定义
Predictive Maintenance（预测性维护）基于设备 Telemetry 与 RUL 剩余寿命预测模型，在故障发生前安排维护，降低非计划停机。与 Preventive Maintenance 定期维护相比，更精准、更节省成本。
数据基础与模型
预测性维护依赖 Time Series DB 时序库中的设备遥测数据，结合 RUL 剩余寿命、Device Health Score 设备健康分等模型输出。模型可基于振动、温度、电流等传感器数据，采用机器学习（LSTM、Transformer）或物理模型进行训练。设备管理平台需提供数据管道、模型部署、预测任务调度及结果存储能力，支持批量预测与实时推理。
与 DMP 的集成
平台将 RUL、健康分等预测结果与 Maintenance Schedule 维护计划、Work Order 工单联动。低 RUL 或健康分下降可自动创建维护工单、触发告警；支持按预测结果优化 Maintenance Window 维护窗口排期。与 Preventive Maintenance 结合时，可形成「固定周期 + 按需提前」的混合维护策略，在保障可用性的同时降低过度维护成本。
应用场景
适用于轴承、电机、电池等关键部件的寿命管理；风电、轨道交通、工业产线等对可用性要求高的场景。预测性维护是工业 4.0、智能运维的核心能力，可显著降低非计划停机与维护成本。