您的浏览器版本太低

   预测性维护也叫预测性维修（Predictive Maintenance, 简称 PdM），是指通过对设备进行数据收集和状态监测，在故障发生之前，就预测可能出现的故障隐患。并在故障损害发生之前，提出防范措施，更换相关零部件。预测性维护已经在全球各行业尤其是工业制造领域得到认可并开始规模应用。将状态监测、故障诊断、状态预测和状态决策融合为一体，状态监测和故障诊断是基础，状态预测是重点，维护决策得出最终的维护状态要求，预测性维护是人工智能在工业制造领域的应用和实践。预测性维护相对于修复性维护和预防性维护来讲，具有成本低、对产线影响小、复制性高、应用场景广泛等特点。而智能传感器是预测性维护技术中必不可少的关键设备。
     智能传感器在预测性维护技术上应用时，大多是基于状态的检测（CBM），以测量设备当前的健康状态。预测性维护（PDM）涉及CBM、机器学习和分析等技术的组合，以预测即将发生的机器或资产故障。在监测机器的运行状况时，选择最合适的传感器以确保故障可以检测、诊断甚至预测，这一点至关重要。目前有许多传感器用于检测和检测旋转机械及其负载中的故障，最终目标是避免意外停机。由于PdM技术应用于多种旋转机械（电机、齿轮、泵和涡轮机）和非旋转机器（阀门、断路器和电缆），普通的传感器只能针对单一的应用场景进行监测，这就造成了传感器的多样性和复杂性。而智能预测性传感器能对多场景的设备状态进行监测。    
     预测性维护智能传感器在工业4.0上的应用正在超越其他工业应用，是更容易访问、更具成本效益的解决方案和技术。它是一种基于状态监测与故障模式动态预测模型相结合的方法。尽管确实需要更复杂的整体系统，但它具有优化机器寿命和提高工厂生产效率的优势。预测性维护智能传感器它可以在适当的时间安排纠正性维护，同时通过防止设备故障来最大化设备的使用寿命。了解何时需要维护机器以及需要做什么，可以在适当的人员和部件准备就绪的情况下，最佳地计划维护工作。
     预测性维护智能传感器分为直接传感与间接传感两种方式，通过预测性维护智能传感器可以了解设备状况，了解遥感参数和机械状态之间的关联。直接传感技术测量直接显示机械状况的实际数量，由于缺陷通常发生在机槭内部，直接检测通常是通过拆卸机械结枃或中断正常操作来实现的。随着杋械缺陷引起的振动(摩擦、或发热)的变化，间接传感技术则可以间接测量机械状态的各种辅助参数(如力、振动和噪声等)。与直接传感相比，间接传感方法成本低，能够连续检测所有的变化〔如刀具破损、刀具磨损等)，而无需中断机器正常运行。随着传感器越来越智能化，一般来说，置于设各设施上的传感器越多，传感器所承载的信息越复杂， 越能反映机器的状态.。然而，实际上传感器的数量是很有限的，并受限于成本、安装等因素.。因此传感器的安放位置需要考虑，以获得尽可能多的机器的信息。
    在现有的有线预测性维护智能传感器的基础上，根据客户的需求和应用场景类型，开发出了用于数据传输的无线预测性维护智能传感器。传感器与数据采集器的连接并不总能通过电缆来实现，而无线电技术通常更便宜、更灵活和更耐用。新的无线预测性维护智能传感器适用于不使用数据采集器的应用场景，或者由于通过边缘计算进行了强大数据压缩而仅需要将少量数据传输到互联网的数据采集器。它们无需单独的网关就可以建立从传感器到云的直接互联网连接，并将测量数值传输到云。