在当今日益复杂的制造业务中，墨菲定律只是一个意外的障碍，从数据错误到错误的振动再到钝的切削工具，任何都会破坏生产。但是，在将来，如果能够使用完全有效的传感和信息技术来预见并避免潜在的有害过程痉挛，那么一切可能出错的事情就根本不会发生。

　　针对智能制造系统的预测和健康管理的测量科学路线图 *，为美国国家标准技术研究院(NIST)生成的新报告，为实现这一理想指明了方向。新的路线图基于2014年由行业，大学和政府专家组成的关于预测和健康管理(PHM)技术，系统和实践的研讨会的输入。

　　预测-设备项，子系统或系统的剩余寿命的估计-以及健康管理方法旨在保持最高效率的无故障制造生产。这些方法使用多种传感技术来监视设备和系统的性能和运行状况，评估其运行状况，并预测操作可以继续执行预期的时间。知道何时可能发生故障可以使设备的修理或更换几乎没有中断。但是，如果发生故障，PHM可用于诊断根本原因。

　　“总体而言，PHM的目标是提供及时的可操作信息，以进行智能决策，从而改善性能，安全性，可靠性和可维护性，”负责NIST智能制造系统的NIST研究的机械工程师Brian Weiss解释说。

　　PHM技术已在汽车，航空和重型设备等多个行业得到有效使用。NASA雇用PHM来管理国际空间站。

　　但是这些PHM实施对于特定的组织或制造设备安排(有时涉及专有解决方案)来说往往是唯一的。几位研讨会参与者表示，即使在公司内部，PHM应用程序也往往是自定义的，不属于单个单位或操作。

　　NIST召开了路线图研讨会，为研究工作的短期到长期目标提供了国家指导，而其他目标则是使总体设备效率达到最高峰，这是始终保持零负荷全负荷运行的理想选择。一个共同的目标是开发模块化PHM功能，这些功能可在组织和行业中应用，并最终设计到设备和流程中。

　　一个障碍是获取有用的数据，以支持开发可靠的“基于物理的”故障和故障前状况指标，并将其整合到PHM算法和分析中。该报告解释说，当前的挑战是如何为PHM生成准确的数据而又不损坏设备或影响生产率。除了指标和指标外，收集有用的数据还有助于开发统一的标准以及PHM建模和仿真工具。

　　总体而言，新的路线图报告提出了针对13个高优先级研发主题的行动计划，这些主题对于将高级PHM功能整合到智能制造流程中至关重要。这些包括发展或实现：

　　全过程传感器，以及接口和互操作性要求;

　　标准，分类法和开源架构，以实现即插即用的PHM实现;

　　评估PHM绩效的方法和指标;

　　PHM作为设备设计功能;和

　　企业范围内的PHM，用于维护计划。