1.2.4 預測性維護
預測性維護（PdM）是一種在CBM的基礎上發展而來的預防性維護。當機器或設備運行時，對它的主要（或需要）部件或部位進行周期性或連續性（在線）的狀態監測和故障預測，來判定設備所處的狀態，以此預測設備狀態未來的發展趨勢，并且依據設備的狀態發展趨勢和可能的故障模式，預先制定預測性維護計劃，確定機器應該維護的時間、內容、方式、方法、必需的技術服務和物資支持。
預測性維護集設備狀態監測、故障診斷、故障（狀態）預測、維護決策支持和維護活動于一體，是一種預防性維護方式。預測性維護有狹義和廣義兩種概念。狹義的概念立足于“狀態監測（狀態維護）”，強調的是“故障診斷”，是指不定期或連續地對設備進行狀態監測，根據其結果，查明裝備有無狀態異常或故障趨勢，再適時地安排維護任務。狹義的預測性維護不固定維護周期，僅僅通過監測和診斷到的結果來適時地安排維護計劃，強調的是監測、診斷和維護三位一體的過程，這種思想廣泛適用于流程工業和大規模生產方式。廣義的預測性維護將狀態監測、故障診斷、狀態預測和維護決策合并在一起，狀態監測和故障診斷是基礎，狀態預測是重點，維護決策給出最終的維護活動要求。廣義的概念是一個系統過程，將維護管理納入了預測性維護范疇，考慮整個維護過程以及與維護活動相關的內容。
預測性維護是在一個預定的時間點執行維護任務，這個時間點設定在一個閾值內設備失去性能之前，并且維護活動是最具成本效益的時候。發展到現在，預測性維護基本上形成了如圖1.9所示的技術體系。當前階段，除了預防性維護的技術以外，以可靠性為中心的維護（RCM）更強調使用預測性維護PdM技術。
圖1.9 預測性維護技術體系
（1）狀態監測技術
狀態監測技術發展到現在，在各工程領域都形成了各自的監測方法，狀態監測的方法依據狀態檢測手段的不同而分成許多種，常用的包括：振動監測法、噪聲監測法、溫度監測法、壓力監測法、油液分析監測法、聲發射監測法等。
（2）故障診斷技術
故障診斷在連續生產系統中有著非常重要的意義。按照診斷的方法原理，故障診斷可分為時頻診斷法、統計診斷法、信息理論分析法及其他人工智能診斷法（專家系統診斷、人工神經網絡診斷等）、模糊診斷法、灰色系統理論診斷法以及集成化診斷法（如模糊專家系統故障診斷、神經網絡專家系統故障診斷、模糊神經網絡診斷等）。
（3）狀態預測技術
狀態預測就是根據裝備的運行信息，評估部件當前狀態并預計未來的狀態。常用的方法有累計損傷模型預測、隨機退化模型預測、時序模型預測、灰色模型預測、粒子濾波預測和神經網絡預測等。從狀態預測方法的分類而言，對于故障預測的開發一般有物理模型驅動、可靠性模型驅動和數據驅動三種基本途徑。在實際應用中，也可將三種途徑綜合在一起，形成一種基于信息融合模型的故障分析與預測方法，并能夠進行數字信息和符號信息的混合性故障預測，對于實現預測性維護更為有效。
（4）維護決策技術
維護決策是從人員、資源、時間、費用、效益等多方面、多角度出發，根據狀態監測、故障診斷和狀態預測的結果，結合生產計劃和備件庫存進行維護的可行性分析，制定出維護計劃，確定維護保障資源，給出維護活動的時間、地點、人員和內容等。維護決策的制定方法一般有故障樹推理法、數學模型解析法、貝葉斯網絡法（適用于表達和分析不確定和概率性事物）和智能維修決策法等。