預測性維護 (Predictive maintenance，PdM) 是通過對設備的狀態監測，定期或連續地監測其運行的狀況，預測設備未來發展的趨勢，優化設備的性能和使用壽命。根據裝備狀態的發展趨勢和可能的故障模式，預先制定預測性維修計劃。預測性維護是以狀態監測、異常檢測和分類算法統計過程控制原理為基礎，利用預測模型監測來預測設備狀態變化趨勢，從而確認未來合適的維護時機。

預測性維護是通過安裝在工業設備上的傳感器，實時監控設備的運行狀態，預判故障可能發生的時間，如果存在故障隱患，將會自動觸發報警或者維護命令。

預測性維護基于“數字孿生”技術，提供了很好的解決方案，被譽為工業4.0領域的核心創新之一。

一、預測性維護的優點

延長機器使用壽命

通過識別問題，使設備保持最佳狀態并防止小問題變成大問題，有助于延長設備的使用壽命。

最大限度地降低維護成本

在物聯網傳感器的幫助下，很容易檢測異常并在問題變得不可逆轉之前進行修復。這最大限度地減少了由于計劃外機器停機而導致運營受挫的可能性。

減少停機時間

預測性維護通過在故障發生前解決問題，從而顯著減少停機時間。這有助于有效地優化資源計劃或將維護安排在工作時間之外。預測性維護解決方案可以減少大約 45% 的停機時間。

增強安全性

在任何工業環境中，安全都是重中之重。設備故障會對人員和運營構成重大風險。預測性維護通過確保設備可靠運行并在潛在故障變得危險之前得到解決來提高安全性。

二、PHM技術可以做什么

對（大型）設備，在維修更換數據和實時退化數據建模的基礎上，進行可靠性的動態評估和故障的實時預測，以及基于評估和預測的信息制定科學有效的健康管理策略。

PHM技術的六大功能點分別是數據獲取、特征提取、狀態監測、健康評估、故障預測和維修決策。

數據獲取

就是使用各種傳感器把設備參數采集起來。一些大V口中常說的萬物互聯，就是基于物聯網（或細分行業中常說的車聯網、船聯網）來實現，物聯網就是把待監測設備的各類型參數采集起來的大網絡。就是對信號進行預處理，提取一些能表征設備狀態的特征。比如想要判斷一個人有沒有發燒，就去測量體溫。這里體溫就是表征這個人是否發燒的特征。

狀態監測

比如對上述提取的特征設置個閾值（不一定是硬閾值，如模糊邏輯，這里就不細說了）。比如37 ℃或37.3 ℃作為閾值，超過了就判斷發燒了。健康評估。可以簡單理解為使用上述眾多特征及其對應的閾值，綜合評估人的健康狀態。比如使用體溫、血壓、心電圖等等綜合評估健康指數。

故障預測

基于上述結論，進一步預測病人病情是在好轉還是惡化，如果可能惡化，那么惡化的速度會如何。維修決策。基于故障預測結果，制定治療方案。比如預測病人病情正在好轉為輕癥，那就繼續療養；否則重癥監護室、準備手術等措施就要提早準備及時跟進。

三、預測性維護技術應用在哪些行業領域

航空航天、軌道交通、風力發電、電力裝備、機床刀具、工業機器人、汽車電子、智能制造等。

四、測試項目

1、狀態監測算法測評

基于閾值的監測算法:狀態監測算法可分為兩種，分別是基于固定閾值的判別方法和基于相對閾值的判別方法。

2、故障診斷算法測評

專家系統測評:專家系統可應用人工智能技術和計算機技術，根據領域專家的知識和經驗，進行推理和判斷，基于專家系統的特征數據匹配度，獲得故障診斷的結果。

機器學習算法測評:機器學習算法可通過狀態特征的分類，獲得故障診斷的結構。

3、壽命預測算法測評 

基于用戶定義的失效閾值，壽命預測算法能夠推演預測特征的軌跡在何處與失效閾值相交，并得到壽命終點時間，進而獲得壽命預測的結果。

五、檢測標準

GB/T 43555-2023《智能服務 預測性維護 算法測評方法》