预测性维护”是人工智能技术在智能制造领域中的最典型应用之一，也是工业互联网的“杀手级”应用。然而，预测性维护市场发展预期却在不断下调，其发展并未与其受重视程度相匹配，以致出现了“不可操之过急”等“冷静的思考”。究其原因在于预测性维护技术难以评价、实施效果难以衡量，背后的技术瓶颈是预测性维护算法的准确性、有效性和适用性难以进行科学合理的评价。算法测评无章可循、无据可依的瓶颈极大限制了预测性维护的市场发展。
测试内容：
一、预测性维护功能测试：
1、数据采集及可视化功能测试；
2、状态监测功能测试；
3、故障诊断功能测试；
4、寿命预测功能测试；
5、维护管理功能测试。
二、预测性维护算法测试：
1、状态监测算法测试；
2、故障诊断算法测试；
3、预测算法测试。
预测性维护功能测试依据检测标准：
1、国际标准IEC63270《工业自动化设备和系统的预测性维护 第1部分：通用要求》；
2、国家标准GB/T40571-2021《智能服务 预测性维护 通用要求》；
3、国家标准GB/T25000.51-2016《系统与软件工程 系统与软件质量要求和评价（SQuaRE）第51部分：就绪可用软件产品的质量要求和测试细则》。
预测性维护算法测试依据国家标准GB/T43555-2023《智能服务 预测性维护算法测评方法》进行测试，并出具第三方检测报告。
为破解预测性维护技术发展困局，仪综所2021年牵头立项了《智能服务 预测性维护 算法测评方法》（计划号：20210705-T-604）国家标准计划，并联合清华大学、西门子（中国）有限公司、中国石油大学（北京）、重庆邮电大学等共计70余家单位的110余位专家组成标准起草工作组，历时三年多的努力，完成了GB/T 43555-2023算法测评国标制定，该标准将预测性维护算法划分为监测、诊断、预测3大类6个子项，采用黑盒和白盒测试相结合的方案，规定测评流程、测评指标体系和测评方法等，为划分预测性维护技术水平提供了“标尺”，为其推广应用提供了“信用证”和“通行证”。提供第三方预测性维护测试评估工作，出具第三方检测报告。
更多精彩： 发布分类信息 http://www.zhelice.com/news/
