伴随着工业化、信息化和经济全球化的发展，机械制造、自动控制、可靠性工程及管理科学出现了新的突破，使现代机器设备的科学管理出现了新的趋势。但是很多小伙伴对预防性维护、预测性维护这两个概念还不是很清楚，今天就帮大家梳理下。

预测性维护是通过对设备状况实施周期性或持续监测，基于机器学习算法和模型来分析评估设备健康状况的一种方法，以便预测下一次故障发生的时间以及应当进行维护的具体时间。预测性维护是以设备/装备的状态作为依据的维护，状态监测和故障诊断是基础，状态预测是重点，维修决策得出最终的维修活动要求。

与预测性维护相对应的传统方法是预防性维护。预防性维护是根据规定的维修间隔或者设备的工作时间，按照已经安排好的时间来进行计划内的维修工作，而不考虑系统设备当前的运行和健康状态。

表：预防性维护与预测性维护的对比

任何设备在故障发生之前都会出现一些异常现象或症状，如振动偏大，有异常噪音等，如下图所示。为此，我们把从出现这些异常现象开始，到故障即将发生前的这一段时间定义为预测期，即P-F周期。预测性维护的目标是预测出更为准确的故障的预计发生时间，以便于维护人员准确及时地做出应对。

图为：故障预测原理图

在预测性维护中，将利用经典数据、物联网传感器数据等综合数据来有效地解决设备生产运营的实际问题：

设备使用情况如何?

预计寿命如何?

下一个生产周期中，设备发生故障的概率是多高?

发生具体故障的原因最可能是什么?

能否依据具体的故障表现，推荐最合适的维修方案?

通过以上小编的介绍小伙伴们有没有恍然大悟的感觉呢，如果想了解更多工业互联网平台功能，可与我们联系，后续我们也会不断和大家一起分享更新关于工业互联网平台的相关功能。