随着汽车业的快速发展,对于高速、高精加工的柔性数控机床的需求越来越旺盛,以上汽通用公司为例,目前动力总成公司使用的常规数控机床,其直线轴(例如X轴)的最大进给速度已达到90米/分钟,光栅尺的分辨率更是达到了0.1um,高速、高精、柔性等等技术指标,无疑还将继续引领着数控机床的未来发展趋势。对于动力总成厂而言,数控设备占到了全部设备的90%以上,因此,在实际生产运营环节,对于设备管理者一个最大的挑战就是：提高设备可靠性,降低运行成本,不断精益化数控系统的运营指标。基于上述需求,利用网络技术,对设备运行过程中产生的海量数据进行捕捉,利用专家诊断模型,对这些状态数据进行解释,来实现故障的提前预判,提高设备运行的可靠性,降低设备运营成本,这种应用工业4.0概念的预诊断模式,称为：数控机床状态智能监测系统。项目主要对下面三个方面进行了研究：第一,利用FANUC开放的Focas动态链接数据库,开发基于网络技术的,伺服状态数据高频取样技术(10毫秒/次)第二,研究了基于大数据的存储和管理方法。搭建了上层数据管理框架平台,使用开源的Historian实时数据库,对数据进行挖掘。第三,建立诊断模型,解读抽象数据,与机床失效模式建立联系。项目把工厂已有的两百多台高速、高精密的数控机床作为研究对象,对这些海量的设备运行数据挖掘和筛选,并不断训练和优化专家诊断模型,预测问题的准确度不断提高。通过对这三项技术的研究,形成的数控机床状态智能监测系统,实现数控机床状态的提前预判,已经在动力总成公司实现了故障时间的降低9.18%(2014年与2015年前5月)。同时,在伺服能耗降低,生产线节拍提升方面,也有了一些成功应用。