工业设备是所有工业得以运行的关键载体，设备维护的目标是保证设备正常运行，减少设备非计划停机，降低设备使用成本。传统的设备维护以人+检测仪器为主。随着数字化智能化时代的到来，大数据分析和人工智能技术可以在检测仪器的数据基础上，为设备维护工程师提供更多判断决策的依据和支持。计算机在判断决策领域做得越完善，这个系统就越“智能”，这就是设备智能维护。不过要说清楚什么是“智能维护”，首先得把“维护”的对象——“故障”说清楚。
本文关键词：设备生命周期、故障与失效、维护程度评估
全生命周期设备维护
设备维护工作涵盖从设备安装后，投入运行到设备最终失效的整个过程。从设备的“浴盆曲线”的角度理解，设备的生命周期包括设备的磨合期（早期故障期）、稳定运行期（偶然故障期）和损耗期（失效期），这些构成了设备的全生命周期。这个周期里对应的设备保养和维修工作就是全生命周期设备维护。
故障就是坏了、不能用了吗？
在上述概念中，我们看到了关键词——设备”故障“。事实上，”故障“是设备运维工作关注的核心，也是其管理目标。设备维护就是为了保障设备正常运行，不出“故障”。
”故障“在国标和相应的国际标准中都有清楚的定义：GB/T 5225.1-2019 / IEC 6024-1:2016中对故障的定义是：不能执行某要求的一种特征状态，他不包含预防性维护和其他有计划地行动区间，以及因缺乏外部资源条件下不能执行要求的功能。
从故障的定义不难发现，故障并不是通常意义的“坏了、不能用”，而是一种无法达到“某要求”的特征状态，其中的要求就是设备的设计性能或者需求性能。换言之，设备的实际运行表现与应有的表现存在偏差，通常表现为设备或者某些零部件失去原有的精度或者其他性能降低，最终致使生产中断或效率降低。
由此可以看到，设备的故障分为性能停止型故障和性能下降型故障。顾名思义，性能停止型故障指的是设备无法发挥应有性能，而性能下降型故障是指设备性能与应有性能之间出现了偏差。前者在设备维护里相对处理比较标准，而后者则是重点和难点——如何发现和定位早期性能下降型故障，是提升维护水平的关键。
设备维护程度（过维护V.S.欠维护）
设备的日常维护工作是有成本的，而非计划停机的维护成本更大。因此基于设备维护程度的评价，有了过维护和欠维护的概念。
如果经常在设备两次维护的间隙出现非计划停机，就是设备“欠维护”。如果设备在维护间隙未出现任何故障事件，降低维护频次后依然不出现故障或故障率极低，就是过维护状态。所有的设备运维者，一直在欠维护和过维护中间寻找一个最优的设备维护程度，这个过程就是
