PHM是密集应用大数据的典型工业领域。从工业互联网的角度去看待设备的运营，PHM是工业互联网的重要组成部分。

PHM强调资产设备管理中的状态感知、数据监控与分析，监控设备健康状况、故障频发区域与周期，预测故障的发生，从而大幅度提高运维效率。

GE已经在邀请大家展开想象力，展望未来15年内要投放的四万台发动机，所将产生巨大的数据蓝海。

历史渊源PHM早期应用主要集中于航空发动机领域，例如GE的F404发动机、PW的F117发动机等等。让它声名显赫的时机，是在F35联合战斗机项目的智能后勤信息系统ALIS，该系统囊括了飞机系统状态监控、健康评估、故障预测、维修计划、后勤保障等若干功能。 在F35之前的PHM，只是测试、监控，或者是健康管理，都不是真正意义的PHM。F35战机是第一个真正有故障预测概念的，才能称得上PHM。
PHM最早可以源自70年代， 早在1982年F-18大黄蜂机队F404发动机检测系统，用于大黄蜂战机的发动机的监测。那时候，似乎没有故障预测功能，也没有着重于大数据分析，或是没有凸显出大数据分析能力。这其实不属于真正的飞机PHM。当时只有剩余寿命评估、操作极限监控、传感器失效检测、熄火检测、着陆推力评估、飞行员启动记录等，缺失了故障预测功能。

早期资料上的PHM都很少涉及故障预测，尽管F22已经有了类似的设备与系统，但是F22的PHM应该还属于状态监测范围。F22在飞行时传输部分数据，落地后采集全部数据。可以通过维修辅助计算机插入接口，发送激励信号采集重点部件测试数据，在当时已经很先进了。但是现在看来，似乎还处于基于状态监测的健康管理水平，不能称之为预测健康管理(PHM)。

PHM发展现状与难点而F35项目的PHM在F22之上又得到了长足的发展，已经基本上达到了预期的设计目标，整机监测与故障预测。预期设计目标是飞行过程中就采集数据，实时传输部分数据，落地后采集全部数据，并且可以通过维修维修辅助计算机发送激励信号，采集重点部件数据。该系统具有实时分析与故障预测功能。
PHM的特点是，必须有海量数据分析和健康判断。数据是基础，而有了数据如何分析也是一个大问题。国内的航空公司，几十年海量的数据，都无法自己开发PHM系统。这个难点就是模型：健康模型怎么评价，而预测模型更难。这就是工业技术体系，如何将专家经验和实践经验相结合，这正是工业化的核心。

某型飞机推进系统健康监控系统架构 国内现在状态监测水平都不很高，Health Management基本不掌握工程实用的模型，成功应用案例较少，而PHM就干脆只剩下概念了。有了数据还必须进行分析；而有了建模能力，还得有工程实现能力，把PHM系统设计和开发出来。而且可靠性水平要求也很高，必须高于其他分系统，否则容易虚警。空客与波音都有成熟的PHM理念、方法与实际手段，但是，都是秘不可宣，只能从一些公开资料上得到片面的信息。

随着F35战斗机交付日期迫近，而其革命性的设计要点之一自动后勤信息系统，也就是自检和自动诊断系统，仍然存在这诸多的不确定性，PHM的难度可想而知。

PHM是指故障预测和健康管理，为了满足自主保障、自主诊断的要求提出来的，是基于状态的维修CBM (视情维修，condition based maintenance)的升级发展。它强调资产设备管理中的状态感知，监控设备健康状况、故障频发区域与周期，通过数据监控与分析，预测故障的发生，从而大幅度提高运维效率。
要实现PHM，除了物理基础条件保障外，既需要大数据分析技术，又需要非常密集的行业知识、经验和模型做为支撑。

PHM跟航空有很深的渊源，在航空领域有着较为成熟的概念模型和深入的讨论。与此同时，在石化、能源、制药、离散制造等设备运营上，同样有着广泛的应用前景，值得关注。

文章来源：知识自动化