為工業(yè)互聯(lián)網(wǎng)IIoT和邊緣計算的重要應用之一，預測性維護在兩年之前，就已被寄予厚望。各大公司和初創(chuàng)企業(yè)都進行了重點布局，似乎都堅信預測性維護必將成為IIoT中少數(shù)的“殺手級”應用之一。兩年過去了，預測性維護發(fā)展得如何？

圖片來自“123rf.com.cn”

作為工業(yè)互聯(lián)網(wǎng)IIoT和邊緣計算的重要應用之一，預測性維護大約在兩年之前就已被寄予厚望。各大公司和初創(chuàng)企業(yè)都進行了重點布局，似乎都堅信預測性維護必將成為IIoT中少數(shù)的“殺手級”應用之一。

比如華為抓住市場痛點，選擇從“梯聯(lián)網(wǎng)”切入電梯運維領(lǐng)域。ABB在班加羅爾設(shè)立了新的針對節(jié)能變頻器的數(shù)字化遠程服務中心，全年無休的遠程訪問位于最終用戶工廠內(nèi)的變頻器，實現(xiàn)預測性維護和狀態(tài)監(jiān)測?；裟犴f爾推出互聯(lián)輔助動力裝置的預測性維護服務GoDirect，海南航空成為全球首家采用GoDirect的航空公司?？湛蛣t選擇自建邊緣計算和云平臺能力，量身定做自用的預測性維護系統(tǒng)。 

鑒于市場中的存量設(shè)備數(shù)目相當可觀，絕大多數(shù)還沒采用有效的預測性維護方案，而設(shè)備維護產(chǎn)生的費用超過設(shè)備總體生命周期成本的50%。誰不想用更好的手段來預防設(shè)備故障呢？

有權(quán)威機構(gòu)預測，2022年之前預測性維護市場都會保持高速增長，復合年均增長率（CAGR）為39%。

兩年過去了，預測性維護發(fā)展得怎么樣？

最近貝恩咨詢發(fā)布了一份報告，總體上闡述了一個意料之外、情理之中的核心觀點：預測性維護的發(fā)展不及預期。

任何事情的發(fā)生和演進，都有其必然的原因。預測性維護作為工業(yè)互聯(lián)網(wǎng)的典型應用，分析它的發(fā)展現(xiàn)狀對于整個領(lǐng)域而言，具有很好的借鑒意義。因此在本文中，你將看到： 

預測性維護的現(xiàn)狀摸底。

為何預測性維護發(fā)展不及預期？

預測性維護的初創(chuàng)公司在修煉哪些能力？

現(xiàn)狀摸底

工業(yè)設(shè)備的維護維修大致分為3種手段：

修復性維修：屬于事后維護，亡羊補牢。

預防性維修：屬于事先維護，基于時間、性能等條件對設(shè)備進行定期維修，更多還是憑經(jīng)驗。

預測性維修：屬于事先維護，基于安裝在設(shè)備上的各種傳感器，實時監(jiān)控設(shè)備運行狀態(tài)，更準確的判斷故障何時發(fā)生。如果發(fā)現(xiàn)故障隱患，自動觸發(fā)報警或修理命令。

GE在兩年之前發(fā)布的一份研究報告令人記憶猶新——調(diào)查結(jié)果顯示大批的工業(yè)企業(yè)正在走向預測性維護的“懷抱”。

從內(nèi)部來看，預測性維護用于優(yōu)化生產(chǎn)操作，將會帶來20-30%的效率增益。從外部來看，設(shè)備制造商如果引入預測性維護服務，則有可能扭轉(zhuǎn)當前競爭業(yè)態(tài)。

從戰(zhàn)略角度評估，預測性維護代表著工業(yè)服務化和未來商業(yè)模式轉(zhuǎn)變的歷史選擇。

尤其是云平臺、邊緣計算和人工智能的發(fā)展，開啟了用最新技術(shù)改變預測性維護市場格局的機會大門。

以上幾點綜合考慮，各類公司紛紛搶灘預測性維護這方“沃土”，理所當然。

雖然對預測性維護的發(fā)展仍然堅定看好，但是很多企業(yè)已經(jīng)意識到，預測性維護真正發(fā)揮效用的時間比預期的要長。

2019年初，貝恩咨詢對600多名歐美企業(yè)高管進行了調(diào)查，很多客戶對于預測性維護的期待，已經(jīng)由熱衷更趨理性。

預測性維護解決方案的實施過程比預想中更困難，從數(shù)據(jù)中提取有價值洞察的難度更是遠超想象。

 對比貝恩咨詢在2016和2018年分別進行的兩次調(diào)研，真正實施和計劃采用預防性維護方案的企業(yè)比例都有所下調(diào)，雖然大家對于預測性維護的未來都深信不疑，但相比2016年調(diào)研得到的紅色虛線，很多企業(yè)都調(diào)節(jié)并減緩了預測性維護的推進節(jié)奏。

對于預測性維護在方案推進中面臨的困難和風險，大家的判斷更趨于客觀。很多企業(yè)除了擔心安全性、投資回報分析、IT與OT難以融合之外，對于技術(shù)知識的欠缺、數(shù)據(jù)的可移植性、供應商的風險以及方案切換中的變數(shù)，都進行了重新評估。

從現(xiàn)實情況上來看，雖然提升工業(yè)互聯(lián)網(wǎng)的安全性、加速IT與OT的彼此融合、給出確定性的投資回報分析，一直都是企業(yè)關(guān)注的問題。但兩年過去了，這些方面似乎仍舊沒有取得預想中的進展。

從應用實施的優(yōu)先級上來看，預測性維護處于第一陣營的地位沒有變化。然而，質(zhì)量控制超越了預測性維護，成為最受企業(yè)青睞的工業(yè)互聯(lián)網(wǎng)應用。另外，設(shè)備遠程監(jiān)控、生產(chǎn)現(xiàn)場的資產(chǎn)追蹤也成為熱門應用。

服務商和供應商推進預測性維護的意愿，比作為客戶的工業(yè)企業(yè)更為強烈。或許是因為相比于設(shè)備遠程監(jiān)控，預測性維護有更大的盈利潛力，因此處于供應商一頭熱的象限。

很多企業(yè)還樂于嘗試與設(shè)備維護相關(guān)的增強現(xiàn)實或虛擬現(xiàn)實應用，但供應商數(shù)量和能力有明顯不足。

從國內(nèi)情況來看，與國外有所不同，但整體上可供借鑒。再來看看市場的整體情況。預測性維護市場，乃至整個工業(yè)互聯(lián)網(wǎng)市場，被不少企業(yè)持續(xù)看好。

綜合Gartner、IDC、Machina Research、思科、貝恩等多方分析數(shù)據(jù)來看，工業(yè)互聯(lián)網(wǎng)在整個IoT領(lǐng)域勢必會占到很大的份額，到2021年整個市場規(guī)模有望翻番，達到2000億美元。

為了抓住未來發(fā)展機會，很多工業(yè)制造商和設(shè)備運營商都在大舉投資和布局。

根據(jù)S&P Capital IQ標普資本數(shù)據(jù)庫的統(tǒng)計，西門子、施耐德、ABB等工業(yè)自動化巨頭都在擴展自己的能力圈，持續(xù)增加對于云平臺、邊緣分析、軟件功能和系統(tǒng)集成等方面的并購與投資。亞馬遜的AWS IoT Greengrass和Microsoft Azure也在持續(xù)增加工業(yè)領(lǐng)域的滲透率。就開發(fā)者的支持度而言，PTC、微軟、IBM、GE和亞馬遜占有明顯領(lǐng)先優(yōu)勢。

原因分析

雖然前景一片光明，但當下預測性維護市場發(fā)展不及預期卻是不爭的事實。

究其原因，主要3點，也是整個物聯(lián)網(wǎng)領(lǐng)域的通病。

投資回報率難以計算

轉(zhuǎn)變商業(yè)模式，先要轉(zhuǎn)變思維

基礎(chǔ)不扎實，數(shù)據(jù)量不足

我們一個一個來說。

1、投資回報率難以計算

投資回報率ROI如果算不清楚，就意味著見效慢，效果很難評估，工業(yè)企業(yè)的推進意愿自然不會提升。

工業(yè)場景中包含眾多要素，人、機、料、法、環(huán)。預測性維護主要與“機”掛鉤，其中不同行業(yè)屬性、不同企業(yè)類型，機械的種類很多，預測性維護產(chǎn)生的價值有天壤之別。

從整個產(chǎn)業(yè)鏈條上來看，可以將與“機”相關(guān)的產(chǎn)業(yè)鏈簡單粗暴的與汽車行業(yè)做個類比。汽車的價值鏈包括車主、4S店、車廠、汽車零部件的各級供應商。“機”的價值鏈包括最終應用企業(yè)（最終用戶）、設(shè)備服務商（代理商、集成商）、設(shè)備制造商、各類工業(yè)自動化廠商。

圍繞預測性維護開展業(yè)務的物聯(lián)網(wǎng)企業(yè)，在傳統(tǒng)產(chǎn)業(yè)鏈條中需要找準自己的切入點。

預測性維護的價值要通過最終用戶體現(xiàn)，對應的企業(yè)數(shù)量非常龐大。保守估計，國內(nèi)實施了ERP或者供應鏈管理系統(tǒng)，擁有基礎(chǔ)信息化能力的工廠，有接近300萬家。

如果從大企業(yè)切入，這些企業(yè)往往選擇自建預測性維護能力，即便選擇與新型物聯(lián)網(wǎng)企業(yè)合作，由于預測性維護本身同時涉及軟件和硬件，物聯(lián)網(wǎng)企業(yè)有可能面臨定制化程度高，項目難以進行標準化，無法廣泛復制的窘境。

如果從中小企業(yè)切入，則可能會更慘。面對如此大量的企業(yè)，如何有效的觸及，并將預測性維護提供的價值變現(xiàn)，這里面存在不少坑。

工業(yè)體系經(jīng)過多年的發(fā)展已經(jīng)相當成熟，很多機械的維護維修，利潤空間本身就不高。新型物聯(lián)網(wǎng)企業(yè)有可能會發(fā)現(xiàn)折騰了這些年，即便有了一定的規(guī)模，也不一定能真正賺到錢。

因此面對中小企業(yè)，物聯(lián)網(wǎng)企業(yè)除了利用預測性維護，將服務環(huán)節(jié)從“被動”變?yōu)椤爸鲃印敝?，還需要具備提供更多深度服務的能力，才能立足。

再從設(shè)備類型上來看，工程機械、注塑機、數(shù)控機床、空壓機…行業(yè)集中度不同，設(shè)備制造商提供服務的能力也不同。因此留給提供預測性服務的物聯(lián)網(wǎng)企業(yè)的生存空間也不同。

高價值設(shè)備，或者重要型設(shè)備，它們的維護維修，更多是由最終用戶自己完成的，很少外包給物聯(lián)網(wǎng)服務型企業(yè)。有些非重要型設(shè)備，很長時間不會發(fā)生故障的設(shè)備，或者發(fā)生故障后具有維修時間彈性的設(shè)備，會外包給設(shè)備服務商提供維護維修服務。

這時，物聯(lián)網(wǎng)企業(yè)作為技術(shù)提供方，處于最終用戶與設(shè)備制造商這兩端之間，可能伴隨著數(shù)據(jù)和設(shè)備資產(chǎn)所屬權(quán)的爭議。

另外，完成從傳統(tǒng)維護維修到預測性維護的轉(zhuǎn)變，還需要好的心態(tài)、以及時間和金錢。

有些情況下，最終用戶并不希望“獨吞”停機風險。他們希望設(shè)備服務商在合作協(xié)議中，保證設(shè)備的正常運行，如果發(fā)生停產(chǎn)損失，設(shè)備服務商需要承擔一定的賠償責任。這自然過濾掉了一些只能在PPT上提供預測性維護的公司。

同時，從用戶角度來講，要為預測性維護服務付多少錢合適呢？

預測性維護帶來的收益，如果轉(zhuǎn)化為財務指標，需要經(jīng)過完整的周期性分析和驗證。只有算得清楚經(jīng)濟賬，最終用戶才會愿意長期為預測性維護的價值買單。

因為預測性維護帶來的停機風險降低難與經(jīng)濟回報掛鉤、單臺設(shè)備難與整體銷售掛鉤，預測性維護的價值并不立竿見影，需要經(jīng)歷半年甚至一年的驗證周期，有時還需要細化到每單位銷售額的顆粒度。如果遇到銷售額受環(huán)境變化影響，波動較大的最終用戶，核算的難度更大。

因此預測性維護陷入了經(jīng)濟收益測算時間長，沒法調(diào)動最終用戶的投入熱情，只是物聯(lián)網(wǎng)企業(yè)一頭熱的怪圈。

2、轉(zhuǎn)變商業(yè)模式，先要轉(zhuǎn)變思維

如果只算由預測性維護降低的停機風險，只算省錢的經(jīng)濟賬，是遠遠不夠的。

好的商業(yè)模式，不一定是幫最終用戶多省錢，而是幫設(shè)備服務商或者設(shè)備制造商多賺錢。在這個過程中，物聯(lián)網(wǎng)企業(yè)完成自己的商業(yè)邏輯閉環(huán)。

這里再做一個簡單粗暴的類比。共享單車雖然廣受詬病，但也有可取之處，畢竟摩拜們改變了共享出行的格局。

如果當初摩拜創(chuàng)立的時候，沒有選擇自己做自行車，而是選擇只做智能鎖，把我們大家沒用的自行車統(tǒng)一管理，提供共享出行服務，讓每一個自行車閑置資源的參與者都賺到錢。如此這般，摩拜是否能夠形成如今的發(fā)展勢頭呢？

答案是否定的。摩拜的成功并沒有幫共享自行車的使用者省錢，而是刺激了使用自行車出行的需求，把原本走著不用花錢的路途，變成了自行車騎行之旅。如果沒有獨特的自行車設(shè)計，統(tǒng)一的服務質(zhì)量，良好的出行體驗，很難大量激發(fā)最終用戶對于共享自行車的使用需求。

在這個過程中，摩拜成為新型“設(shè)備服務商”，擔起了自行車資源重塑者的角色。同時，摩拜還加速了自行車“設(shè)備制造商”的發(fā)展，制造了前所未有的大量設(shè)備。

類比過摩拜，我們再說回工業(yè)。

現(xiàn)狀是工業(yè)體系極度分散，每一家設(shè)備代理商或者集成商，都面臨利潤率越來越低的窘境，橫向的整合有可能會越來越多。何況并不是所有設(shè)備制造商，都有能力提供預測性維護。

因此預測性維護的價值不一定是讓每一個小的服務商、設(shè)備商都賺到錢，而是讓有能力提供良好服務、統(tǒng)一體驗的設(shè)備服務商和設(shè)備制造商賺更多的錢，設(shè)備服務從“被動等待”模式轉(zhuǎn)變?yōu)椤爸鲃映鰮簟蹦Ｊ?，設(shè)備銷售從“一次性買賣”到“按使用時間付費”的模式，從而推進橫向聚合的發(fā)生。

不過目前大家在講預測性維護時，往往還停留在省錢的故事里。

推而廣之，物聯(lián)網(wǎng)到底是為了省錢，還是為了賺錢？這是一個頗具爭議的話題。

CompTIA美國計算機行業(yè)協(xié)會針對這個問題專門進行了一項調(diào)查。你猜結(jié)論是什么？

三分之一的人認為物聯(lián)網(wǎng)應該省錢，三分之一的人認為應該賺錢，另外三分之一的人認為省錢和賺錢都需要。

可見大家對于應用物聯(lián)網(wǎng)的好處還沒有達成共識。

3、基礎(chǔ)不扎實，數(shù)據(jù)量不足

工業(yè)設(shè)備的預測性維護，都面臨一個避而不提的共性問題，設(shè)備自身的傳感器數(shù)量不足，很多數(shù)據(jù)還沒有形成有效的長期積累。

所以預測性維護最常見的故事是飛機發(fā)動機，因為傳感器足夠多，監(jiān)測時間足夠長。

為什么設(shè)備制造商不在設(shè)備出廠之前，加裝更多的傳感器呢？因為在物聯(lián)網(wǎng)理念還未普及之時，安裝傳感器不僅增加成本，平白增加了設(shè)備的復雜度，還沒有明確的應用意義。設(shè)備本身已經(jīng)夠復雜了，誰也不愿意再費力增加一些看似沒用的傳感器。

傳感器不夠多，就算把人工智能等最新技術(shù)都用上，預測也不一定準確。預測不準，預測性維護就沒什么價值。

加之設(shè)備模型的積累和迭代需要較長的時間，因此在目前的應用中，“硬件+軟件+服務”為主流的收費模式，實施方式也以項目制為主。距離觸發(fā)裂變，還為時尚早。

很多物聯(lián)網(wǎng)公司都在想方設(shè)法解決這個問題。

去年Uptake以并購的方式獲得了APT公司以及ASL資料庫的控制權(quán)，就是一個明顯的信號。

APT公司（Asset Performance Technologies）的資產(chǎn)戰(zhàn)略資料庫ASL，可以說是全球最全面的工業(yè)設(shè)備故障數(shù)據(jù)庫。雖然APT公司成立于2004年，但ASL資料庫此前便開始積累，利用超過20年的時間，收集了關(guān)于電力、采礦、煉鋼等行業(yè)近800種重要設(shè)備的信息，可以提供FMEA失效模式效應分析和維護策略建議。

Uptake公司2014年成立于美國芝加哥，提供工業(yè)人工智能軟件開發(fā)及服務，幫助企業(yè)客戶進行數(shù)字化轉(zhuǎn)型。目前Uptake最成功的案例當屬與凱特彼勒共同開發(fā)的預測性維護平臺，改善其生產(chǎn)運營效益。關(guān)于Uptake這家公司，在后面還會提到。

還有一些物聯(lián)網(wǎng)公司正在想辦法，利用軟硬件一體化的低成本無線傳感器，從原先沒有數(shù)據(jù)的地方把數(shù)據(jù)采集上來，完成從0到1的突破。

能夠?qū)崿F(xiàn)這種突破的根本性原因有4點：

無線連接的普遍存在，以及連接成本的持續(xù)降低

小型化的低成本傳感器大量可用

企業(yè)開始接受邊緣計算和云平臺協(xié)同的思路

使用人工智能監(jiān)控時序傳感器數(shù)據(jù)變得可行

創(chuàng)新正在發(fā)生

最后來看看預測性維護的初創(chuàng)公司在修煉哪些能力？很多初創(chuàng)企業(yè)已經(jīng)意識到，真正的機會是利用預測性維護創(chuàng)造全新的業(yè)務。

現(xiàn)在判斷哪些企業(yè)將會沖出重圍還為時尚早，我們不妨多看一些預測性維護企業(yè)的生存現(xiàn)狀。此處被點名道姓的以國外企業(yè)為主。

1、Uptake

前文曾經(jīng)提到，Uptake是一家成立于2014年的初創(chuàng)公司，而且可以說Uptake是IIoT創(chuàng)業(yè)公司中的大贏家。

據(jù)報道，Uptake曾在伯克希爾·哈撒韋能源公司一家子公司的風電場部署其“監(jiān)測平臺”。在部署平臺的第一周，就發(fā)現(xiàn)變速箱主軸承可能會出現(xiàn)故障，并可能會導致其中一個渦輪塔的運轉(zhuǎn)不靈。幾小時的停機將造成風電場5000美元的損失，而如果這個渦輪機完全崩潰，損失將高達25萬美元。

但是最近，通用電氣GE將其告上法庭。GE訴訟的6名Uptake高管，均是GE的舊部，主要來自GE發(fā)電集團以及GE數(shù)字化集團。GE的訴訟理由是：Uptake有預謀地挖墻腳、竊取商業(yè)機密以及不正當競爭。

GE認為，這6名舊將由于職位所致，熟悉GE的商業(yè)機密，還參與了Uptake的“挖墻腳”謀劃：不僅從GE挖走員工，還撬走GE的客戶，試圖將對GE的傷害擴至最大化。GE稱，撬走的客戶名單就在Uptake的官網(wǎng)上列著。這指的是伯克希爾·哈撒韋公司能源子公司的風電設(shè)備和卡特彼勒的機車業(yè)務。

Uptake自然不服。今年2月22日，Uptake反訴GE違反軟件許可協(xié)議以及濫用商業(yè)機密。Uptake稱，GE在濫用由Uptake并購的公司APT開發(fā)的軟件協(xié)議。

GE和Uptake的官司還在繼續(xù)。

更為嚴重的是，Uptake的經(jīng)驗似乎從反面證明了從大企業(yè)切入并不是明智之舉。

2017年11月，卡特彼勒宣布不再對Uptake投資，只是保留Uptake的客戶身份。據(jù)美國商業(yè)雜志《克瑞恩芝加哥商業(yè)》的報道，卡特彼勒意識到，如果對Uptake持續(xù)投資，將削弱自己的競爭力。

同時卡特彼勒在逐漸收回銷售給代理商的監(jiān)控軟件的控制權(quán)?？ㄌ乇死盏淖罱K用戶利用這些軟件，可以檢測設(shè)備運行，實現(xiàn)預測性維護。顯然，卡特彼勒們希望把預測性維護的能力收回到自己“體內(nèi)”。

2、Predikto

Predikto的獨特優(yōu)勢在于，他的技術(shù)平臺能夠處理數(shù)百個不同的工業(yè)資產(chǎn)數(shù)據(jù)集，并自動完成80%的分析流程，以便快速從數(shù)據(jù)得出分析結(jié)論，提供可行的建議，讓企業(yè)提前采取措施，避免故障，延長資產(chǎn)正常運行時間。 

Predikto已經(jīng)被聯(lián)合技術(shù)公司收購。

3、KONUX

KONUX專注于鐵路領(lǐng)域，他們結(jié)合了智能傳感器和基于人工智能的分析，通過預測性維護計劃和鐵路的優(yōu)化利用，實現(xiàn)更高的列車正點率和網(wǎng)絡容量。

這家公司在2019年2月剛剛完成了B輪融資，投資者包括阿里巴巴。KONUX的下一步計劃是在中國開展業(yè)務。

4、Mtell

Mtell的產(chǎn)品主要是解決非計劃停機的問題。他可以幫助企業(yè)提高資產(chǎn)利用率，并通過準確預測何時發(fā)生設(shè)備故障，了解為何發(fā)生故障以及規(guī)定如何避免故障，從而避免意外停機。

Mtell的創(chuàng)新之處在于，提出了新的分析方法：處方型維護。

簡單的說，處方型維護就好比你去醫(yī)院看醫(yī)生，首先是癥狀分析，不僅僅是對現(xiàn)狀進行分析，而是要回顧使用的歷史，過去曾經(jīng)出現(xiàn)的故障，以及當時故障如何解決的，根據(jù)這些信息進行最終的診斷。

Mtell通過機器完成這些工作，不僅通過傳感器提供的信息，Mtell還要查看過去維護保養(yǎng)的歷史，過去出現(xiàn)故障時，這個故障怎么發(fā)生的，為什么會發(fā)生，通過這些信息決定未來該如何解決，這樣做出一個故障的診斷。

目前Mtell已經(jīng)被AspenTech收購。

5、etasense

Petasense也成立于2014年，通過監(jiān)控關(guān)鍵旋轉(zhuǎn)機器的運行狀況，提供預測性維護解決方案。

在電力、石油、化工、冶金等各種流程行業(yè)，設(shè)備振動數(shù)據(jù)和流程控制數(shù)據(jù)分別存儲在兩個獨立的系統(tǒng)中，彼此之間并不集成。預測性維護恰恰需要振動數(shù)據(jù)與運營數(shù)據(jù)緊密反饋和自動迭代。為了更好的解決這個問題，Petasense選擇與OSIsoft合作，聯(lián)合推出的預測性維護解決方案，正在被硅谷電力公司使用。

值得一提的是，OSIsoft成立于1980年，是一家實時數(shù)據(jù)管理軟件制造商，旗下的PI實時數(shù)據(jù)庫系統(tǒng)已經(jīng)被廣泛應用于流程行業(yè)。在2017年，這家公司被軟銀投資數(shù)十億美元。

我們喜歡高估五年，卻總是低估十年。這句話用在預測性維護這里，看來非常合適。

為了推進預測性維護的落地，擺在物聯(lián)網(wǎng)企業(yè)面前的路沒有捷徑。物聯(lián)網(wǎng)企業(yè)需要具備對行業(yè)中特定應用的深刻見解，并提供更完整的端到端物聯(lián)網(wǎng)解決方案。

當然，這并不容易。