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。
