据airforcemag网站2020年5月26日刊文，美国空军刚刚成立的快速维护办公室计划在2020年将使用预测性维护技术的飞机数量增加两倍。

美国空军于2019年启动了增强型基于状态的维护(CBM+)项目，通过传感器和算法收集数据，以确定哪些武器系统部件需要在失效前更换，目标是采取积极主动的维护策略，而不是坐等零部件损坏。美国空军希望节省维护资金，同时保持飞机和飞行员的安全。

截止2020年5月14日，快速维护办公室对B-1、KC-135、C-5、C-130和F-15等飞机进行了预测性维护，并希望到9月底将维护范围扩大至B-52、C-17、AC-130J、MC-130J、CV-22、HH-60、RC-135、MQ-9、F-16、RQ-4、A-10等各种空中平台和“民兵III”洲际弹道导弹。美国空军还与C3人工智能公司合作，为E-3飞机提供预测性维护，将计划外的维护工作量减少了近30%。到目前为止，快速维护办公室已经节省或避免了6800万美元的维护费用。

美国空军发言人达里尔·梅耶表示，到2022财年结束时，除了那些即将退役的平台，所有空军平台都应该采取某种形式的预测性维护。快速维护办公室计划在未来五年里，每年新增10到20种平台的预测性维护，每个平台启动预测性维护大约需要300万美元，而维持这些工作需要150万美元。

此外，美国空军还为地面保障设备和机库制热/冷却系统提供了数据驱动的维护模型，探索如何在飞机以外的领域应用预测性维护技术。

美国空军表示，很多人认为预测性维护的难点在分析，但早期阶段并不是这样，获取有用的数据(既有基于传感器的数据，也有基于记录的数据)也是一项挑战，对供应和维修体系也是一项挑战。美国空军对分析技术的需求确实会随着时间的推移而增加，但这不是预测性维护的限制。

不过，最初的几个试点项目表明，人类的洞察力对理解这些数据至关重要。梅耶表示，数据需要与项目专家的分析结果相平衡，还要从企业层面考虑预测性维护体系。比如，看起来像是很适合进行预测性维护的零部件，最终往往不能只对其进行维修。有时，当一个预测性维护计划启动时，供应链无法满足新零部件的需求。因为在零部件失效前将其移除，会导致零部件需求激增(如果现有的库存周期很长)，而且还需要特定的维修程序来进行大修，而不是仅仅修复快要损坏的零部件(毕竟它们还没有坏)。

美国空军表示，人工智能技术、机器学习技术、大数据技术是缩减和重新利用劳动力的关键，但也不意味着CBM+的结果就是维护人员减少。梅耶补充说，从概念上讲，预测性维护确实会减少计划外的维护工作，美国空军希望这能够带来积极的价值。然而，目前还不清楚预测性维护是否能够减少劳动力需求，而只能够确定计划外的维护工作会转变成计划内的维护工作，只能转移而不一定减少劳动力需求。