预测性维护是针对各行业设备或部件，以振动、图像、电流、声纹等信号分析为手段，结合新一代信息技术进行状态监测、故障诊断及剩余寿命预测，制定运维决策方案并安排合理维修活动的新型装备运维模式。预测性维护已逐渐发展成为运维服务的主要模式，在多个行业均有较为广泛的应用。算法是预测性维护能否有效实施的核心，亟需标准化的测评体系科学合理地评价预测性维护算法的准确性、有效性和适用性。

什么是预测性维护

根据观测到的状况而决定的连续或间断进行的维护，以监测、诊断或预测构筑物、系统或部件的状态指标。

什么是状态监测

检测与收集反映机器状态的信息和数据。

一、状态监测算法测评类型

基于阈值的监测算法:状态监测算法可分为2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。

1、基于固定阈值的判别方法通过对测试样本进行分析处理，与现行标准中预设的报警阈值进行对比，获得状态判别的结果。如振动数据报警阈值的设定可参考GB/T 22393—2015的规定。 

2、基于相对阈值的判别方法通过对标准数据进行学习，对样本数据进行分析处理，与自定义报警阈值进行对比，获得状态判别的结果。基于相对阈值的判别方法可适用于有现行标准的场景，也可适用于现行标准无法参考的场景。

二、状态监测算法测试指标

1、状态判别准确率

状态判别准确度是指设备状态监测结果分类的准确率。设备状态分为正常、异常2种。处于正常状态的设备允许无限制长时间运行，处于异常状态时表明设备状态相对正常状态时发生了明显改变，近期需要维护。 状态判别准确率可用状态正确判别的样本数量和总样本数量的百分比进行测试。

2、异常状态漏报率 

设备异常状态识别和判断的漏报率可用给定样本中未识别到的异常的数量和异常总数量之间的百分比进行测试。

三、测试方法

——基于固定阈值监测算法测试。参评对象以国际/国家标准规定的阈值为基础对测试样本进行状态判断：异常/正常。参评对象对测试样本做出的状态判断将用于和真实状态进行比对，通过状态判别准确率、异常状态漏报率等给出通过或者未通过测试的结论。 

——基于相对阈值监测算法测试。提供设备正常运转时标准数据，且包括相对应的设备的控制信息，如加工信息等，标定该设备所处的模式。测试样本来源为产生标准数据的同一设备，对应工况涵盖在标准数据中的工况，且标准数据中相应工况的数据条数达到一定数量。参评对象利用标准数据进行模型训练，对测试样本进行状态判断：异常/正常。参评对象对测试样本做出的状态判断将用于和真实状态进行比对，通过状态判别准确率、异常状态漏报率等给出通过或者未通过测试的结论。

四、状态监测算法对测试数据的要求

——标准数据：包括数据、数据产生来源、数据采集方式、相应设备的元数据（包括设备编号、设备类型、工况）、数据标签（异常/正常）。 

——测试样本：包括数据、数据产生来源、数据采集方式、相应设备的元数据［包括设备编号、设备类型、工况（该工况应属于标准数据中的工况范围）］、数据标签（异常/正常）。 

五、评价要求

状态监测算法定量测试结果包括与合格线和优秀线进行对比，其中与合格线对比为判断算法是否通过测试的基准，状态判别准确率为大于80%，异常状态漏报率为小于40%；优秀线为判断算法性能优劣的基准，状态判别准确率为大于90%，异常状态漏报率为小于10%。 

六、测试流程 

1、 针对固定阈值的监测算法，测试流程如下

1） 参评对象接受所提供的阈值参考标准和指定数目测试题目，每道题目包含一批测试样本，不同题目的数据来自不同设备或工况； 

2） 参评对象对每一批测试样本进行判断； 

3） 评测机构将参评对象对每道测试题目的判断结果与标准答案进行比对，计算指标； 

4） 根据要求中的合格线对参评对象给出通过/未通过的结论。 

2、针对基于相对阈值的监测算法，标准数据和测试样本应一一对应，测试流程如下

1） 参评对象接受所提供的指定数目测试题目，每道题目包含来自同一设备和同一工况的标准数据和测试样本； 

2） 参评对象提供一套训练模块，该模块使用测试题目中的标准数据训练模型，然后使用训练好的模型对同一题目中的测试样本进行判断； 

3） 评测机构将参评对象对每道测试题目的判断结果与标准答案进行比对，计算指标；

4） 根据要求的合格线对参评对象给出通过/未通过的结论。

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。