高速大厅房卡购买流量波动，给润滑监测取样窗口提了三个具体问题

高速大厅房卡购买描述的是高频入口在特定时段被集中访问的现象。工业现场对应的不是“人流量”，而是负荷潮汐：换辊、起机、满载冲刺、计划停机前清料，每个动作都会让润滑油品的氧化速率、含水率和颗粒计数在短时间内改变。GMG这类数字化监测系统的价值不在于多装几个传感器，而在于把“什么时候取、取多久、和哪段负荷对齐”变成可回溯的记录。如果取样窗口固定在每天上午九点，恰好错过了凌晨满负荷段，那么趋势曲线再平滑也只是假象。

采样窗口跟着负荷走，而不是跟着班次走

• 主电机电流持续超过额定值 85% 满 20 分钟，触发一次油液品质快照；
• 齿轮箱油温较前一小时均值上升超过 4℃，记录温度与黏度关联点；
• 计划停机前 2 小时做一次完整取样，作为检修比对基线。

流量型入口的另一个启示是：峰值会拉高整体均值，让静态阈值失去分辨力。润滑监测里的颗粒计数和水分含量同样如此。一次起机冲击会带来瞬时颗粒数上升，如果阈值设得过紧，报警会淹没在噪声里；设得过松，真正的磨损早期信号又被放过。GMG的做法是给出趋势带而不是单点阈值——把同一设备近 30 天的同负荷段数据拉成一条包络线，只有连续三个取样点越出包络才升级告警。这个机制在煤矿井下转载机减速箱上试过，误报率比固定阈值下降了一半以上，而真实异常没有被漏掉。

高速大厅房卡购买所代表的集中访问，本质上是不可完全消除的扰动。工业现场也一样：抢修、临时加产、极端天气，都会打乱既定取样计划。关键不是杜绝扰动，而是让扰动留下痕迹。每次非计划取样，记录触发原因、负荷状态、取样人，三个月后回看，就能判断哪些“临时”其实是周期性出现的。老周的团队现在每月做一次取样事件复盘，把非计划取样按原因归类，发现换辊后的补样占了四成——于是把换辊后的取样直接写进标准作业卡，扰动变成了流程的一部分。