1

现状摸底

工业设备的维护维修大致分为3种手段：

● 修复性维修：属于事后维护，亡羊补牢。

● 预防性维修：属于事先维护，基于时间、性能等条件对设备进行定期维修，更多还是凭经验。

● 预测性维修：属于事先维护，基于安装在设备上的各种传感器，实时监控设备运行状态，更准确的判断故障何时发生。如果发现故障隐患，自动触发报警或修理命令。

GE在两年之前发布的一份研究报告令人记忆犹新——调查结果显示大批的工业企业正在走向预测性维护的“怀抱”。

从内部来看，预测性维护用于优化生产操作，将会带来20-30%的效率增益。从外部来看，设备制造商如果引入预测性维护服务，则有可能扭转当前竞争业态。

从战略角度评估，预测性维护代表着工业服务化和未来商业模式转变的历史选择。

尤其是云平台、边缘计算和人工智能的发展，开启了用最新技术改变预测性维护市场格局的机会大门。

以上几点综合考虑，各类公司纷纷抢滩预测性维护这方“沃土”，理所当然。

虽然对预测性维护的发展仍然坚定看好，但是很多企业已经意识到，预测性维护真正发挥效用的时间比预期的要长。

2019年初，贝恩咨询对600多名欧美企业高管进行了调查，很多客户对于预测性维护的期待，已经由热衷更趋理性。

预测性维护解决方案的实施过程比预想中更困难，从数据中提取有价值洞察的难度更是远超想象。

对比贝恩咨询在2016和2018年分别进行的两次调研，真正实施和计划采用预防性维护方案的企业比例都有所下调，虽然大家对于预测性维护的未来都深信不疑，但相比2016年调研得到的红色虚线，很多企业都调节并减缓了预测性维护的推进节奏。

对于预测性维护在方案推进中面临的困难和风险，大家的判断更趋于客观。很多企业除了担心安全性、投资回报分析、IT与OT难以融合之外，对于技术知识的欠缺、数据的可移植性、供应商的风险以及方案切换中的变数，都进行了重新评估。

从现实情况上来看，虽然提升工业互联网的安全性、加速IT与OT的彼此融合、给出确定性的投资回报分析，一直都是企业关注的问题。但两年过去了，这些方面似乎仍旧没有取得预想中的进展。

从应用实施的优先级上来看，预测性维护处于第一阵营的地位没有变化。然而，质量控制超越了预测性维护，成为最受企业青睐的工业互联网应用。另外，设备远程监控、生产现场的资产追踪也成为热门应用。

服务商和供应商推进预测性维护的意愿，比作为客户的工业企业更为强烈。或许是因为相比于设备远程监控，预测性维护有更大的盈利潜力，因此处于供应商一头热的象限。

很多企业还乐于尝试与设备维护相关的增强现实或虚拟现实应用，但供应商数量和能力有明显不足。

从国内情况来看，与国外有所不同，但整体上可供借鉴。

再来看看市场的整体情况。

预测性维护市场，乃至整个工业互联网市场，被不少企业持续看好。

综合Gartner、IDC、Machina Research、思科、贝恩等多方分析数据来看，工业互联网在整个IoT领域势必会占到很大的份额，到2021年整个市场规模有望翻番，达到2000亿美元。

为了抓住未来发展机会，很多工业制造商和设备运营商都在大举投资和布局。

根据S&P Capital IQ标普资本数据库的统计，西门子、施耐德、ABB等工业自动化巨头都在扩展自己的能力圈，持续增加对于云平台、边缘分析、软件功能和系统集成等方面的并购与投资。亚马逊的AWS IoT Greengrass和Microsoft Azure也在持续增加工业领域的渗透率。就开发者的支持度而言，PTC、微软、IBM、GE和亚马逊占有明显领先优势。