预测性维护的推进会经过两次验收：模型交付，以及现场是否持续调用。第二次未通过的， 成因多数集中在下列三项，且三项均属数据准备。
| 前置条件 | 缺位时的表现 | 判断停在何处 |
|---|---|---|
| 一 · 设备与测点的台账对应 | 台账以型号为记录单位；测点编码与资产卡片之间没有对应关系 | 无法建立单台设备的基线 |
| 二 · 状态数据的采集频率与质量 | 点位未按失效模式定义；采集间隔与退化速度不匹配；量纲与时间基不统一 | 无法判断状态是否偏离 |
| 三 · 故障样本与知识沉淀 | 工单只留「已修复」一类结论；现象、根因与处置过程未留痕 | 无样本可积累，无方案可检索 |
算法可以更换，数据准备无法以更换的方式补上。三项未齐备时，闭环不成立，调用频次随之下降。
口径：三项前置条件的划分取自站内对设备运维与 AI 能力前置条件的梳理。
判断的最小单位是设备，而非型号。同一型号在集团内往往有数十台，工况与故障频次各异； 台账若以型号为记录单位，采集侧的曲线只能落到型号之上，按台建立的基线无从谈起。
做法是把资产建到卡片一级：一份资产一张卡片，字段由标准定义。站内列示的口径为 28 项主数据标准与五级分类编码（固定字母 A 加门类、大类、中类、小类各 2 位）， 使同一台设备在不同单位只有一个身份（出处：资产主数据与卡片）。
测点须挂在卡片之下，形成「测点—部件位置—设备卡片」的对应关系。测点编码沿用采集侧既有的编制方式不构成障碍， 障碍在于编码与卡片之间没有对应表：缺少该表时，平台一侧只能看到成组曲线，无法说明其归属。
验收标志：任取一个测点，可回答它属于哪台设备、哪个部件、哪张卡片。
采集并非「有数据即可」。下列三项口径需在上线之前写明，并由采集侧执行。
三项决定判断能力的上限：数据中未出现过的退化形态，模型无法为其建立判据。
第三项落在维修记录的内容上。维修完成之后，工单通常只留两栏：故障现象与处理结果； 如何逐项排查、定位到哪个部件、更换后调整了哪些参数，多数保留在经办人记忆之中。
可供复用的记录需回答两个问题：修了什么与为什么修。工单关闭时， 可由系统从维修过程中提取结构化的知识对（故障模式、根因、处置方案、关键备件）写入可语义检索的知识库； 下一次遇到同类故障时，按语义相似而非字面匹配检索历史方案。实现方式见技术系列 基于 pgvector 的故障知识库与 RAG。
该项有一处边界：以工单内容的完整程度为前提。仅记录「已修复」的工单无法形成知识对， 检索环节无法弥补内容本身的缺失。
「闭环」在此指一个可重复的过程：读取状态、判断偏离、给出处置、执行并回写结果。四项动作各自依赖的条件如下。
| 环节 | 所需的输入 | 缺哪一项即断在此处 |
|---|---|---|
| 建立单台设备的基线 | 卡片级的设备身份与工况参数 | 缺第一项：数据只能按型号汇总 |
| 判断状态是否偏离 | 连续且口径一致的状态数据 | 缺第二项：偏离与量纲错位无法区分 |
| 给出处置建议与备件准备 | 同类故障的历史处置方案 | 缺第三项：建议只能依赖经办人经验 |
| 回写维修结果、累积样本 | 结果归集到同一张卡片与同一张工单 | 缺第一、三项：每一轮维修不产生样本 |
四项环节之中，回写最容易被忽略：结果若未归集到对应设备，闭环在第二轮退回起点。
| 顺序 | 工作内容 | 验收标志 |
|---|---|---|
| 01 | 以卡片为准绳，把测点编码归位到设备与部件位置 | 任一测点可定位到具体卡片；无法归位者单独列出 |
| 02 | 写明采集口径：点位、间隔、量纲、时间基与缺失处理规则 | 同一段数据在采集侧与平台侧显示一致 |
| 03 | 补齐工单字段并设为关单条件：现象、处置过程、所换部件 | 关闭的工单可直接生成知识条目 |
| 04 | 先以诊断环节验证数据可用性，暂不进入预测 | 检索式诊断在现场被调用，且有记录可查 |
四项工作均可先行准备，不依赖算法选型。站内三档实施路径之中，「快速入台」一档以 1–2 周完成第一阶段 （出处：实施路径），可用于承接第一项与第三项；贵方若已上线试点，可按此顺序回查。
本页不给出来自客户现场的收益数字，也不对模型判断结果作出效果承诺。三项前置条件属方法与口径层面的工作， 不涉及算法选型：算法之间的比较，在数据可用之后才有意义。可核对的部分为测点与卡片的对应关系、 采集口径的书面约定，以及工单字段的完整程度。
/product/data-model/）；「快速入台」一档 1–2 周完成第一阶段（/services/）；知识对字段构成及其边界取自技术系列 05这项工作不依赖系统上线，也不涉及采购决策：取贵方一份设备清单与一个月的工单， 核对测点能否定位到具体设备、工单能否读出「修了什么、为什么修」。