1.1.3　 面向設備運營網絡的智能預測性維護

隨著企業商業模式和價值鏈的演變，裝備使用商將內部裝備的運營和維護業務外包給專業的MRO技術服務公司，逐漸形成了涵蓋備件供應和維護商、裝備制造和維護商、裝備使用商、領域專家（來自企業內外部的整機及部件運營、維護、故障診斷和維修等領域的專家和學者）、云平臺提供商等多協作主體的MRO（服務）網絡[4]，這些網絡包括MRO數據獲取網絡、業務支持網絡、社交網絡、數據分析與支持網絡等價值鏈網絡。

基于（移動）互聯網和價值鏈網絡，MRO服務網絡可以自動連接到云平臺搜索合適的領域專家或解決方案處理問題，領域專家也將通過集成的預測模型、知識平臺和移動設備更有效地確定最優的維護策略和維護服務。這些內容構成了以設備IPdM策略為基礎的面向設備MRO網絡的智能預測性維護（Smart Predictive Maintenance，SPdM）服務平臺。

由于MRO服務網絡中裝備系統故障的高隨機性和維護需求的高不確定性，面對大范圍MRO網絡環境中多個不確定性的協作主體和高隨機性的設備故障，如何可靠地獲取、建模和挖掘來自產品狀態、環境狀態、設備運行狀態、人員狀態、業務運營數據、社交網絡數據以及客戶產品反饋數據等裝備全生命周期中的異構數據信息？如何利用上述信息準確地預測設備故障和維護需求，制定合適的維護和優化策略？如何在有限服務資源下，充分利用互聯網環境下廣泛存在的共享服務資源，最大限度地響應網絡維護需求，建立與客戶長期全面的合作關系？更進一步，如何通過信息物理系統將維護決策反饋回制造系統，實現誤差補償、調節和反饋控制？這些問題成為了智能制造環境下MRO服務網絡中各個參與主體的共同訴求，需要深入研究面向MRO網絡環境的多源異構數據高質量獲取與處理理論與方法、數據驅動的裝備及部件故障診斷與預測理論和方法、面向智能工廠的維護優化調度與決策、面向裝備運營網絡的大規模維護服務預測與優化配置理論和模型、基于信息物理系統的運行過程控制等內容，構建面向設備MRO網絡的SPdM理論體系、框架、方法和模型。