1.2.5　智能預測性維護

移動互聯網、大數據、人工智能、物聯網、云計算等新一代信息技術推動了智能制造技術的快速發展。在通過智能制造技術構建的技術體系中，智能工廠通過信息物理系統（Cyber Physical System，CPS）監控物理對象和流程，創建物理世界的虛擬副本，并進行分散的控制和決策。CPS通過物聯網（Internet of Things，IoT）實時地與人或者其他CPS系統進行交流與合作，價值鏈的參與者則通過大數據分析和服務互聯網（Internet of Services，IoS）提供并利用組織內部或跨組織的服務。在智能工廠中，CPS系統是一個綜合計算、網絡和物理環境的多維復雜系統，通過3C技術的有機融合與深度協作，實現大型工程系統的實時感知、動態控制和信息服務。

智能預測性維護在預測性維護的基礎上，由CPS產生的設備狀態數據通過IoT傳輸到云存儲服務器，通過大數據分析技術實現傳感信號的預處理、特征提取、故障診斷、故障預測等功能；然后，根據故障診斷和預測的結果進行維護性能指標評估和維護優化決策；最后，根據優化決策的結果通過CPS系統實現制造系統的錯誤修正、補償和控制。與預測性維護相比，智能預測性維護技術主要通過CPS、IoT、IoS和大數據分析技術實現。

面向智能車間或工廠的設備智能預測性維護問題，Lee等人提出了基于5C的智能預測性維護IPdM框架[2]，Wang等人提出了基于CPS的智能預測性維護IPdM框架[3]。隨著（移動）互聯網、大數據和人工智能的深入應用，設備MRO運維服務從單一智能車間或工廠延伸到備件供應和維護商、裝備制造和維護商、裝備使用商、領域專家、云平臺提供商等MRO網絡的多協作主體，面向設備MRO運營網絡的智能預測性維護SPdM成了未來智能制造領域的一個重點研究方向和內容。