数据采集

类比于体检，数据采集就是通过传感器首先收集到设备的“心电图”，这些“心电图”是设备故障信息的载体。

数据处理

数据处理是指对传感器信号的进一步信息提取，获取直接能够表达故障信息的特征。

状态检测

对特征数据进行分析，输出被监测对象是否异常。如果异常产生，进一步结合历史标注信息、先验信息，建立故障诊断模型，进一步给出异常的类型，即由什么故障原因导致的异常，包括故障类型、故障位置等。“千里之堤，溃于蚁穴”，状态检测首要目标检测到设备的早期异常。

健康评估

利用特征数据和异常识别结果，融合输入的健康信息，确定当前设备健康程度/衰退程度，通常用0~1之间的健康指数来描述设备衰退情况。

故障预测

根据当前的健康状态，推测未来，以一定的可靠度，输出系统剩余寿命的估计。

提出建议

基于设备的实际性能衰退曲线，可以给设备的运维管理等环节提供重要决策支持。例如，给维修管理系统提供设备状态信息，帮助提前规划维修任务，准备维修备件和工具以及调配人员；同时也可向生产系统提出建议，例如向生产系统发送通知，告知生产线由于以下原因导致的高故障风险即将发生故障的关键设备，便于生产提取调整生产计划等。

以透明化设备状态，助力制造业智能化

  PHM对于制造业最重要的价值体现在透明化设备当前和未来的状态，通过这样的透明化可实现设备状态自感知的，同时也支撑起设备相关生产环节的智能化。这不仅仅使维修维护部门收获显著利益，也为包括生产，物流在内的所有设备相关部门带来不同程度的价值提升。

更进一步说，在PHM技术快速发展的今天，大量实践证明了PHM技术对设备（尤其是高价值设备）的运维部门带来的价值——预测性维护。

传统维修以事后维修和定时维修为主，与之相比，预测性维修在基于状态维修的基础上实现了预测并管理系统设备未来的状态，进一步降低了设备的运维成本，提升了设备的可用性和安全性。

据德勤统计 , 以PHM为代表的预测性维修技术能够在生产和运维环节带来可观的“提质、增效、降本、减存”的收益，包括并不止于：

        如今，第四次工业革命早已在全球拉开序幕。在这样的时代背景下，设备不断复杂化， 设备综合效率（OEE）要求不断提升，企业对“提质、增效、降本、减存”的需求持续增强已成为必然趋势，PHM技术必将越来越受到人们的重视。

（完）

  元硕数字科技（苏州）有限公司，专注工业设备智能方案，包括PHM设备健康AI预测性维护、设备全生命周期管理、设备预警及自研智能网关报警监测，为设备制造商提供定制化数字运维方案。