预后算法允许您通过监控从机器的传感器数据来预测设备故障，以预测失败事件发生故障事件。根据这些预测，您可以调整维护计划。这些预后算法提供了传统预防性维护程序的替代方法，其中维护计划由规定的时间表确定。
预后算法使客户和设备制造商能够：
- 通过在失败前识别问题来减少设备停机时间，从而扩展设备寿命
- 仅在必要时通过调度设备服务来避免不必要维护的成本
- 通过确定即将发生的故障和故障的根本原因，更快地带回设备
预测算法对于预测维护计划的成功至关重要。使用传感器收集温度，压力，电压，噪声或振动测量。使用各种统计和处理此数据信号处理提取调用特征的技术条件指标．要监视设备的运行状况，可以使用数据聚类和分类或其他方法将这些状态指示器与已建立的故障状态标记进行比较机器学习技巧。您还可以使用条件指示符作为输入剩余的使用寿命（rul）估计模型培训预后算法。RUL模型用于相似性的，基于趋势的或基于生存的 - 基于依赖于可用的数据类型。最终结果是一种预后算法，可以对下一个故障事件进行分类和预测，并在该预测上提供置信度。
预后算法开发工作流程。
一旦经过验证，预测算法就可以在服务器或云等IT环境中进行操作。此外，预测算法可以直接在设备上的嵌入式系统中实现，从而加快响应时间，显著减少通过网络发送的数据量。
有关其他信息，请参阅预测维护工具箱™那统计和机器学习工具箱™， 和深度学习工具箱™．
