预测性维护简称PDM是以状态为依据(Condition based)的维护,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,预先制定预测性维护计划,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。预测性维护集装备状态监测、故障诊断、故障(状态)预测、维护决策支持和维护活动于一体,是一种新兴的维护方式。
预测性维护是人工智能技术在智能制造领域中的好典型应用之一。算法模型作为预测性维护技术方案的核心,其准确性、有效性和适用性更是决胜预测性维护方案优劣的关键,测试评价成为标定预测性维护算法性能、提升预测性维护技术水平、推动预测性维护产业发展的重要抓手。
预测性维护算法测试内容:
1、状态监测算法测试-依据准确率、漏报率等指标对状态监测算法进行测试;
2、故障诊断算法测试-依据准确率、精确率、召回率等指标对故障诊断算法进行测试;
3、预测算法测试-依据准确率、平均绝对误差、均方根误差、可决系数等指标对预测算法进行测试。
检测标准依据:
GB/T43555-2023《智能服务 预测性维护 算法测评方法》
仪综所牵头制定国家标准GB/T 43555-2023《智能服务 预测性维护 算法测评方法》,仪综所实验室是国内好的第三方检测服务机构,是国家级CNAS和CMA实验室,开展面向机加工、数控机床、石油石化、核电、轨道交通、智能机器人、计算机软件、工业AI、减速机、机械设备,医疗、机械、各类电气系统等产品的预测性维护算法测评服务,出具第三方检测报告。
若贵司需要预测性维护功能和算法测试服务,可以联系我们索取预测性维护算法测试评价基本信息登记表,跟我方测试工程师进行详细的沟通,确保出具符合标准要求的检测报告。