预测性维护是不是空中楼阁?
如果严格按照预测性维护的技术定义来讲，基于设备自身状态参数的实时监控和对状态偏离进行感知和察觉，当前完全可以做到。从这个意义上说，预测性维护绝不是空中楼阁。
1、预测性维护不是对未来的算命。保持合理认知和期待。
2、预测性维护工作本身是系统，软件、硬件，算法和人的综合性工作，是IT技术、数据分析技术和工业机理技术融合的工作，而不单纯是一个算法的工作。现在的工业水平远远没有普遍达到设备按照算法执行指令的程度，对设备的实际维护维修工作还是需要人工来进行的。
3、目前主要的预测性维护实践还未达成理想预期，简单的监控手段无法实现及时发现”状态的变化“。例如大型旋转设备的振动监测与分析系统，理论上的确能发现早期轴承等机械故障;但实践中，往往基于国标的报警偏晚，而专业且复杂的频谱分析又难以在日常工作中持续开展。
智能维护与预防性维护、预测性维护并不是一个递进关系，而是交叉关系，如下图所示。借助于过去10多年大数据和人工智能技术的发展，智能维护的概念又变得火热;但智能维护本身也并不等价于那些”智能算法“。正如上篇文所说：设备维护的根本问题，在工业中的实践其实并没有变化，无论何种技术手段，都是为了更早、更准确识别早期“故障”，并合理制定维护计划，实现最优的维护性价比。
预防性维护是设备定期进行维护的工作。日常对设备进行的各种维护保养而产生大量的数据，不仅数据量大，而且数据种类多，格式复杂，数据状态复杂等。这些数据最终在智能维护时将有助于最佳维护周期的选定。
此外，我们可以对设备预防性维护的周期和设备实际故障状态进行分析，进而评估设备当前运维程度，并给出调整意见。最终实现最优的预防性维护时间间隔，从而提升维护效率降低设备使用成本和维护成本。
目前预测性维护的主要的手段是CMS技术，当设备特征数据被实时测量和监控之后，产生了大量的数据，同样的，这些数据也是种类多，数量大，格式复杂，数据质量良莠不齐，对这些数据进行处理也需要使用大数据技术。
更重要的是，在预测性维护领域，最重要的工作是对设备应有设计状态的偏离进行监督和评估。这就需要使用人工智能技术以及相应的机理算法，对设备状态建立某种基准模型和评估模型，从而通过算法实现对设备状态的评价。当判断、分析的工作从人脑转移到机器，那么智能技术就得到了实践。预测性维护就进阶成了智能预测性维护。
我们用两期的内容详细的讨论了关于设备维护、设备智能维护相关的基础性概念常见的误区。我们认为，只有建立客观、科学、标准、一致的认知，讨论设备智能运维才是有意义的。在设备维护的数字化、智能化项目中，OT、DT、IT专家往往存在基本概念的理解偏差(互联网企业叫”没有对齐“)，这样就会导致项目启动、开展、验收和落地使用过程中遇到种种问题。这也是我们认为概念”对齐“是智能运维项目需要处理的第一要务的原因。
