微扑克AI辅助软件被误搜到润滑场景：GMG把油液趋势读数变成可回溯工单

把“油液健康”拆成三条可核对曲线

• 油液品质线：介电常数、水分饱和度与酸值趋势。重点看变化速率，而不是单次绝对值。水分饱和度在两天内从 18% 升到 31%，比长期停在 25% 更值得关注。
• 磨损线：颗粒计数按 ISO 清洁度等级呈现，结合设备负载区间看。同一台设备在轻载和重载下的颗粒读数不能直接比较，需要对齐工况再判断。
• 温度线：回油温度与油箱温度分开记录，避免把环境温度波动误判为润滑故障。夏季午后环境温度抬升 5℃，回油温度同步抬升 2℃ 以内通常属于可解释范围。

三条线放在同一时间窗口里，运维人员才能回答“这次异常是油的问题、磨损的问题，还是冷却的问题”。这正是把经验判断转成数据依据的关键一步。

润滑监测的落地场景不是实时大屏，而是计划停机前的检查清单。GMG的做法是把告警按“窗口内可处置”排序：滤芯压差偏高、水分饱和度持续上升、颗粒计数跨越清洁度等级，这三类通常可以在一次停机内完成取样复测或滤芯更换；而油液酸值快速变化、磨损颗粒出现大尺寸分布，则需要提前准备油品检测和部件检查。排序逻辑不是按告警等级，而是按“能否在本次窗口内闭环”。

如果你正在评估润滑监测方案，可以先核对四件事：采样间隔是否覆盖一个完整的负载周期；油液品质、磨损与温度是否在同一时间轴；告警是否附带处置建议和窗口判断；历史数据能否按设备、按时间段回查。GMG在工业气体监测领域已有类似的数据组织经验，润滑监测沿用了同一套“采集—趋势—告警—回溯”的产品逻辑，只是把监测对象从气体浓度换成了油液状态。