预测性维护（PdM）旨在通过授权公司**程度地延长零件的使用寿命，同时避免计划外的停机时间并**程度地减少计划内的停机时间来打破这些折衷。随着用于制造业的工业4.0的出现，公司能够利用新技术来实时监视和深入了解其运营，从而将典型的制造工厂转变为智能工厂。简而言之，智能工厂就是配备了能够使机器对机器（M2M）和机器对人（M2H）通信与分析和认知技术相结合的技术，从而使我们可以正确，及时地做出决策。

       油气动设备预测性维护解决方案，就是建立基于大数据驱动的设备诊断模型。利用设备运行过程中的海量数据，训练并建立高质量、自适应的设备诊断模块，实现对设备健康状态的实时判断和分析，实现设备运行过程健康及风险精准判断和快速决策。通过对离心式压缩机组、往复式压缩机组及离心泵等动设备的健康度评估模型、风险量化评估模型及运行风险预测模型，实现了动设备“健康度”的在线分析计算，对动设备的关键运行风险进行预测分析。

方案优势：

节省物料成本（运营和MRO物料支出中的5-10%)；

降低存货成本；

设备正常运行时间和可用性增加（10-20%)；

减少维护计划时间（20-50%)；

降低了总体维护成本（5%至10%）；

改进的HS&E合规性；

减少花费在暴力信息提取和验证上的时间；

花更多的时间在数据驱动的问题解决上；

与计划，绩效和责任制的明确联系；

对数据和信息更有信心，从而拥有决策权。