北京仪综所实验室是北京地区专业权威的第三方检测认证服务机构，实验室是国家级实验室CNAS和CMA认可实验室，提供的状态监测算法、故障诊断算法、预测寿命算法测试符合GB/T 43555-2023 《智能服务 预测性维护 算法测评方法》检测标准，可以出具国家认可的CNAS检测报告，CMA检测报告。

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。

一、预测性维护算法测评流程

1、测试准备阶段：测试准备阶段包括客户申请、测评类型选择、样本数据库（简称“数据库”）是否支持判断等活动。基于客户提出的测评申请，首先确定测评类型，其次判断数据库是否支持测试，如支持则进入抽样环节，如不支持需要客户提供样本数据（简称“数据”），并更新数据库。

2、算法测评阶段：算法测评阶段包括抽样、模型准备、测试环境搭建、算法测试、算法评价等活动。经过抽样后的模型进行训练等准备，就绪后基于算法是否可公开而搭建测试环境，环境搭建应选用接口调用或算法直接部署等方式。

3、算法调试阶段：算法调试阶段包括是否调试判断、算法调试、出具报告等活动。测评结果如不理想，允许进行算法调试和更新，重新进行测评，调试次数不应超过 2 次，达到客户满意度则输出测评报告。

二、检测标准

GB/T 43555-2023 《智能服务 预测性维护 算法测评方法》

为了促进预测性维护技术应用和产业健康发展，机械工业仪器仪表综合技术经济研究所联合清华大学等共计70余家单位的110余位专家牵头制定了首项预测性维护算法测评国家标准GB/T 43555-2023《智能服务 预测性维护 算法测评方法》。该标准是行业内首个标定预测性维护算法性能的国家标准，为引领预测性维护产业健康有序发展提供了重要保障和支撑。

2024年年底，仪综所实验室成为预测性维护测评领域国内首个且唯一的获得中国合格评定国家认可委员会（CNAS）实验室认可证书及检验检测机构资质认定证书（CMA）的第三方权威检测机构。实验室建设了包含各行业故障数据库、算法模型库、测评环境、测试工具与测试平台的“云维实验室”，从质量管理水平、检测技术能力、人员团队能力与体系运行等全方位保障算法测评服务的严谨高效。下一步，实验室将持续提升预测性维护测评服务能力，致力于以更加严谨和高效的方式为客户提供全面专业的测评服务，为预测性维护技术高质量发展贡献力量。

检测试验找彭工136-9109-3503。