在智能制造的背景下，工业系统向更为复杂化、智能化方向发展。对于工厂车间的维修管理来说，维护维修的工作量、维修响应能力、系统可靠性和稳定性要求以及维护人员综合技能要求方面都面临着重大挑战。基于日益发展的人工智能和大数据技术，设备维修管理也将向智能化方向发展。

设备维修智能化应用场景如下：

（1）设备故障智能诊断

持续抽取并学习工人师傅的检修经验，对海量设备检修报告以及设备运行参数中各类异常运行状态进行挖掘学习，归类总结设备故障诊断知识，构建设备故障诊断知识图谱，协助检修人员提升工作效率，缩短检修作业时间，根据现场反馈信息，推送故障诊断案例报告。

（2）设备健康智能预警

利用设备基本信息、运行信息、历史信息、实验数据和缺陷信息等业务数据，建立评估模型，给出设备健康分值，实现排产推荐、检修提醒。

例如为一个机床生产设备做健康智能诊断的过程是这样的：通过数据机床转速和主轴振幅数据的实时或定时采集，抽取共振点的转速-振幅，通过对历史数据训练预测模型，预测机床运行中的异常设置和故障，进而规避缺陷，减少次品率的发生，减少对主轴和刀具的耗损，分析共振转速趋势，评估机床的耗损情况，做到及时检修。

（3）预测性维修智能诊断和远程运维

将云计算和智能应用融合，结合AR智能眼镜构建现场故障检测——云计算隐患排查——远程故障诊断——AR辅助现场排查与处理的预测性维修闭环。