摘  要  預測性維修是近年來維修領域研究的熱點問題。本文從維修方式的三次變革談起，分析和比較了修復性維修、預防性維修和預測性維修的優(yōu)缺點，給出了預測性維修準確的定義，分析了與預測性維修相關的幾個概念，構建了預測性維修的基本技術體系，指出了預測性維修發(fā)展的趨勢。
        關鍵詞  修復性維修  預防性維修  預測性維修  預知維修  狀態(tài)基維修  視情維修

        一、引言
        上世紀70年代以來，美國的后勤工程（Logistic Engineering）、英國的設備綜合管理工程（Tero Technology）及日本的全面生產性維修（Total Productive Maintenance）的創(chuàng)立，標志著維修作為一門獨立的學科登上應用工程學的舞臺[1]。伴隨著維修科學的發(fā)展，預測性維修作為一種新興的維修方式成為行業(yè)研究的熱點，相對于修復性維修和預防性維修，它有著更多的優(yōu)點和更強的發(fā)展勢頭。
        二、維修方式的發(fā)展
        按照裝備的狀態(tài)和維修的時機，可以將維修方式分為故障前維修和故障后維修兩類[2]，按照維修依據(jù)的不同，故障前維修又可分為預防性維修和預測性維修兩種。表1給出了三種維修方式的對照。

表1  維修方式比較表

        修復性維修（Corrective Maintenance）,又稱事后維修（Break-down Maintenance）,是“有故障才維修（Failure Based）”的方式，它是以設備是否完好或是否能用為依據(jù)的維修，只在設備部分或全部故障后再恢復其原始狀態(tài)，也就是用壞后再修理，屬于非計劃性維修。
        預防性維修（Preventive Maintenance）又稱定時維修，是以時間為依據(jù)(Time Based)的維修，它根據(jù)生產計劃和經驗，按規(guī)定的時間間隔進行停機檢查、解體、更換零部件，以預防損壞、繼發(fā)性毀壞及生產損失。這種維修方法也就是目前所普遍采用的計劃維修或定期維修，如大、中、小修等。
        預測性維修（Predictive Maintenance，簡稱PdM）是以狀態(tài)為依據(jù)(Condition Based)的維修，在機器運行時，對它的主要（或需要）部位進行定期（或連續(xù)）的狀態(tài)監(jiān)測和故障診斷，判定裝備所處的狀態(tài)，預測裝備狀態(tài)未來的發(fā)展趨勢，依據(jù)裝備的狀態(tài)發(fā)展趨勢和可能的故障模式，預先制定預測性維修計劃，確定機器應該修理的時間、內容、方式和必需的技術和物資支持。預測性維修集裝備狀態(tài)監(jiān)測、故障診斷、故障（狀態(tài)）預測、維修決策支持和維修活動于一體，是一種新興的維修方式。
        三、與預測性維修相關的概念
        1.預測性維修的相關概念
        預測性維修最早在西方發(fā)達工業(yè)國家興起，預測性維修的概念源起于英文名詞“Predictive Maintenance”，到現(xiàn)在為止，預測性維修已經有了幾個相似的名字，這是因為在不同領域，不同的人員根據(jù)自己研究的側重點不同，給出了不同的翻譯和不同的定義。追根溯源，應該從英文的定義談起。
        Predictive Maintenance，其英文解釋為Condition Based Maintenance（CBM）或On-condition Maintenance。PdM一般翻譯為預測性維修或預知性維修，而預測維修和預知維修與前面的翻譯相比，僅僅是多字少字的問題；CBM一般翻譯為狀態(tài)基維修或基于狀態(tài)的維修，這個翻譯按英文字面的意思直譯過來，同時引入了“基”的概念，使翻譯專業(yè)化。有時CBM也被翻譯為預測性維修，因為它的英文原意就是對PdM的概念解釋；On-condition Maintenance一般翻譯為視情維修，這是翻譯者根據(jù)中國人的習慣意譯過來的。在實際運用中，幾個中英文名詞有時被隨機地組合，這都無可厚非，因為它們本身是一回事。
        沿襲運用到今天，幾個名詞在概念上有了一些細微的差別。預知性維修被定義為：以設備診斷技術為基礎，結合設備故障的歷史和現(xiàn)狀，參考運行環(huán)境及其它同類設備的運行情況，應用系統(tǒng)工程的方法進行綜合判斷分析，從而查明設備內部情況、故障和異常的性質，預測隱患的發(fā)展趨勢，提出防范措施和治理對策，這樣一套方法總稱為預測方法，把應用預測方法得到的結果納入維修管理就是預知維修[3]。它強調了預測方法，包羅了維修管理；而基于狀態(tài)的維修和視情維修立足于狀態(tài)，強調了狀態(tài)，它們的理論依據(jù)是：機械和裝備有自己的狀態(tài)，即將出現(xiàn)問題的機械或裝備將出現(xiàn)一些可以觀察、感覺或測量到的信號（如噪聲、振動、發(fā)熱、裂紋或電量的改變等）。這里狀態(tài)有兩層含義，一是指在某時某刻某種條件下裝備的即時狀態(tài)，這是狹義的狀態(tài)的概念。二是包含了即時狀態(tài)的前身和后續(xù)，指的是整個生命周期內的狀態(tài)，即廣義的狀態(tài)概念。
        2.狹義和廣義預測性維修[4]
        預測性維修不僅在名字稱呼上有不同，在概念的內涵和外延上也有出入，因此又有狹義和廣義預測性維修兩種概念。
        狹義的預測性維修立足于“狀態(tài)監(jiān)測”，強調的是“故障診斷”，是指不定期或連續(xù)地對設備進行狀態(tài)監(jiān)測，根據(jù)其結果，查明裝備有無狀態(tài)異常或故障趨勢，再適時地安排維修。狹義的預測性維修不固定維修周期，僅僅通過監(jiān)測和診斷到的結果來適時地安排維修計劃，它強調的是監(jiān)測、診斷和維修三位一體的過程，這種思想廣泛適用于流程工業(yè)和大規(guī)模生產方式。
        廣義的預測性維修將狀態(tài)監(jiān)測、故障診斷、狀態(tài)預測和維修決策多位合一體，狀態(tài)監(jiān)測和故障診斷是基礎，狀態(tài)預測是重點，維修決策得出最終的維修活動要求。廣義的預測性維修是一個系統(tǒng)的過程，它將維修管理納入了預測性維修的范疇，通盤考慮整個維修過程，直至得出與維修活動相關的內容。
        四、預測性維修技術體系
        預測性維修發(fā)展到現(xiàn)在，基本上形成了自己的技術體系，如圖1所示。

       1.狀態(tài)監(jiān)測技術
        狀態(tài)監(jiān)測技術發(fā)展到現(xiàn)在，在各工程領域都形成了各自的監(jiān)測方法，狀態(tài)監(jiān)測的方法依據(jù)狀態(tài)檢測手段的不同而分成許多種，常用的包括：振動監(jiān)測法、噪聲監(jiān)測法、溫度監(jiān)測法、壓力監(jiān)測法、油液分析監(jiān)測法、聲發(fā)射監(jiān)測法等。
        2.故障診斷技術
        單講“故障診斷”，它是一門新發(fā)展的科學，而且越來越受到重視，尤其是在連續(xù)生產系統(tǒng)中，故障診斷有著非常重要的意義。按照診斷的方法原理，故障診斷可分為：時頻診斷法、統(tǒng)計診斷法、信息理論分析法及其它人工智能法（專家系統(tǒng)診斷、人工神經網絡診斷等）、模糊診斷、灰色系統(tǒng)理論診斷及集成化診斷（如模糊專家系統(tǒng)故障診斷、神經網絡專家系統(tǒng)故障診斷、模糊神經網絡診斷等）。
        3.狀態(tài)預測技術
        狀態(tài)預測就是根據(jù)裝備的運行信息，評估部件當前狀態(tài)并預計未來的狀態(tài)。其常用的方法有時序模型預測法、灰色模型預測法和神經網絡預測法。而對于預測方法的開發(fā)一般有三種基本途徑：物理模型、知識系統(tǒng)和統(tǒng)計模型。在實際應用中，可將三種途徑綜合在一起，形成一種結合了傳統(tǒng)的物理模型和智能分析方法，并能夠處理數(shù)字信息和符號信息的混合性故障預測技術，對于實現(xiàn)預測性維修更為有效。
        4.維修決策支持與維修活動
        維修決策是從人員、資源、時間、費用、效益等多方面、多角度出發(fā)，根據(jù)狀態(tài)監(jiān)測、故障診斷和狀態(tài)預測的結果進行維修可行性分析，定出維修計劃，確定維修保障資源，給出維修活動的時間、地點、人員和內容。維修決策的制定方法一般有故障樹推理法、數(shù)學模型解析法、貝葉斯（Bayes）網絡法(適用于表達和分析不確定和概率性事物)和智能維修決策法等。
        五、結論
        預測性維修的提出經歷了不長的時間，但預測性維修通過對裝備狀態(tài)進行監(jiān)測和診斷，對裝備的狀態(tài)作出正確的判斷，從而制定出科學合理的維修策略，克服了現(xiàn)行維修所面臨的很多難題。故障診斷和狀態(tài)預測技術的發(fā)展是預測性維修發(fā)展的關鍵。從國內外近年的研究可看出，目前裝備故障診斷研究的熱點是嵌入式故障診斷技術，以動力學分析為基礎的故障診斷技術，基于神經網絡理論的故障診斷技術，以解決強干擾、多故障、多征兆、突發(fā)條件下的故障為目的的故障診斷技術等，故障診斷的手段也在向自動診斷和遠程診斷方向拓展。狀態(tài)預測則更多地利用對裝備連續(xù)監(jiān)測所得的特征參數(shù)的時間序列，對裝備的未來狀態(tài)進行預測，目前研究的熱點是時間序列模型預測、灰色模型預測、神經網絡預測等，主要立足于解決預測精度和預測時間間隔問題。隨著監(jiān)測、診斷和預測技術和儀器的發(fā)展，預測性維修的理論、技術及其整個體系也日趨成熟。