GB/T 43555-2023《智能服务 预测性维护 算法测评方法》为预测性维护领域提供一个全面且系统化的算法测评体系。这一标准不仅提出了针对状态监测、故障诊断和寿命预测等算法的详细测评方法以及统一的测试指标和评价要求。此检测标准文件可以更加科学合理地评价预测性维护算法的准确性和有效性，为装备用户、制造商和解决方案供应商等从业人员提供了重要的参考和指导，从而推动预测性维护技术在各行业的有效应用和发展。

一、测试项目
1、状态监测算法测评
基于阈值的监测算法:状态监测算法可分为两种，分别是基于固定阈值的判别方法和基于相对阈值的判别方法。
2、故障诊断算法测评
专家系统测评:专家系统可应用人工智能技术和计算机技术，根据领域专家的知识和经验，进行推理和判断，基于专家系统的特征数据匹配度，获得故障诊断的结果。
机器学习算法测评:机器学习算法可通过状态特征的分类，获得故障诊断的结构。
3、预测算法测评
预测算法测评：基于用户定义的失效阈值，寿命预测算法能够推演预测特征的轨迹在何处与失效阈值相交，并得到寿命终点时间，进而获得寿命预测的结果。

二、执行标准：
GB/T 43555-2023《智能服务 预测性维护 算法测评方法》

GB/T43555-2023《智能服务 预测性维护 算法测评方法》是预测性维护领域标准的进一步成果。此标准可以作为装备用户、装备制造商和解决方案供应商三类预测性维护从业人员的实施参考手册和测评依据，为装备用户采购及验收提供重要支撑材料，并成为装备制造商和解决方案供应商预测性维护技术测评的依据和准绳。

三、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，如不支持则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
算法测试阶段包括抽样、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，调试次数不超过2次，达到客户满意度则输出测评报告。

仪综所算法测评实验室是国内唯一一家可以实施预测性维护算法测评的第三方检测服务机构，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》由仪综所牵头起草并发布，检测标准归口标委会为全国工业过程测量控制和自动化标准化技术委员会(SAC/TC124)，仪综所为该标委会秘书处单位。实验室基于GB/T43555-2023 《智能服务 预测性维护 算法测评方法》检测标准建设了预测性维护算法测试平台并具备完善的测试服务能力，可以有效保障算法测试业务的顺利开展。仪综所智能运维研究团队围绕科研、标准、检测、实训等不断深耕，形成了智能运维系统服务能力，构建的覆盖通用标准、算法测试、绩效评价的预测性维护标准体系，致力于解决解决用户不会用、不敢用、不想用的问题。科研创新助推标准水平不断提升，促进算法测试技术完善，持续服务预测性维护技术进步与应用，为我国新质生产力发展添力赋能。

检测试验找彭工136-9109-3503。