随着各种大型复杂系统性能的不断提高以及复杂性的不断增加，系统的故障预测和维修保障等问题越来越受到人们的重视。以定期维护为主的维修方法，耗费资源多，效率不高。例如，美国在某型运载火箭研制过程中的统计数据表明，为保证航天飞机任务的成功，每个任务期内要耗费400万美元以及200人左右的工作小组来进行预防性维修工作，耗费了大量的人力、财力和物力。视情维修策略是一种对故障进行预测，根据系统当前健康状态进行维修决策的方法，这种方法具有后勤保障规模小，经济可承受好，自动化，高效率以及可避免重大安全事故等显著优势，应用前景广阔。视情维修要求对系统的故障进行预测并对系统的健康状态进行管理，故障诊断与健康管理（PHM）方法就由此产生了。
基于故障物理的PHM是以故障物理模型为基础，通过监测和采集产品的工作应力、使用环境条件（例如温度和振动）等参数信息，利用故障物理模型，计算出产品在经历环境的情况下由于各种故障机理引起的累积损伤，从而监测电子产品的健康状态。
美国Impact公司对齿轮箱的故障进行了预测，该预测模块被应用于JSF的PHM等系统中。在该系统中，对由于低周疲劳断裂或齿裂引起的齿轮齿牙故障进行实时的预测。在电子产品方面，美国马里兰大学CALCE中心开展了大量研究工作。
PoF方法的核心在于有可利用的故障物理模型。对于电子产品，国内外已积累了各种故障机理的物理模型。这些模型一般表示了电子产品在某种特定机理下的寿命同环境条件、工作载荷及自身几何、材料等参数之间的函数关系。因此通过监测环境参数的实际情况可预测产品的损伤，再利用损伤累加理论可进一步预测电子产品当前的剩余寿命，从而实现对电子产品的健康状态进行监测的目标。
基于物理模型的方法是一种理想的健康监控/预测方法，该方法要求对故障机理和规律有深入了解，建立被诊断/预测对象的物理模型需要坚实的专业基础。由于对于某些产品尤其是电子产品建立故障物理模型的建立仍存在很多困难，因此将故障物理和数据驱动方法结合起来的PHM就成为第三种方法。
在对实际电子产品进行故障预测时，应首先确定可以进行实际监测的、可以表征产品或系统的健康或故障状况的工作性能参数（如输出电压、电流等）或特征物理参数（如电阻值、漏电流、值电压等），并采用特征参数监测的方法进行故障预测。这种方法的特点是直接和简单，但对于大多数电子产品而言，性能参数的监测在技术实施上存在一定难度。基于故障物理模型的方法中，产品的寿命只与环境和工作应力参数有关系，监测这些参数是比较容易。与特征参数监测方法不同，基于故障物理模型的方法同实际电子产品或系统的类型、设计和制造工艺等密切相关，需要相关的参数信息，并且这些因素的随机性也决定了最终根据模型获得的预测信息的随机性。
基于 PoF 方法对电子产品进行监测和寿命预测的具体流程如下图所示：
