预测性维护(PredictiveMaintenance,缩写PdM)是以状态为依据(ConditionBased)的维修,在机器运行时,对它的主要(或需要)部位进行定期(或连续)的状态监测和故障诊断,判定装备所处的状态,预测装备状态未来的发展趋势,依据装备的状态发展趋势和可能的故障模式,预先制定预测性维修计划,确定机器应该修理的时间、内容、方式和必需的技术和物资支持。预测性维修集装备状态监测、故障诊断、故障(状态)预测、维修决策支持和维修活动于一体,是一种新兴的维修方式。
预测性维护策略的实现通常不是依赖单一的IT技术。更重要的是需要跟设备结构、工艺知识Knowhow结合,再通过大量的历史时序数据样本和维护工单数据,构建和训练出准确率达标的模型。
在生产线上,设备和零部件的故障/损耗是常见的一种工业损耗。在不可预测的情况下,这种损耗常常引起产线停工,影响生产效率。更有甚者,它会导致严重故障,给工业生产带来极大损失。
为了减少这种不确定的零部件损耗及其带来的严重后果,工业界普遍的做法是对设备及其零部件做预防性维护,即为了消除设备失效和非计划性生产中断的原因而策划的定期活动(基于时间的周期性检验和检修)。预防性维护虽然能在一定程度上提前排除故障,却也容易造成过度维护(维护频率过高)或缺乏维护(维护频率过低)。而且停工检测和维护,也会极大降低生产效率和提高生产成本。
随着IoT、大数据、边缘计算等技术的成熟,预测性维护应运而生。预测性维护(PdM)是通过对设备状况实施周期性或持续性监视来评价在役设备状况的一种方法或一套技术,用来预测应当进行维护的具体时间。
预测性维护已经在全球各行业得到认可并开始规模应用,如制造车间和工厂、建筑和工业设施、运输和物流、能源和公用事业、采矿作业等。