当传统预测性维护（PdM）进阶至新一代规范性维护（PsM），融合人工智能、数字孪生与因果推断的前沿技术体系，将如何重塑工业运维全新范式？
香港科技大学（广州）微电子学域联合 IEEE EDA 广州分会，特邀巴黎萨克雷中央理工学院曾志国教授，带来题为《From predictive to prescriptive maintenance: Empowering maintenance operation with AI and digital failure twins》的专题学术报告。
报告信息
- 时间：8 月 12 日（周三）16:00-17:00
- 地点：港科大（广州） E1-102
- 主讲：Prof. Zhiguo ZENG（巴黎萨克雷中央理工学院）
- 主办：IEEE EDA 广州分会
- 主持：港科广微电子学域 鲁中海教授
报告摘要
维护作为工业 5.0 的关键使能因素，直接影响制造系统的韧性与可持续性。现代维护策略已从预测性维护（PdM）演进到规范性维护（PsM），后者不仅利用在线数据预测设备寿命，还能给出延缓退化、延长寿命的处置建议。尽管深度学习的最新进展为 PdM 向 PsM 演进带来了巨大机遇，但目前仍存在若干局限。
本报告将介绍我们在克服这些局限方面的若干进展：基于随机混合系统的失效行为数字孪生建模框架、用于 PdM（故障诊断）和 PsM（剩余寿命感知控制）的数字孪生支持的深度学习框架，以及将因果推断应用于从观测数据中识别正确因果效应、支持维护优化的最新成果——这些工作已在工业合作伙伴 RTE 的真实应用场景中得到了验证。
主讲人简介
曾志国教授于 2016 年在北京航空航天大学可靠性工程专业取得博士学位。博士毕业后加入巴黎萨克雷中央理工学院（Université Paris-Saclay），2023 年晋升为全职教授。他的研究方向聚焦于组件和复杂系统的失效 / 修复 / 维护行为表征与建模，及其可靠性、可维护性、预测性、安全性、脆弱性和安全性。
曾教授已发表百余篇高水平国际期刊与会议论文，被 ScholarGPS 评为顶级学者，被 Elsevier 和斯坦福大学评为全球前 2% 学者。他的研究得到 ANR、ERC 等重要政府资助机构以及 EDF、SNCF、Orange、GE 医疗等行业领军企业的资助。他是 International Journal of Data Analysis Techniques and Strategies 和 Journal of Uncertain Systems 的编委，并担任 Journal of Applied Science “Dependent failure modeling” 特刊的首席客座编辑。
欢迎港科广全校师生、科研同仁到场交流！