北京儀綜所實驗室專業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，第三方產品檢測機構，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。該模型訓練數據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據增強，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 
——優化能力。該模型為卷積神經網絡的基準模型，可以從網絡結構、網絡參數、數據處理等部分進行優化，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，有效解決了數據處理、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《工業自動化設備和系統的預測性維護 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系，再數據傳遞的過程中可能會出現故障特征損失的情況。
測試概述
測試需求分析與測試策劃、測試設計、測試執行、測試總結、測試環境說明、測試方法說明、測試結果等。
測試數據要求
訓練樣本集：從數據庫中選取帶有標簽的正常狀態與故障狀態的數據，形成用于算法訓練的樣本集。
測試樣本集：從數據庫中抽取包含所有類別狀態樣本的數據，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，判斷樣本數據庫是否支持測試，若不支持則需客戶提供樣本數據并更新數據庫。
算法測評階段：進行抽樣、模型準備、測試環境搭建、算法測試和算法評價等活動。
算法調試階段：若測評結果不理想，允許進行算法調試和更新，重新進行測評，調試次數一般不超過2次，達到客戶滿意度后輸出測評報告。
行業覆蓋：服務領域包括鋼鐵、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。
測試案例
定制化工廠的預測性維護：對工廠內的設備進行實時監測，通過算法分析數據，提前預測設備故障，優化維護計劃。
沖壓生產線的預測性維護：監測沖壓設備的運行狀態，利用故障診斷算法及時發現潛在問題，減少設備停機時間。
機械機加工數字化工廠的預測性維護：對機加工設備進行全面監測和分析，實現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領先的第三方檢測服務機構，是國家級CNAS和CMA實驗室，開展面向機加工、數控機床、石油石化、核電、軌道交通、智能機器人、計算機軟件、工業AI、減速機、機械設備，醫療、機械、各類電氣系統等產品的預測性維護算法測評服務，出具第三方檢測報告。