定义
RUL（Remaining Useful Life）即剩余使用寿命，基于设备 Telemetry 与 Time Series DB 数据，通过机器学习或统计模型预测设备或部件剩余可用寿命。是 Predictive Maintenance 的核心输入。
建模方法与数据需求
RUL 预测方法包括物理模型（基于失效机理）、数据驱动（如 LSTM、Transformer、生存分析）及混合方法。数据需求涵盖正常运行数据、退化数据及失效样本；特征可包括振动、温度、电流等传感器时序及运行时长、启停次数等。设备管理平台需从 Time Series DB 时序库拉取历史遥测，经特征工程后输入模型；模型可部署于平台侧或边缘侧，支持批量或实时预测。
与 DMP 的集成
RUL 输出可驱动 Predictive Maintenance 预测性维护工单创建、备件采购计划、Maintenance Schedule 维护计划调整。与 Device Health Score 设备健康分结合，形成「健康分 + 剩余寿命」的综合评估；低 RUL 设备可优先安排巡检或更换。平台可提供 RUL 可视化、阈值告警及与 EAM/CMMS 的工单联动接口。
应用场景
适用于轴承、电池、电机等关键部件的寿命管理；工业设备、风电、轨道交通等领域的预测性维护。RUL 可优化维护策略，从定期维护转向按需维护，降低非计划停机与维护成本。