GB/T43555《智能服务预测性维护 算法测评》检测标准咨询
实验室咨询热线：13691093503 (微信同号)
预测性维护算法测评国家标准GB/T 43555-2023《智能服务 预测性维护 算法测评方法》的发布，标志着预测性维护算法正式迈入标准化、规范化的新阶段，为预测性维护产业的健康有序发展提供了重要保障，有效促进预测性维护技术的进一步应用。预测性维护应用场景覆盖轨道交通、电力、水电、风电、核电、电网、管网、煤矿、石化、机械、钢铁等众多工业领域，预测性维护强调提前预测，提前维护，把出现故障的损失风险率降到最低。
预测性维护算法测评国家标准GB/T43555-2023由仪综所牵头起草，检测标准归口单位也为仪综所即：（全国工业过程测量控制与自动化标准化技术委员会），仪综所建有工业智能与预测性维护创新中心，已经为轨道交通、风电、汽车电子、核电、石化、机械等行业领域进行预测性维护案例上百家，获得广大企事业单位的广泛好评。
您是否对检测标准也存在以下相关问题：
1) 8.1.1状态监测算法模块，如果采用标准中提到的阈值报警模式，原始信号去噪后，仍波动较大，而算法估计值较为平滑，小波动也要被认为是异常吗？
2) 8.1状态监测算法的测试指标，为何不涉及误报率？
3) 8.2.1故障诊断算法模块，GB/T43555将算法分为专家系统和机器学习两类，测试指标也有所不同，但是从结果来看都是对故障的识别，为何不采用同样的测评指标呢？
4) 8.2.3故障诊断算法模块，机器学习类别，误识别率为什么不涉及？
5) 8.3.2预测算法模块，预测准确率的形式比较特别，为何引入自然对数e？其适用范围是什么？
6) 9.3.1.1 算法测试基本要求中，提到生命周期的概念，如何定义一个设备的生命终点呢？比如轴承，劣化到什么程度，算寿命为0？
7) 附录E.1 实验室设备数据和测试台架数据如何理解，两者的区别是什么？
8) 附录E.1 仿真数据或者数字孪生数据，是否可作为算法测试的数据来源？业界对仿真模型或数字孪生数据的信任程度是什么样的？
GB/T43555-2023 《智能服务预测性维护 算法测评》检测标准第一起草专家可以为您提供专业的检测标准解析、检测相关算法解答、检测数据的分析，测试合格线的划定。助力各企业顺利完成预测性维护测试的相关工作。
目前，仪综所是国内首家可以进行预测性维护功能性能和算法测试的第三方检测服务机构，出具国家认可的第三方检测报告。
关注公众号:bjkkxtest ,了解更多
热门检测更多 >>
