只读
预测性维护
预测性维护（PdM）根据劣化趋势或异常模式，估计故障将在何时发生（或剩余寿命还剩多少），从而提前准备干预。它看的是未来，不是此刻是否超线。
一台轴承现在 70℃，阈值 80℃。CBM 认为正常；PdM 若看到稳定爬升，可能判断 48 小时后越线，于是今天就开始备件和停机窗口。多出来的准备时间，是它唯一必须证明的价值。
它建立在 CBM 之上，不是替代
没有稳定的状态数据、没有工单闭环、没有「预警后有人处理」，模型输出只是另一张没人看的报表。EAM 里两者常被笼统地叫做「预测性维护模块」，实施时仍应分开：先阈值和流程，再算法。
数据质量决定上限。工况切换、开机峰值、传感器漂移、维修后未复位，都会让趋势说谎。设备机理很少是单测点线性的——同一类设备在不同负荷和磨合阶段，不能共用一套标准。这是为什么「上了 AI」仍可能阈不准，见 CBM 笔记里的讨论。
适用与局限
值得做 PdM 的，通常同时满足：故障代价高、有可监测的劣化过程、P-F 间隔允许准备、历史数据或同类数据够用。随机电子失效、数据极少的孤品设备、已经用严密冗余保护的对象，投入模型的回报薄。
不要用 PdM 回避更便宜的决策：改设计、加旁路、提高备件、把策略改成定期更换。预测是策略菜单上的一项，不是成熟度的终点。供应商演示「准确率 95%」时，问清楚预测的是哪一种故障、在谁的工况下、漏报和误报分别怎么计价。