预测算法允许您通过监测来自机器的传感器数据来预测故障事件何时发生，从而避免设备故障。根据这些预测，您可以调整维护计划。这些预测算法提供了传统预防性维修计划的替代方案，其中维修计划由规定的时间线确定。
预测算法使客户和设备制造商能够：
- 通过在故障前发现问题减少设备停机时间，从而延长设备寿命
- 仅在必要时安排设备维修，以避免不必要的维护成本
- 通过确定即将发生的故障和故障的根本原因，使设备更快地恢复在线
预测算法对于预测性维护计划的成功至关重要。温度、压力、电压、噪声或振动测量值通过传感器收集。这些数据通过各种统计和分析方法进行处理信号处理提取特征的技术称为状态指示器．要监视设备的运行状况，可以使用数据聚类和分类或其他方法将这些状态指示器与已建立的故障状态标记进行比较机器学习技术。您还可以使用条件指示器作为输入剩余使用寿命（RUL）估算模型训练预测算法。基于相似性、基于趋势或基于生存的RUL模型取决于可用数据的类型。最终结果是一个预测算法，该算法可以对下一个故障事件进行分类和预测，并提供该预测的置信区间。
预测算法开发工作流。
一旦经过验证，预测算法就可以在服务器或云等IT环境中进行操作。此外，预测算法可以直接在设备上的嵌入式系统中实现，从而加快响应时间，显著减少通过网络发送的数据量。
有关更多信息，请参阅预测性维护工具箱™,统计和机器学习工具箱™和深度学习工具箱™．
