预测性维护已逐渐发展成为运维服务的主要模式，算法是预测性维护能否有效实施的核心，科学合理的评价预测性维护算法的准确性、有效性和适用性是提升算法性能、促进预测性维护技术应用与推广的重要保障。围绕算法测试指标、算法测试方法等问题，仪综所制定了国际标准IEC63270《工业自动化设备和系统的预测性维护 第1部分：通用要求》、国家标准《智能服务 预测性维护 算法测评方法》以及团体标准T/CAMS154-2023《智能服务 预测性维护 算法测评方法》，建立了工业智能与预测性维护算法测评实验室，并与中国机电装备维修与改造技术协会联合开展围绕预测性维护的标准研制、测试评价、产品认证、绩效评价等工作。
测试对象
预测性维护算法模型的测试对象是预测性维护状态监测算法、故障诊断算法、预测算法，包括但不限于预测性维护系统/平台/项目，测试对象可以来源于需求方（用户）、供给方（供应商）、第三方机构（解决方案供应商）。
测试内容
定量测试：测试内容包括预测性维护状态监测（固定阈值、相对阈值）、故障诊断（专家系统、机器学习）、预测算法（寿命预测、趋势预测）三个维度的算法，通过15项指标对算法的各项性能进行定量测试；
定性评价：给出算法定量测试的合格线，并针对算法的适用性、易用性、泛化性等进行定性评价。

北京第三方预测性维护算法实验室，全国首家可以提供预测性维护算法的第三方检测机构，提供面向机加工、数控机床、石油石化、核电、轨道交通、智能机器人、计算机软件、工业AI,减速机、机械设备，各类电气系统提供预测性维护功能测试和预测性维护算法测试服务，出具第三方检测机构试验报告，CNAS检测报告，CMA检测报告。仪综所实验室彭光琼V136-9109-3503.