根据国家市场监督管理总局、国家标准化管理委员会2025年第6号中国国家标准公告，GB/T 45507-2025《智能服务 预测性维护绩效评价方法》正式发布，将于2025年10月1日实施。该标准由机械工业仪器仪表综合技术经济研究所（以下简称“仪综所”）牵头制定，由全国工业过程测量控制和自动化标准化技术委员会（SAC/TC124）归口。

GB/T 45507-2025《智能服务 预测性维护绩效评价方法》检测标准规范了由基本指标、成本指标和绩效指标构成的预测性维护绩效评价指标体系以及评价流程，为工业设备智能运维的实施效果提供了科学、量化的评价依据，为工程化应用和推广提供统一的评价方法和指导。工业设备的智能运维从此将进入“精算”时代。

由仪综所牵头起草的预测性维护赛道相关的检测标准还有GB/T 40571-2019《智能服务 预测性维护 通用要求》、GB/T 43555-2023《智能服务 预测性维护 算法测评方法》。

目前，进行预测性维护算法测评主要依据GB/T43555标准进行测试。

仪综所“云维”实验室已将GB/T 43555-2023《智能服务 预测性维护 算法测评方法》纳入CNAS认可范围，是全国唯一具有算法测评资质的检测机构。GB/T 45507-2025《智能服务 预测性维护绩效评价方法》国家标准的发布，是仪综所构建的标准/认证创新服务链条和科研/标准/产业协同闭环体系中不可或缺的环节，与相关标准共同解决预测性维护的“不会用”、“不敢用”和“不想用”问题，将成为引领预测性维护产业健康有序发展的重要支撑。

以下是经过CNAS和CMA认可的检测项目内容：

在建立PdM测评前，应首先满足以下假设：

1、在针对特定的故障特征开始预测算法演化轨迹之前，诊断算法能够正确地检测、辨识和隔离系统的故障。

2、如果可以获取未来的运行条件，则将该运行条件信息纳入预测的考虑范围；否则，应确保当前的运行条件一直保持不变，或者运行条件的变化并不影响系统的寿命。

3、提供给PdM的输入数据是有效的。PdM的输入数据可以根据采集量的不同在采样率和数据格式方面有所差异，但数据内不能包含显而易见的错误。

4、作为标准值的历史数据是真实、可信的。历史数据或经验数据是作为统计学指标计算的标准值，必须有足够的样本量支撑。如果没有足够的试验数据，也可以通过历史数据来定义RUL。

5、预测过程的输入需求是确定的，输出结果是RUL。PdM可以作为1个黑盒来进行性能评价。但黑盒的输入需求是确定的。通过处理输入数据可以满足需求。输出结果为RUL可作为评价性能的统一指标。

检测试验找彭工136-9109-3503，出具国家认可的CNAS检测报告和CMA检测报告。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。