设备维修管理人员是组织中负责设备维修和管理的关键。他们的职责包括设备故障的分析和诊断，制定维修计划和方案，组织实施维修工作，并确保工作的高质量和及时完成。
除此之外，他们还负责设备的日常巡检和维护，以及记录维修和保养的数据和信息。他们与不同部门的工程师和技术人员紧密合作，协调工作进度和资源分配，以保证设备的正常运行。
设备维修管理人员在组织中扮演着不可或缺的角色，他们的专业知识和技能，对于保障设备正常运行和最大程度减少故障停工时间至关重要。
在智能制造背景下，工业系统向更为复杂化、智能化方向发展。对于维修管理而言，维护维修的工作量、维修响应能力、系统可靠性和稳定性要求、维护人员综合技能要求、工业备件的供给效率和质量等都面临重大的挑战。
高技能维修人才短缺是工业领域较为突出的矛盾，在工业互联网背景下，人才争夺正成为趋势，这意味着工业企业招聘人才的成本陡然上升。为此，通过智能化手段，提升现有维修工人技能是非常迫切的需求，这包括：
1.基于故障记录的维修诊断辅助。
重复性故障在维修作业中的占比普遍较高，但这些经验往往由个别业务专长较高的业务能手掌握，抑或由于人才流失，致使这些经验无法重用，造成维修资源的浪费和知识共享的缺乏。借助于人工智能技术的应用，根据故障描述与历史维修经验的查询匹配，大幅降低故障判断与处理方法引用，有效提升故障处理效率，实现维修知识共享和精准技能培训。
2.基于预测性维修的智能诊断辅助与远程运维支持。
预测性维修是在故障早期发现设备隐患和缺陷，进而主动采取干预措施的维修策略，这将大幅减少非计划性停机，从而提高制造效率、降低维修成本，是工业互联网重要的应用场景。
受制于工业设备故障相关传感器普及率较低，这使得为预测性诊断成本极高。将传感器从诊断仪器中分离，采用智能传感单元＋工业APP的创新模式结合，不仅大幅降低预测性诊断成本，同时将云计算和智能应用高度融合，提高用户体验和智能诊断准确性。
