北京儀綜所實驗室專業(yè)為您提供智能服務預測性維護故障診斷算法測試服務，預測性維護算法測試，致力于為全國客戶提供全面的預測性維護檢測解決方案，第三方產(chǎn)品檢測機構(gòu)，出具國家認可的檢測報告。
測試項目
準確率、精確率（宏平均）、精確率（微平均）、召回率（宏平均）、召回率(微平均)。

模型測試結(jié)果，準確率、精確率（宏平均）、精確率（微平均）、召回率（宏平均）、召回率（微平均）均達到了70%以上，算法合格，通過測試。 
——泛化能力。該模型訓練數(shù)據(jù)為多工況下的軸承振動信號，并且在信號處理流程中對信號進行了數(shù)據(jù)增強，能有效提升模型的魯棒性。但對于未知工況下的泛化能力較弱 
——優(yōu)化能力。該模型為卷積神經(jīng)網(wǎng)絡(luò)的基準模型，可以從網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)參數(shù)、數(shù)據(jù)處理等部分進行優(yōu)化，有很大的提升空間 
——易用能力。該模型是一種端到端的深度學習模型，有效解決了數(shù)據(jù)處理、特征提取、故障分類三者割裂的情況，模型易于上手。 
檢測標準
GB/T43555-2023《智能服務 預測性維護 算法測評方法》。
IEC63270《工業(yè)自動化設(shè)備和系統(tǒng)的預測性維護 第1部分：通用要求》。
目前的故障診斷算法主要將處理過程分割為信號預處理、特征提取、故障分類三個孤立的部分，無法將各個部分形成有效的耦合關(guān)系，再數(shù)據(jù)傳遞的過程中可能會出現(xiàn)故障特征損失的情況。
測試概述
測試需求分析與測試策劃、測試設(shè)計、測試執(zhí)行、測試總結(jié)、測試環(huán)境說明、測試方法說明、測試結(jié)果等。
測試數(shù)據(jù)要求
訓練樣本集：從數(shù)據(jù)庫中選取帶有標簽的正常狀態(tài)與故障狀態(tài)的數(shù)據(jù)，形成用于算法訓練的樣本集。
測試樣本集：從數(shù)據(jù)庫中抽取包含所有類別狀態(tài)樣本的數(shù)據(jù)，用于對已訓練或未訓練的算法進行測試。
測試流程
測試準備階段：確定測評類型，判斷樣本數(shù)據(jù)庫是否支持測試，若不支持則需客戶提供樣本數(shù)據(jù)并更新數(shù)據(jù)庫。
算法測評階段：進行抽樣、模型準備、測試環(huán)境搭建、算法測試和算法評價等活動。
算法調(diào)試階段：若測評結(jié)果不理想，允許進行算法調(diào)試和更新，重新進行測評，調(diào)試次數(shù)一般不超過2次，達到客戶滿意度后輸出測評報告。
行業(yè)覆蓋：服務領(lǐng)域包括鋼鐵、電力、石化、船舶、汽車制造、軌道交通等，客戶包括中石化、中石油等大型企業(yè)。
測試案例
定制化工廠的預測性維護：對工廠內(nèi)的設(shè)備進行實時監(jiān)測，通過算法分析數(shù)據(jù)，提前預測設(shè)備故障，優(yōu)化維護計劃。
沖壓生產(chǎn)線的預測性維護：監(jiān)測沖壓設(shè)備的運行狀態(tài)，利用故障診斷算法及時發(fā)現(xiàn)潛在問題，減少設(shè)備停機時間。
機械機加工數(shù)字化工廠的預測性維護：對機加工設(shè)備進行全面監(jiān)測和分析，實現(xiàn)故障的快速診斷和預測性維護。
電機故障診斷：在不同負載和速度條件下，對電機進行測試，產(chǎn)生多種故障類型，通過電流信號檢測等手段，利用機器學習算法進行故障診斷。

儀綜所牽頭制定國家標準GB/T 43555-2023《智能服務 預測性維護 算法測評方法》，儀綜所實驗室是國內(nèi)領(lǐng)先的第三方檢測服務機構(gòu)，是國家級CNAS和CMA實驗室，開展面向機加工、數(shù)控機床、石油石化、核電、軌道交通、智能機器人、計算機軟件、工業(yè)AI、減速機、機械設(shè)備，醫(yī)療、機械、各類電氣系統(tǒng)等產(chǎn)品的預測性維護算法測評服務，出具第三方檢測報告。