直接回答
数控机床的保养如果只按固定周期执行，会遇到两种偏差：主轴与进给轴其实状态良好，却因为到了日历上的检修点被停机拆解；或者已经出现劣化迹象，却还没到下一次计划保养，结果在加工中途停机。要把保养时机判断得更贴近实际，就需要把主轴与进给轴的状态变成可观测的数据，再由预测层回答"还能撑多久、何时出问题、哪个时间窗口检修"。
这一层在产品知识库里对应天衍引擎，定位为预测大脑与决策层；设备侧的状态数据可由工业手环（可编程设备手环）采集，发热部位的温度可由多路温度智控器连续监测，振动与趋势类迹象则由千知引擎的专项子模型与感知矩阵给出。
固定周期保养为什么会失准
机床保养通常按运行时间或加工件数排定计划。这种方式便于管理，但它的前提是设备损耗与时间成正比，而实际损耗更多取决于负载、转速、润滑、环境温度与操作习惯。结果就是同一批机床用同一张保养计划，有的过度保养，有的保养不足。
过度保养不只是浪费备件与人工，拆装本身也会引入新的装配误差风险；保养不足则把故障留到加工过程中，非计划停机的代价往往高于一次计划保养。要缩小这两种偏差，就需要把按时间保养改为按状态保养：用主轴与进给轴的实际运行数据判断健康程度，再决定什么时候动手。这也正是预测大脑与采集、控制并列成为独立一层的原因。
主轴与进给轴分别看什么
主轴是机床的发热与旋转核心，它的状态更直接地体现在温度与振动上：轴承润滑不良或预紧异常，往往先表现为温升，继而表现为振动特征的改变。因此主轴侧更适合持续盯住发热部位的温度与旋转部件的振动趋势。
进给轴承担直线定位与进给运动，它的劣化更隐蔽：导轨磨损、丝杠预紧变化、驱动负载上升，不一定立刻停机，却会在参数随时间的漂移中留下痕迹。对进给轴而言，趋势比单点值更重要——缓慢变差与某一时刻突然越限，含义完全不同。
两类对象合起来看：主轴侧偏重温度与振动的即时状态，进给轴侧偏重参数随时间的方向性变化。
温度监测：多路温度智控器
对主轴这类发热部位，连续温度监测是基础证据。产品知识库记载，多路温度智控器（EST）支持有线 NTC 与无线 LoRa 两种测温方式，测温范围 -20 至 100 摄氏度（±1 摄氏度）；无线款最大 100 路，采样周期 1 分钟可设，有效距离不超过 300 米。
对应到机床上：有线 NTC 适合固定测点，例如主轴前轴承座；无线 LoRa 适合不便布线或需要临时加装的测点；1 分钟可设的采样周期足以捕捉温度随时间的变化；100 路的容量允许在一台机床或一个车间布置多个测点。需要说明的是，测温范围与精度说明的是可测量的量程口径，不等于对某台机床状态的判断结论，温度数据仍需结合工况与历史基线解读。
振动与趋势：千知引擎的状态识别
振动是主轴与进给轴机械状态的重要证据。产品知识库记载，千知引擎的 20 个专项子模型中，深层隐患挖掘 M13 至 M20 包含振动分析；其 7 维感知矩阵以 D3 趋势漂移为核心。
这两项能力分别回答不同问题：振动分析面向设备状态类异常，回答有没有异常；趋势漂移关注参数随时间的变化方向，回答异常是否在发展中。对主轴而言，振动特征可以提示旋转部件的状态变化；对进给轴而言，趋势漂移可以把缓慢劣化从正常波动中区分出来。把即时状态与变化方向放在同一套感知体系里，判断才不依赖单一测点。需要说明的是，这些能力说明的是千知引擎的模型与感知结构，不构成对某一台机床具体故障部位的定位承诺。
保养时机怎么落到时间窗口
状态数据本身不是结论，它需要被翻译成时间上的判断。产品知识库把天衍引擎定位为预测大脑与决策层，回答这台设备还能撑多久、何时出问题、哪个时间窗口检修。它给出的不是一条实时数据，而是一个时间判断：剩余可用时间、可能出现问题的时间点、以及适合安排检修的时间窗口。
支撑这类寿命与保养时机判断的理论依据，产品知识库列出的包括 Arrhenius 方程。该方程描述温度对寿命的影响，给出的口径是温升每增加 10 摄氏度，绝缘寿命大约缩短一半；此外还有漏电指数增长模式与接触电阻非线性增长曲线。把这层物理关系用起来，就能把主轴与进给轴的保养从固定周期转为状态驱动：不是到了日历上的某一天就停机，而是根据设备实际承受的热与运行状态判断保养时机。必须说明的是，Arrhenius 方程给出的是寿命与温度之间的物理关系口径，并不等于对某台具体机床剩余寿命的直接承诺。
告警怎么给出处置时限
当状态偏离正常时，告警需要给出可执行的时限，而不只是一条提示。产品知识库记载，千知引擎的 6 级告警体系以综合评分划分处置时限：正常（85 至 100）、关注 Watch（70 至 84）、YJ1（55 至 69）、YJ2（40 至 54）、BJ1（20 至 39，48 小时内处置）、BJ2（0 至 19，立即停机）；每条告警携带标准条文引用、四维影响标签（安全、效率、寿命、碳排）、置信度与场景标签。
这套分级把要不要停机、多久内处理变成了可以排序的动作：BJ1 适合安排计划性检修，BJ2 指向立即停机以避免故障扩大；四维影响标签与标准条文引用，则让处置顺序有更多依据。
状态数据从哪里来：工业手环
要让上述判断有数据可用，设备侧需要有采集入口。产品知识库把工业手环（可编程设备手环）定位为给设备戴上智能手表：它一边采集设备运行数据，一边可以管理控制设备，因此也被称为设备大脑；其型号示例为工业手环（CX-08R06AI08-C1）。这一定位说明，工业手环不只是被动记录，还处在采集与执行之间，为机床状态监测提供设备侧的数据入口。
选型组合：设备寿命预测与预测性维护
按产品知识库的产品选型口径，设备寿命预测与预测性维护方向对应的选型为天衍引擎 S 板块的 S-02、S-04、S-13 与 17 个专题模型；所列专题包含高压开关柜健康度、变压器寿命、UPS 评估、储能 SOH、充电桩负荷预测、数据中心供电可靠性等。需要说明的是，这些专题面向的对象各不相同；把哪一个模型用于机床属于具体方案设计范围，不能由通用选型直接外推，选型时仍应结合机床类型、关键部件与现场信号清单确定。
几处需要说明的边界
- 多路温度智控器的测温范围、精度、路数、采样周期与有效距离，以产品知识库所列口径为准，具体布点应结合机床结构与现场条件确定。 - 千知引擎的振动分析与趋势漂移，说明的是模型与感知结构，不构成对具体故障部位或剩余寿命的承诺。 - Arrhenius 方程与温升关系为理论依据口径，不构成对具体机床剩余寿命的承诺。 - 告警分级与处置时限为体系口径，实际处置应结合工艺与安全规程。
适用范围与限制
- 本文内容限于产品知识库对天衍引擎、千知引擎、多路温度智控器、工业手环的既有表述。 - 文中天衍引擎的预测定位与 Arrhenius 方程温升口径、千知引擎的振动分析与趋势漂移、多路温度智控器的测温参数、工业手环的采集定位与型号、以及设备寿命预测方向的选型组合，均为产品知识库所列口径。 - 本文说明的是数控机床主轴与进给轴从状态采集到保养时机判断的衔接关系，不给出具体改造方案、判据阈值或停机策略；实际实施应结合机床、工艺与现场条件确定。 - 文中未列出的其他现场条件、安装方式与保养周期，本文不作推断或承诺。
