预测性维护是将传统以人工为主的对工业机器人的运维管理转变为自动化、信息化的智能监测维护方式，它不同于预防性维护和修复性维护，而是集设备状态监测、故障诊断和预测、维修决策支持和维修活动于一体的一种主动维护方式。通过对设备状态进行连续测量和数据分析，实现设备故障的诊断以及设备状态发展趋势的预测，制定最优维护方案。

现阶段，状态监测主要通过监测各种参数（如设备振动、温度等）以识别设备的潜在故障。数据的采集主要包括设备数据、生产过程数据、环境数据、作业数据等。一般通过振动、温度、压力、超声波、油液分析等不同的监测方法采集设备状态的数据。

具体操作如下：

1.建立智能数据分析模型，设备监督方案从单维度阈值监测上升为多变量融合监测。同时，系统设有智能趋势分析，能够预测部件的故障趋势，方便管理人员编制故障预警，根据预警主动进行预测性维护。

2.通过物理模型、知识系统和统计模型等混合型故障预测技术，融合故障诊断的算法，如时频诊断、统计诊断、专家系统诊断、人工神经网络诊断、模糊诊断、灰色熊理论诊断等，实现对设备早期微弱性能变化展示、异常识别报警、故障诊断和预测。

相对于其他的维修方式，预测性维护可以进行远程监测、故障预测，也可用于质量控制、资产追踪、决策支撑等。其主要的优势在于：

纵向来看，预测性维护有利于企业降低生产成本、提高效益有显著作用（通常可将维护成本降低10－50％）；

横向来看，行业竞争激烈，引入预测性维护技术可以有效提高企业竞争力（如识别和改进产品缺陷，增加生产安全性等）；

新时代工业服务要求的变化和商业模式的转变无不倒推产业模式的转变，预测性维护便是新时代、新业态下出现的新模式。