在工业领域，随着设备/系统功能的不断丰富、复杂度的不断提升，用户对设备/系统可靠性、安全性和经济可承受性提出了更高的要求，预测和健康管理（Prognosis and Health Management，PHM）系统得到了越来越广泛的应用。PHM系统通过状态监测、故障诊断、寿命预测等技术进行主动防御和自主保障，可以实现设备/系统基于状态的维修（Condition-Based Maintenance，CBM），最终能够显著提高设备/系统的可靠性、安全性，降低全生命周期的维护保障成本。
在当前第四次工业革命的浪潮中，大数据和人工智能技术为PHM系统的研发提供了新的手段，PHM系统架构和运行模式也有所转型，但如果不考虑设备/系统的自身特点和场景需求，而一味的追求新技术，可能无法取得有价值的成果。怎样在PHM系统中将传统的可靠性、测试性、安全性技术与新兴的大数据、人工智能技术相结合，更好地降低虚警率、提高故障隔离率和预测准确率，优化关键性能指标，是一个值得探讨的问题。
12月27日晚18：00，润科通用王炀博士将以“预测和健康管理的工业应用”为主题，从可靠性、测试性、安全性、大数据、智能算法等方面出发，探讨PHM系统的相关技术和应用模式。
诚邀从事工业设备/系统总体设计以及控制、电子/电气、机械、液压、动力、结构等分系统设计、集成和验证工作的朋友共同交流探讨！
课程主题：
预测和健康管理的工业应用
课程时间：
12月27日（周四）晚18:00-19:00
讲师介绍：
王炀，西北工业大学飞行器设计专业毕业，工学博士学位。多年从事自动控制和仿真测试领域的研究工作，目前的研究领域为工业智能技术，在预测和健康管理系统的研制和应用方面具有丰富的经验。
活动流程：
1. 18:00-18:40 讲师PPT 语音演讲
2. 18:40-19:00 自由提问交流
报名方式：
方式一：点击文章上方“润科通用”，关注官方微信公众号，回复“微信号 姓名 单位 手机号 邮箱”，微课堂客服号将会添加您的微信，将您拉入本期微信讨论群。
方式二：或经由您认识的润科通用技术或销售人员直接拉入本期微信讨论群。
如果您感觉该主题还不错，请帮忙转发给您的好友，参会有惊喜哦！
