AI能准确预测故障，为什么仍可能给出错误的维护建议？

问题：一个看似有数据支持的建议

一家企业发现，接受预防性维护的机器比其他机器更容易出故障。AI系统识别了这种关联，并准确预测维护组的风险更高。根据这个预测减少维护，是否合理？未必，因为维护可能恰恰优先安排给原本更脆弱的机器。数据可能反映的是选择维护对象的规则，而不是维护的效果。

本文要回答的是，如何从“哪些机器会坏”转向“如果实施干预，会改变什么”。我们构造一张包含两千台机器的假设表格，逐步完成直接比较、在可比组内比较、重新组合总体，以及明确必要假设。结论不是证明某种具体维护有效，而是用可核查的方式解释：正确的预测也可能被用于回答错误的问题。

三个变量与统一的时间范围

用 Z 表示决策前测得的机器年龄组：旧机器或新机器。M = 1表示执行一种定义明确的预防性维护，M = 0表示不执行。Y = 1表示随后一个月内至少发生一次故障，Y = 0表示未发生。因此，风险是相同一个月内的概率，不是每小时故障次数。若比较不同观察时长，或把不同维护混为同一标签，问题就变了。

在教学构造中，一半机器属于旧机器。旧机器中90%接受维护，新机器中仅10%接受维护。假设在每个年龄组内部，维护分配不再依赖其他故障原因；这是合成世界的假设，不是现实表格本身能够证明的事实。规定旧机器不维护和维护后的风险分别为40%与20%，新机器则为4%与2%。下表计数与这些概率精确对应，没有模拟抽样噪声。

除法没算错，比较却会误导

把第一行与第三行相加，一千台维护机器有182台故障，风险为18.2%。一千台未维护机器有76台故障，风险为7.6%，差值为+10.6个百分点。算术并没有错，但比较的是组成不同的人群：前者90%是旧机器，后者只有10%。在讨论维护效果之前，这个比较就已经混入了年龄组成差异。

竖线可读作“在满足该条件的案例中”：P(Y=1 | M=1)表示按历史分配规则接受维护的机器中的风险，而不是让所有机器都接受维护后总体的风险。一个模型为这两组输出18.2%与7.6%，可以准确复现这些汇总频率。但预测正确，并不能把两者差值解释成改变维护策略的效果。

组内比较：符号反转了

在旧机器中比较20%与40%，在新机器中比较2%与4%，两个组内的维护风险都更低。这种总体比较与分层比较方向相反的现象，是辛普森悖论的一种形式。它不违背概率规律，而是因为混合各组时使用的权重不同：维护总体以旧机器为主，未维护总体以新机器为主。两种平均数回答的是不同问题。

按年龄分层并不会自动把关联变成因果。在本构造中它有效，是因为我们明确规定：给定 Z 后，维护分配不再依赖其他故障原因。如果技师根据未记录的异常噪声选择机器，即使机器同龄，也可能仍不可比。科学分析的关键是解释比较为何有效，而不是挑选能得出期望结果的分组方式。

干预意味着改变一条规则

用三条箭头表示假设：Z → M、Z → Y和M → Y。年龄同时影响维护选择与故障风险，维护又可能影响故障，所以 Z 是模型中的混杂变量。运算符 do(M=1)表示一种假想操作：不再遵循原来的 Z → M分配规则，而是令 M=1，其他机制保持不变。这不是软件命令，也不是已经执行的工厂试验，而是对因果问题的定义。

问题于是变成：对同一个由一半旧机器、一半新机器构成的总体，全部维护与全部不维护分别会产生什么风险？固定总体至关重要。我们没有把旧机器换成新机器，也没有比较年龄组成不同的部门，只在声明的假设下改变决策 M。这样明确问题，可以避免“AI建议维护”这句看似简单的话掩盖不同目标。

进一步分析：生成表格的合成世界

可将可比性假设写成明确模型，而不只停留在口头声明。设 UZ、UM、UY是三个相互独立、在零到一之间均匀分布的数。第一个决定年龄组；第二个与阈值 qZ比较，决定是否维护；第三个与 rZM比较，决定是否故障。这些数代表其他变量未解释的变化。这是合成世界的概率定义；程序计算精确概率，并没有抽取随机样本。

记号1[条件]在条件为真时等于一，否则等于零。Z=1表示旧机器。rZM的第一个下标是组别，第二个是决策，因此r10是旧机器不维护时的风险，而不是新机器维护时的风险。UM与UY独立，意味着组内的维护选择不会额外揭示故障信息。如果两者存在隐藏的共同原因，该性质就可能不成立。

假想干预只把第二条方程替换为 M=m，不改变年龄分布，也不改变故障随机变化的分布。干预前，联合概率分解为 P(Z) × P(M|Z) × P(Y|M,Z)。固定 M 后，原分配规则的因子消失，剩下 P(Z) × P(Y|m,Z)。对组别求和，就得到下一节的标准化公式。这样既说明了公式来源，也明确了因果模型错误时哪个步骤会失效。

重新建立比较：相同权重，两种决策

使用组内风险，但对两种决策都按目标总体的相同组成加权：50%旧机器、50%新机器。这称为标准化。下式对每个年龄值 z，把该组在决策 m 下的风险乘以组占比，再求和。只有在所述假设下，它才具有因果解释。加权平均当然可以计算，但其因果含义不会由代数运算自动产生。

在设定的世界中，全部维护的平均风险为11%，全部不维护为22%，降低11个百分点。对两千台机器而言，对应预期220台故障，而不是440台。“预期”并不表示真实月份必然如此。它也不等于“降低11%”：相对降幅为50%，因为11是22的一半。报告绝对差值与比较基准，可以避免歧义。

图表解释权重为何重要

横轴表示所比较总体中的旧机器占比，纵轴是月度风险百分比。随着更脆弱机器增加，两条曲线都上升。在每个相同占比处，维护曲线都低于不维护曲线。最初的错误相当于在0.9处读取维护曲线，在0.1处读取不维护曲线，于是得到18.2%与7.6%；但此时干预和总体组成同时改变了。图把汇总数据隐藏的差异展示出来。

另一种计算：给稀少案例更大权重

也可以按接受实际干预的概率之倒数加权，得到相同结果。在维护组中，旧机器权重为1/0.9，新机器为1/0.1。因此，一百台新机器代表一千个加权单位，九百台旧机器也代表一千个。加权风险为(180/0.9 + 2/0.1)/2000 = 0.11。未维护组的权重相反：(40/0.1 + 36/0.9)/2000 = 0.22。这里并没有创造新的观测，只是改变了观测在计算中的代表性。

附带程序核对了两种计算的一致性。这并不使方法天然稳健，因为本例的分配概率和风险由构造精确给定。现实中需要估计，大权重会让结果对少数案例非常敏感。如果新机器从不接受维护，这个对比就没有观测支持。更复杂的算法可以外推，但必须声明额外假设，不能把数据缺失当成已有信息。

良好预测评分无法验证的假设

第一项假设是给定 Z 后具有可比性，不再存在未测量的维护与故障共同原因。第二项是正值性：目标总体的每个组内，两种决策都必须有可能被观察到。第三项是干预一致性：M=1应表示同一种明确行动，并采用相同评价时间范围。还假设对一台机器的干预不直接改变其他机器的结果。共享资源的机群可能恰恰违反最后这一条件。

把所有可用列都加入模型，也不是通用解法。维护后测得的温度可能是维护减少故障的中间机制；固定它，可能把问题从总效应改为其他效应。若某变量同时受维护和故障原因影响，用它筛选案例还可能引入偏差。决定调整什么，需要时间顺序和过程知识，而不只是相关性或模型中的特征重要性。

这对企业AI系统意味着什么

预测模型仍可用于估计当前维护策略下的服务工作量，这不同于选择最佳策略。若目标是决定维护谁，就要先定义所需效应和目标总体，再同时评价风险、成本和约束。本例中旧机器的绝对收益更大，为20个百分点，新机器则为2个百分点。但若不知道维护成本、故障成本和可用能力，仍无法得出最优策略。

在实际可行且满足运行约束的情况下，设计良好的实验评估可以提高比较的可信度。本文并不建议取消必要维护，也没有开展现场实验。已完成的工作仅是确定性教学练习，使用合成数据并保存代码和结果。这些不是客户数据、产品成果或EL-AI测量。算例的价值在于：先把推理讲清，再向真实数据提出问题。

结论：预测不等于决策

对维护机器给出18.2%的初始预测可以是正确的，而据此减少维护的建议仍可能错误。我们混淆了被选择群体中的风险与同一总体上的行动效果。用相同权重重新组合可比组后，本合成世界从表面增加10.6个百分点，变为因果降低11个百分点，但这只在所述假设成立时有效。让AI参与决策之前，必须明确要评价哪种改变，以及什么使这一比较可信。

来源、代码与复现边界

Judea Pearl，Causal inference in statistics: An overview，Statistics Surveys第3卷，2009年，96–146页，DOI 10.1214/09-SS057。查阅了干预相关的3.2.1–3.2.3节，以及后门准则相关的3.3.1节，包括公式25。这是已发表的科学综述，不是新的工业基准。本文机器表格与计算仅作为教学构造具有原创性，不构成新的因果研究，也不是对某篇论文实验的复现。

简短代码计算观测风险和标准化风险。压缩包还包含逆概率加权核对，以及总体组成图。本次没有训练AI模型、没有模拟随机样本，也没有从这些人为构造的计数估计置信区间。结果只是可复现的假设案例算术验证，不是真实机群的不确定性或性能测量。

Judea Pearl (2009) — Causal inference in statistics: An overview.

old = {1: (180, 900), 0: (40, 100)}
new = {1: (2, 100), 0: (36, 900)}
for m in [1, 0]:
    observed = (old[m][0]+new[m][0])/(old[m][1]+new[m][1])
    standardized = 0.5*old[m][0]/old[m][1]+0.5*new[m][0]/new[m][1]
    print(m, f"observed={observed:.3f}", f"standardized={standardized:.3f}")

代码、数据与说明 · JSON. 教学计算使用 Python 3.14.0，图使用 Matplotlib 3.11.2。分析由 AI 辅助，不声称经过同行评审或人工审核。原创 ImageGen 封面仅作示意，不记录 EL-AI 人员、场所或实际安装。来源查阅于 2026 年 9 月 27 日。