预测性维护以“数据+模型”替代“定期检修”，让设备在故障前主动报警，从而降低非计划停机与过修成本。它是智能制造从信息化走向智能化的典型切口。
一、为什么要从定期维修转向预测
定期维修要么修早（浪费寿命），要么修晚（突发停机）。预测性维护依据设备真实健康状态安排维修，兼顾可靠性与成本，尤其适合连续生产的流程行业。
二、技术栈：传感—边缘—模型
振动、温度、电流等信号经工业互联网采集，在边缘侧做特征提取，再上传云端训练模型。与机器视觉结合的“多模态感知”能覆盖更多失效模式。
三、剩余寿命预测（RUL）
剩余有用寿命（RUL）模型根据退化曲线估算“还能用多久”，把维护窗口从模糊变为可量化。它依赖高质量历史数据，也依赖与MES 系统的工单闭环。
四、与系统联动
预测结果应回流到排产与备件：在工业互联网平台上打通“感知—预警—工单—备件”，才能真正形成运维闭环。详见智能制造的核心架构。