预测性维护（Predictive Maintenance，简称PdM）是以状态为依据(Condition Based)的维修，在机器运行时，对它的主要（或需要）部位进行定期（或连续）的状态监测和故障诊断，判定装备所处的状态，预测装备状态未来的发展趋势，依据装备的状态发展趋势和可能的故障模式，预先制定预测性维护计划，确定机器应该修理的时间、内容、方式和必需的技术和物资支持。预测性维护集装备状态监测、故障诊断、故障（状态）预测、维修决策支持和维修活动于一体，是一种新兴的维护方式。
一、测试项目：
1、预测性维护功能测试：数据采集及可视化功能测试；状态监测功能测试；故障诊断功能测试；寿命预测功能测试；维护管理功能测试。
2、预测性维护算法测试：状态监测算法测试；故障诊断算法测试；
预测算法测试。
二、预测性维护算法测评流程：
1、测试准备阶段：测试准备阶段包括客户申请、测评类型选择、样本数据库（简称“数据库”）是否支持判断等活动。基于客户提出的测评申请，首先确定测评类型，其次判断数据库是否支持测试，如支持则进入抽样环节，如不支持需要客户提供样本数据（简称“数据”），并更新数据库。
2、算法测评阶段：算法测评阶段包括抽样、模型准备、测试环境搭建、算法测试、算法评价等活动。经过抽样后的模型进行训练等准备，就绪后基于算法是否可公开而搭建测试环境，环境搭建应选用接口调用或算法直接部署等方式。
3、算法调试阶段：算法调试阶段包括是否调试判断、算法调试、出具报告等活动。测评结果如不理想，允许进行算法调试和更新，重新进行测评，调试次数不应超过 2 次，达到客户满意度则输出测评报告。
三、测试执行标准：GB/T 43555-2023《智能服务 预测性维护 算法测评方法》