來源：http://blog.sina.com.cn/s/blog_ace9fcbc0102ymx0.html
預測性維護｛維修｝（Predictive Maintenance，簡稱PdM）（又稱：預知性、預見性維護｛維修｝）是以狀態為依據(Condition Based)的維護，在機器運行時，對它的主要（或需要）部位進行定期（或連續）的狀態監測和故障診斷，判定裝備所處的狀態，預測裝備狀態未來的發展趨勢，依據裝備的狀態發展趨勢和可能的故障模式，預先制定預測性維護計划，確定機器應該修理的時間、內容、方式和必需的技術和物資支持。預測性維護集裝備狀態監測、故障診斷、故障（狀態）預測、維護決策支持和維護活動於一體，是一種新興的維護方式。
預測性維護不僅在名字稱呼上有不同，在概念的內涵和外延上也有出入，因此又有狹義和廣義預測性維護兩種概念。
狹義的預測性維護立足於“狀態監測”，強調的是“故障診斷”，是指不定期或連續地對設備進行狀態監測，根據其結果，查明裝備有無狀態異常或故障趨勢，再適時地安排維護。狹義的預測性維護不固定維護周期，僅僅通過監測和診斷到的結果來適時地安排維護計划，它強調的是監測、診斷和維護三位一體的過程，這種思想廣泛適用於流程工業和大規模生產方式。
廣義的預測性維護將狀態監測、故障診斷、狀態預測和維護決策多位合一體，狀態監測和故障診斷是基礎，狀態預測是重點，維護決策得出最終的維護活動要求。廣義的預測性維護是一個系統的過程，它將維護管理納入了預測性維護的范疇，通盤考慮整個維護過程，直至得出與維護活動相關的內容。
修復性維護（Corrective Maintenance）,又稱事后維護（Break-down Maintenance）,是“有故障才維護（Failure Based）”的方式，它是以設備是否完好或是否能用為依據的維護，只在設備部分或全部故障后再恢復其原始狀態，也就是用壞后再修理，屬於非計划性維護。
預防性維護（Preventive Maintenance）又稱定時維護，是以時間為依據(Time Based)的維護，它根據生產計划和經驗，按規定的時間間隔進行停機檢查、解體、更換零部件，以預防損壞、繼發性毀壞及生產損失。這種維護方法也就是目前所普遍采用的計划維護或定期維護，如大、中、小修等。
預測性維護的相關概念
預測性維護最早在西方發達工業國家興起，預測性維護的概念源起於英文名詞“Predictive Maintenance”，到現在為止，預測性維護已經有了幾個相似的名字，這是因為在不同領域，不同的人員根據自己研究的側重點不同，給出了不同的翻譯和不同的定義。追根溯源，應該從英文的定義談起。
Predictive Maintenance，其英文解釋為Condition Based Maintenance（CBM）或On-condition Maintenance。PdM一般翻譯為預測性維護或預知性維護，而預測維護和預知維護與前面的翻譯相比，僅僅是多字少字的問題；CBM一般翻譯為狀態基維護或基於狀態的維護，這個翻譯按英文字面的意思直譯過來，同時引入了“基”的概念，使翻譯專業化。有時CBM也被翻譯為預測性維護，因為它的英文原意就是對PdM的概念解釋；On-condition Maintenance一般翻譯為視情維護，這是翻譯者根據中國人的習慣意譯過來的。在實際運用中，幾個中英文名詞有時被隨機地組合，這都無可厚非，因為它們本身是一回事。
沿襲運用到今天，幾個名詞在概念上有了一些細微的差別。預知性維護被定義為：以設備診斷技術為基礎，結合設備故障的歷史和現狀，參考運行環境及其它同類設備的運行情況，應用系統工程的方法進行綜合判斷分析，從而查明設備內部情況、故障和異常的性質，預測隱患的發展趨勢，提出防范措施和治理對策，這樣一套方法總稱為預測方法，把應用預測方法得到的結果納入維護管理就是預知維護。它強調了預測方法，包羅了維護管理；而基於狀態的維護和視情維護立足於狀態，強調了狀態，它們的理論依據是：機械和裝備有自己的狀態，即將出現問題的機械或裝備將出現一些可以觀察、感覺或測量到的信號（如噪聲、振動、發熱、裂紋或電量的改變等）。這里狀態有兩層含義，一是指在某時某刻某種條件下裝備的即時狀態，這是狹義的狀態的概念。二是包含了即時狀態的前身和后續，指的是整個生命周期內的狀態，即廣義的狀態概念。
《中國制造2025》提出“加快開展物聯網技術研發和應用示范，培育智能監測、遠程診斷管理、全產業鏈追溯等工業互聯網新應用。實施工業雲及工業大數據創新應用試點，建設一批高質量的工業雲服務和工業大數據平台”。2025計划中提到的智能監測、遠程診斷與工業雲和工業大數據平台的深度融合指明了智能（預知性預測性預見性）維護領域的最新發展方向。
智能維護屬於預測性（預知性）維護，是對設備和產品性能衰退過程的速測和評估， 旨在保障企業產品加工制造系統的“零故障”。在工業智能制造領域，智能維護網提出“工業智能維護”的概念，主要是利用物聯網技術和裝備監控技術與無線傳感技術使企業管理技術和信息技術全面融合，實現管理過程自動化、數字化、智能化、智慧化的全過程，並加上綠色智能的手段和智慧系統等新興技術於一體，協助企業打造高效節能的、綠色環保的、環境舒適的智能化工廠。
預測性維護技術體系
預測性維護發展到現在，基本上形成了自己的技術體系，如圖所示。
1.狀態監測技術
狀態監測技術發展到現在，在各工程領域都形成了各自的監測方法，狀態監測的方法依據狀態檢測手段的不同而分成許多種，常用的包括：振動監測法、噪聲監測法、溫度監測法、壓力監測法、油液分析監測法、聲發射監測法等。
2.故障診斷技術
單講“故障診斷”，它是一門新發展的科學，而且越來越受到重視，尤其是在連續生產系統中，故障診斷有着非常重要的意義。按照診斷的方法原理，故障診斷可分為：時頻診斷法、統計診斷法、信息理論分析法及其它人工智能法（專家系統診斷、人工神經網絡診斷等）、模糊診斷、灰色系統理論診斷及集成化診斷（如模糊專家系統故障診斷、神經網絡專家系統故障診斷、模糊神經網絡診斷等）。 故障診斷是指故障發生了，確實影響到設備的安全、性能、可用性之后，判斷故障的原因什么。故障是一種表現，而觸發這種故障的原因可能有多種。需要故障診斷工程師配合經驗、數據、現場勘查才能判斷故障原因。
3.狀態預測技術
狀態預測就是根據裝備的運行信息，評估部件當前狀態並預計未來的狀態。其常用的方法有時序模型預測法、灰色模型預測法和神經網絡預測法。而對於預測方法的開發一般有三種基本途徑：物理模型、知識系統和統計模型。在實際應用中，可將三種途徑綜合在一起，形成一種結合了傳統的物理模型和智能分析方法，並能夠處理數字信息和符號信息的混合性故障預測技術，對於實現預測性維護更為有效。
4.維護決策支持與維護活動
維護決策是從人員、資源、時間、費用、效益等多方面、多角度出發， 根據狀態監測、故障診斷和狀態預測的結果進行維護可行性分析，定出維護計划，確定維護保障資源，給出維護活動的時間、地點、人員和內容。維護決策的制定方法一般有故障樹推理法、數學模型解析法、貝葉斯（Bayes）網絡法(適用於表達和分析不確定和概率性事物)和智能維護決策法等。
預測性維護的最終目標是提高生產安全穩定性､有效制定並實施設備維護策略､降低設備維護成本､減少設備停工檢修時間。
01引言
近些年，智能制造在流程工業生產中得到了示范應用，其重要性逐漸深入人心。國內外學者對於智能制造的理解和定義不盡相同。清華大學吳澄將智能制造定義為以智能技術為代表的新一代信息技術在制造全生命周期的應用中所涉及的理論､方法､技術和應用。智能制造時代，對於設備的可靠性要求會更高，對於設備維護管理的要求也會隨之提高，制造企業､設備管理信息化廠商､預測性維護服務廠商都將參與到設備維護管理的整體環節中。
02 設備預測性維護
預測性維護是以狀態為依據的維修，是對設備進行連續在線的狀態監測及數據分析，診斷並預測設備故障的發展趨勢，提前制定預測性維護計划並實施檢維修的行為。總體來看，預測性維護中，狀態監測和故障診斷是判斷預測性維護是否合理的根本所在，而狀態預測是承上啟下的重點環節。根據故障診斷及狀態預測得出的維修決策，形成維修活動建議，直至實施維修活動。可以說，預測性維護通盤考慮了設備狀態監測､故障診斷､預測､維修決策支持等設備運行維護的全過程。
上述預測性維護與預防性維修不同，經常會有人將兩者混淆。這里強調說明，后者是以時間為依據的維修，目的是定期檢測設備健康狀態､定期修復已發生的設備故障及損壞､預防繼發性毀壞及設備停機故障。
相對於預防性維修，實行預測性維護制度有以下優點：
- ①避免“過剩維修”，防止因不必要的解體拆卸､更換零部件等；
- ②有效減少設備停機維修時間；
- ③盡早發現故障隱患，避免故障惡化；
- ④合理預估機械部件的剩余壽命，使設備在保證安全的情況下合理超期服役。
基於上述優勢，可以說實施預測性維護是企業提高設備管理水平的必經之路，也是必然趨勢。
1.1 預測性維護市場潛力
研究表明，針對預測性維護這個新興市場，物聯網(Internet of Things，IoT)平台商､雲存儲廠商以及提供動態數據分析的廠商發揮着越來越大的作用。基於雲平台的IoT及大數據分析將對設備的預測性維護帶來25%~30%的效率提升。IoT Analytics發布的針對全球預測性維護的報告中指出：預計2016~2022年，預測性維護的復合年均增長率為39%；根據這個增長速度，到2022年，市場規模將達到734.5億元人民幣。
預測性維護市場規模如圖1所示。對於設備管理信息化廠商以及預測性維護服務廠商來說，打開市場､拓展市場越早越有利。
圖1預測性維護市場規模
Fig.1 Market size of predictive maintenance
1.2 預測性維護技術體系
預測性維護的技術體系涵蓋狀態監測､故障診斷､狀態預測､維修決策等4個方面。預測性維護技術體系如圖2所示。狀態監測技術是利用溫度､壓力､振動､超聲波等不同類型傳感器獲取設備的多種運行狀態信息。其中，溫度傳感器可用於汽輪機､空壓機等大型機組的油溫､瓦溫監測；振動傳感器廣泛應用於判斷機械設備的非平穩運動現象；超聲波等高頻傳感器可用於判斷設備機械部件內部的細微摩擦，對於微小故障的判斷較為靈敏。通過以上多傳感器數據之間的協同工作及功能互補，可實現更精確的狀態監測。故障診斷涉及的方法包括時域信號診斷､頻域信號診斷，以及以此為基礎的人工神經網絡､專家系統綜合診斷。故障診斷可為設備的狀態預測及維修決策提供指導意見。通過故障診斷及狀態預測，設備管理者及檢維修人員制定合理的維修措施及計划，並通過實施維修，驗證設備狀態監測及故障診斷的合理性及准確性。
圖2 預測性維護技術體系
Fig.2 Technical system of predictive maintenance
03 設備故障診斷
在制造企業的生產環節中，生產與管理之間的關系可以描述為：系統的自由度決定了管理的復雜程度。對智能制造來說，系統的自由度越小，系統的可靠性要求越高，對於設備管理者及檢維修人員的要求也會隨之提高。設備管理者需要在生產系統自由度降低的情況下實現更優化､更簡化､更智能化的設備狀態監測診斷過程，並以高准確性､高精確性的診斷結論指導檢維修實施及設備恢復生產。
圖3設備故障診斷流程圖
Fig.3 Flowchart of equipment fault diagnosis
現階段預測性維護中的故障診斷主要依靠人工分析實現，診斷分析人員通過趨勢､波形､頻譜等專業分析工具，結合傳動結構､機械部件參數等信息，實現設備故障的精准定位。筆者相信，未來的預測性維護將是建立在物聯網及人工智能技術上的智能診斷，屆時診斷效率和准確性都將獲得大幅提升。本文將重點介紹物聯網技術在設備狀態監測診斷中的應用前景及實施方案。
04 物聯網技術的應用
物聯網技術為設備狀態監測診斷帶來了設備狀態無線監測､高速數據傳輸､邊緣計算和精細化診斷分析等先進技術。在設備狀態監測診斷中應用物聯網技術，面向企業數字化､網絡化､智能化需求，構建精准､實時､高效的數據采集互聯體系。其核心意義在於構建基於海量數據采集､匯聚､分析的服務體系，實現工業技術､經驗､知識的模型化､標准化､軟件化､復用化。基於目前全球化的工業物聯網發展態勢，可以認為物聯網在設備狀態監測診斷中的應用范圍､應用規模､應用成果將會不斷擴大，應用效果也將向更好更優的水平發展。基於物聯網的設備監測診斷系統架構如圖4所示。
圖4 基於物聯網的設備監測診斷系統架構圖
Fig.4 Architecture of monitoring and diagnosis system based on IoT
從整體的網絡架構來看，設備健康監測物聯網綜合管理平台利用安裝在設備上的傳感器節點獲取設備的健康狀態監測信號和運行參數數據，經網絡層集中上傳至設備健康監測物聯網綜合管理平台，實現數據傳輸。應用層實現監測信號的分析､故障特征提取､故障診斷及預測功能，實現智能化管理､應用和服務。設備健康監測物聯網綜合管理平台具有強大的數據采集分析處理､數據可視､設備運維､故障診斷､故障報警等功能。通過實時監測查看､統計､追溯，實現對其管轄設備的實時監測和運行維護，基於運行信息和檢修信息､自動生成設備管理報表，實現設備可靠性､故障數據､更換備件等信息統計，為維修方案制定提供依據。
針對不同需求，物聯網綜合管理平台可采用私有雲方式建設，以獨享宿主機資源方式，滿足用戶的資源獨享､安全､合規需求；可通過HTTP､OPC等方式，實現與企業生產管理系統或第三方管理系統進行數據對接，打通數據關聯通道。此外，除了物聯網綜合管理平台，物聯網在設備狀態監測診斷中的應用還包括通過設備狀態監測診斷APP，以實現對設備運行數據的實時顯示，及時了解設備突發故障，立即派發對設備維修任務，快速反饋對維修結果等。設備狀態監測診斷､現場點檢､DCS控制系統以及生產現場視頻的整體融合，全面覆蓋設備運行狀態的整個監測過程。通過手機及內部辦公電腦實現數據的及時查看､分析等，遠程診斷中心與生產現場協同工作，實現診斷及現場驗證的同步機制。
05 結束語
針對預測性維護價值數百億元的新興市場，本文提出以設備故障監測､診斷､預防性維護為手段，將物聯網技術應用於設備狀態監測診斷的思路，實現狀態在線監測､遠程故障診斷。智能制造升級需要匹配預測性維護能力的同步提升。因此，針對智能制造時代的生產需要，建議將普遍采用的計划性檢修向基於設備健康狀態的預測性維護轉變。預測性維護的最終目標是提高生產安全穩定性､有效制定並實施設備維護策略､降低設備維護成本､減少設備停工檢修時間。