1.1.3　 面向设备运营网络的智能预测性维护

随着企业商业模式和价值链的演变，装备使用商将内部装备的运营和维护业务外包给专业的MRO技术服务公司，逐渐形成了涵盖备件供应和维护商、装备制造和维护商、装备使用商、领域专家（来自企业内外部的整机及部件运营、维护、故障诊断和维修等领域的专家和学者）、云平台提供商等多协作主体的MRO（服务）网络[4]，这些网络包括MRO数据获取网络、业务支持网络、社交网络、数据分析与支持网络等价值链网络。

基于（移动）互联网和价值链网络，MRO服务网络可以自动连接到云平台搜索合适的领域专家或解决方案处理问题，领域专家也将通过集成的预测模型、知识平台和移动设备更有效地确定最优的维护策略和维护服务。这些内容构成了以设备IPdM策略为基础的面向设备MRO网络的智能预测性维护（Smart Predictive Maintenance，SPdM）服务平台。

由于MRO服务网络中装备系统故障的高随机性和维护需求的高不确定性，面对大范围MRO网络环境中多个不确定性的协作主体和高随机性的设备故障，如何可靠地获取、建模和挖掘来自产品状态、环境状态、设备运行状态、人员状态、业务运营数据、社交网络数据以及客户产品反馈数据等装备全生命周期中的异构数据信息？如何利用上述信息准确地预测设备故障和维护需求，制定合适的维护和优化策略？如何在有限服务资源下，充分利用互联网环境下广泛存在的共享服务资源，最大限度地响应网络维护需求，建立与客户长期全面的合作关系？更进一步，如何通过信息物理系统将维护决策反馈回制造系统，实现误差补偿、调节和反馈控制？这些问题成为了智能制造环境下MRO服务网络中各个参与主体的共同诉求，需要深入研究面向MRO网络环境的多源异构数据高质量获取与处理理论与方法、数据驱动的装备及部件故障诊断与预测理论和方法、面向智能工厂的维护优化调度与决策、面向装备运营网络的大规模维护服务预测与优化配置理论和模型、基于信息物理系统的运行过程控制等内容，构建面向设备MRO网络的SPdM理论体系、框架、方法和模型。