预测性运维（Predictive Maintenance）
从"事后救火"和"定期保养"升级到"提前预警" — 用 AI 模型分析设备运行参数（振动 / 温度 / 电流 / SMART），在故障发生前 24-72 小时 给出预警，从而提前更换或安排维护窗口。
定义
vs 三种传统模式：
- 故障维护（Run-to-Failure） — 坏了再修，AI DC 不可接受
- 预防性维护（Preventive Maintenance） — 按时间周期保养，过度维护或不足
- 状态监测（Condition Monitoring） — 实时看参数，超阈值告警，被动响应
预测性运维是主动预警 + 提前决策，是 AI DC 的标配能力。
DCIM 场景下的关键预测目标
| 目标设备 | 预测信号 | 预警提前量 |
|---|---|---|
| 硬盘 / SSD | SMART 属性、坏块增长 | 24-72 h |
| UPS 电池 | 内阻、温升、充放电曲线 | 数周-数月 |
| 精密空调压缩机 | 振动频谱、轴承温度、电流谐波 | 数天-数周 |
| 柴油发电机 | 启动电流、油压、烟温 | 数次定期测试 |
| PDU / 配电 | 谐波畸变、接头温升 | 数天 |
| GPU 卡 | 显存 ECC 错误、功耗异常 | 数小时-数天 |
关键技术栈
- 特征工程 — 时间窗口、FFT 频谱、统计量、滚动均值
- 模型 — Random Forest / XGBoost / LSTM / Transformer / 生存分析（Cox / Weibull）
- 大模型加持 — LLM 生成故障解释 + 处置建议
- 数字孪生联动 — 3D BIM 数字孪生 中高亮即将故障的设备
主要产品
- 施耐德电气 EcoStruxure IT Advisor — 含 PdM 模块（专家服务订阅）
- Vertiv Predictive Services — 电池/制冷 PdM
- ABB Ability™ Predictive Maintenance
- 华为数字能源 iManager + iCooling — 电池/制冷 PdM
- IBM Maximo APM — 通用 PdM 平台
业务价值
- 避免非计划停机 — AI DC 单次故障损失 $50K-$1M+
- 延长设备寿命 — 提前换零部件 vs 整机报废
- 优化维护成本 — 从 PM 的 "100% 周期保养"降到"按需 30-40%"
- 保险成本下降 — 部分保险公司开始按 PdM 覆盖率定价