背景
現代的機械製造系統具有控制規模大、自動化程度高和柔性化強的特點。由於製造系統的結構越來越複雜，價格越來越昂貴，因此因為各種故障而導致的停機都是不可忍受的負擔。故障診斷系統就能夠在這個情況下滿足需要，也就是能夠合理制定維修計畫，最大限度減少停機維修的時間，以及在故障發生之後能夠迅速做出反應。因此，故障診斷系統得到了迅速的發展。
目的
因此，多感測器的套用是故障診斷系統所必需的，因為只有通過獲取到足夠的數據才有可能獲得精確的分析結果。早期的系統通常只採用一種感測器來監視系統，但這個方法早就無法滿足日常獲取系統狀態的需要了。如今的系統的複雜度都在日益提高，多種不同精度的感測器的同時套用為我們獲得準確數據提供可能。
此外，基於知識的專家系統的套用為系統的智慧型化分析提供了人工智慧的支持。這種專家系統擁有一個專門領域的知識庫和一套有效的推理機制。由於生產系統的複雜性，通常的專家系統都擁有一個複合的知識庫，提供相應的生產系統的知識支持。而且伴隨著網路和通信技術的發展，故障診斷系統也發展了分散式和集成性的特點。
故障診斷簡單流程
我們能夠獲得比較好的診斷效果，我們需要首先知道故障的模式。所謂模式就是相當於症狀的一種描述。把能夠獲得的故障的模式集中在一起，就能夠對故障進行有效的分類。正如治病不能只看症狀一樣，我們還要分析故障的機理，也就是誘發故障的原因。這就好比知道為什麼系統生病了一樣。有的時候，故障的機理和故障的模式不是很容易區分的。但是通過綜合分析這樣的機理和模式，就有可能歸納出一個故障的模型，這個模型可以被故障診斷的專家系統所採用，作為知識庫的一部分。一種比較普遍的方法是把故障模型表示稱為樹型結構，這樣的表達便利了以後的程式分析，也便於集成在專家系統中。所以可以看出，故障的模型的建立是故障分析中最重要的部分。
現階段情況
故障分析在機械生產系統方面可以套用在自動生產線、數控工具機、柔性製造單元以及更大的比如計算機集成製造系統。具體分析不同的套用環境，才能夠獲得適合於不同的環境的設計。比如自動生產線，它是由基本工藝設備和各種輔助設備、控制系統組成的，實質上來說就是一個剛性自動化製造系統。自動線是由不同的工具機組成，由於集成性的存在，它比單個設備複雜，要想在短時間內找出原因和位置是很困難的。自動線越長，設備利用率越低。為了提高利用率，除了提高設備的可靠性之外，在一定的條件下，完全有必要引入自動線中的故障診斷系統。為了和自動線相適應，就要在不同的位置獲取到信息，然後引入一個適合於流動生產的故障模型來分析故障的原因。這樣，故障診斷的引入就有可能為自動線帶來了魯棒性。
故障診斷是隨著生產過程的複雜化而產生的一種技術，由於和現代感測器技術、專家系統技術相結合，已經展現出了很強的生命力，必將為提高企業的生產效率和穩定性提供越來越強大的支持。
