一种基于机器学习的设备维护计划动态调整方法

本申请涉及一种基于机器学习的设备维护计划动态调整方法，包括：获取指定设备的实时运行数据和历史运行数据、维护记录信息及设备固有属性信息；分别对实时运行数据和历史运行数据进行数据预处理，并结合维护记录信息和设备固有属性信息，确定指定设备的关键指标参数和各参数的状态界定阈值范围；将关键指标参数对应的预处理后的实时运行数据输入到预先训练的机器学习模型，获取故障预测概率；判断关键指标参数对应的预处理后的实时运行数据是否处于状态界定阈值范围，获取判断结果；根据判断结果、故障预测概率，获取指定设备的维护时间节点并更新维护计划。本申请提延长了设备使用寿命，优化了维护资源配置。