故障预测与健康管理技术(Prognostics and Health Management, PHM)是未来智能装备系统保障维护的发展方向。随着智能装备越发复杂化，建立复杂智能装备的部件或系统的数学或物理模型十分困难。因此，相比于物理解析模型，利用部件或系统全生命周期中各阶段的历史数据进行建模，将更加有利于PHM功能的实现。 通过引入风险管理的方法，对关键、重点设备进行风险分析，建立设备状态监测模型和效能指标体系。通过大数据处理办法对获取到的数据进行特征提取，形成运行特征数据库和预测模型。基于设备数据运行的“时间切片”对设备后续进行“滚动式”阶段性状态评估，通过累积的评估结果清晰呈现设备生命周期的健康度变化趋势。

通过健康管理为维修决策提供可视化、可量化、可计算的指标。为早期发现设备问题、减少维修费用，增加设备的可用性、可靠性以及提高产品的质量和产能提供支撑。

统计数据表明：

▌对主机类设备MTBF提高20%                ▌有效降低非计划停机率10%

▌OEE提高3%                                         ▌减少维护费用

▌延长设备寿命 %                                   ▌探索工业大数据的应用场景及数字化转型实践