改造的投资回收期会很长，人工反而灵活。判断标准通常是年用量和换型次数，不是「别人都上了」。

另一个容易被忽略的成本是维护。自动化设备一旦停机，整线停。所以备件储备和维修能力必须同步跟上，否则自动化程度越高，单点故障的影响越大。