1.2.5　智能预测性维护

移动互联网、大数据、人工智能、物联网、云计算等新一代信息技术推动了智能制造技术的快速发展。在通过智能制造技术构建的技术体系中，智能工厂通过信息物理系统（Cyber Physical System，CPS）监控物理对象和流程，创建物理世界的虚拟副本，并进行分散的控制和决策。CPS通过物联网（Internet of Things，IoT）实时地与人或者其他CPS系统进行交流与合作，价值链的参与者则通过大数据分析和服务互联网（Internet of Services，IoS）提供并利用组织内部或跨组织的服务。在智能工厂中，CPS系统是一个综合计算、网络和物理环境的多维复杂系统，通过3C技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。

智能预测性维护在预测性维护的基础上，由CPS产生的设备状态数据通过IoT传输到云存储服务器，通过大数据分析技术实现传感信号的预处理、特征提取、故障诊断、故障预测等功能；然后，根据故障诊断和预测的结果进行维护性能指标评估和维护优化决策；最后，根据优化决策的结果通过CPS系统实现制造系统的错误修正、补偿和控制。与预测性维护相比，智能预测性维护技术主要通过CPS、IoT、IoS和大数据分析技术实现。

面向智能车间或工厂的设备智能预测性维护问题，Lee等人提出了基于5C的智能预测性维护IPdM框架[2]，Wang等人提出了基于CPS的智能预测性维护IPdM框架[3]。随着（移动）互联网、大数据和人工智能的深入应用，设备MRO运维服务从单一智能车间或工厂延伸到备件供应和维护商、装备制造和维护商、装备使用商、领域专家、云平台提供商等MRO网络的多协作主体，面向设备MRO运营网络的智能预测性维护SPdM成了未来智能制造领域的一个重点研究方向和内容。