原因分析

虽然前景一片光明，但当下预测性维护市场发展不及预期却是不争的事实。

究其原因，主要3点，也是整个物联网领域的通病。

投资回报率难以计算

转变商业模式，先要转变思维

基础不扎实，数据量不足

我们一个一个来说。

投资回报率难以计算

投资回报率ROI如果算不清楚，就意味着见效慢，效果很难评估，工业企业的推进意愿自然不会提升。

工业场景中包含众多要素，人、机、料、法、环。预测性维护主要与“机”挂钩，其中不同行业属性、不同企业类型，机械的种类很多，预测性维护产生的价值有天壤之别。

从整个产业链条上来看，可以将与“机”相关的产业链简单粗暴的与汽车行业做个类比。汽车的价值链包括车主、4S店、车厂、汽车零部件的各级供应商。“机”的价值链包括最终应用企业（最终用户）、设备服务商（代理商、集成商）、设备制造商、各类工业自动化厂商。

围绕预测性维护开展业务的物联网企业，在传统产业链条中需要找准自己的切入点。

预测性维护的价值要通过最终用户体现，对应的企业数量非常庞大。保守估计，国内实施了ERP或者供应链管理系统，拥有基础信息化能力的工厂，有接近300万家。

如果从大企业切入，这些企业往往选择自建预测性维护能力，即便选择与新型物联网企业合作，由于预测性维护本身同时涉及软件和硬件，物联网企业有可能面临定制化程度高，项目难以进行标准化，无法广泛复制的窘境。

如果从中小企业切入，则可能会更惨。面对如此大量的企业，如何有效的触及，并将预测性维护提供的价值变现，这里面存在不少坑。

工业体系经过多年的发展已经相当成熟，很多机械的维护维修，利润空间本身就不高。新型物联网企业有可能会发现折腾了这些年，即便有了一定的规模，也不一定能真正赚到钱。

因此面对中小企业，物联网企业除了利用预测性维护，将服务环节从“被动”变为“主动”之外，还需要具备提供更多深度服务的能力，才能立足。

再从设备类型上来看，工程机械、注塑机、数控机床、空压机…行业集中度不同，设备制造商提供服务的能力也不同。因此留给提供预测性服务的物联网企业的生存空间也不同。

高价值设备，或者重要型设备，它们的维护维修，更多是由最终用户自己完成的，很少外包给物联网服务型企业。有些非重要型设备，很长时间不会发生故障的设备，或者发生故障后具有维修时间弹性的设备，会外包给设备服务商提供维护维修服务。

这时，物联网企业作为技术提供方，处于最终用户与设备制造商这两端之间，可能伴随着数据和设备资产所属权的争议。

另外，完成从传统维护维修到预测性维护的转变，还需要好的心态、以及时间和金钱。

有些情况下，最终用户并不希望“独吞”停机风险。他们希望设备服务商在合作协议中，保证设备的正常运行，如果发生停产损失，设备服务商需要承担一定的赔偿责任。这自然过滤掉了一些只能在PPT上提供预测性维护的公司。

同时，从用户角度来讲，要为预测性维护服务付多少钱合适呢？

预测性维护带来的收益，如果转化为财务指标，需要经过完整的周期性分析和验证。只有算得清楚经济账，最终用户才会愿意长期为预测性维护的价值买单。

因为预测性维护带来的停机风险降低难与经济回报挂钩、单台设备难与整体销售挂钩，预测性维护的价值并不立竿见影，需要经历半年甚至一年的验证周期，有时还需要细化到每单位销售额的颗粒度。如果遇到销售额受环境变化影响，波动较大的最终用户，核算的难度更大。

因此预测性维护陷入了经济收益测算时间长，没法调动最终用户的投入热情，只是物联网企业一头热的怪圈。

转变商业模式，先要转变思维

如果只算由预测性维护降低的停机风险，只算省钱的经济账，是远远不够的。

好的商业模式，不一定是帮最终用户多省钱，而是帮设备服务商或者设备制造商多赚钱。在这个过程中，物联网企业完成自己的商业逻辑闭环。

这里再做一个简单粗暴的类比。共享单车虽然广受诟病，但也有可取之处，毕竟摩拜们改变了共享出行的格局。

如果当初摩拜创立的时候，没有选择自己做自行车，而是选择只做智能锁，把我们大家没用的自行车统一管理，提供共享出行服务，让每一个自行车闲置资源的参与者都赚到钱。如此这般，摩拜是否能够形成如今的发展势头呢？

答案是否定的。摩拜的成功并没有帮共享自行车的使用者省钱，而是刺激了使用自行车出行的需求，把原本走着不用花钱的路途，变成了自行车骑行之旅。如果没有独特的自行车设计，统一的服务质量，良好的出行体验，很难大量激发最终用户对于共享自行车的使用需求。

在这个过程中，摩拜成为新型“设备服务商”，担起了自行车资源重塑者的角色。同时，摩拜还加速了自行车“设备制造商”的发展，制造了前所未有的大量设备。

类比过摩拜，我们再说回工业。

现状是工业体系极度分散，每一家设备代理商或者集成商，都面临利润率越来越低的窘境，横向的整合有可能会越来越多。何况并不是所有设备制造商，都有能力提供预测性维护。

因此预测性维护的价值不一定是让每一个小的服务商、设备商都赚到钱，而是让有能力提供良好服务、统一体验的设备服务商和设备制造商赚更多的钱，设备服务从“被动等待”模式转变为“主动出击”模式，设备销售从“一次性买卖”到“按使用时间付费”的模式，从而推进横向聚合的发生。

不过目前大家在讲预测性维护时，往往还停留在省钱的故事里。

推而广之，物联网到底是为了省钱，还是为了赚钱？这是一个颇具争议的话题。

CompTIA美国计算机行业协会针对这个问题专门进行了一项调查。你猜结论是什么？

三分之一的人认为物联网应该省钱，三分之一的人认为应该赚钱，另外三分之一的人认为省钱和赚钱都需要。

可见大家对于应用物联网的好处还没有达成共识。

基础不扎实，数据量不足

工业设备的预测性维护，都面临一个避而不提的共性问题，设备自身的传感器数量不足，很多数据还没有形成有效的长期积累。

所以预测性维护最常见的故事是飞机发动机，因为传感器足够多，监测时间足够长。

为什么设备制造商不在设备出厂之前，加装更多的传感器呢？因为在物联网理念还未普及之时，安装传感器不仅增加成本，平白增加了设备的复杂度，还没有明确的应用意义。设备本身已经够复杂了，谁也不愿意再费力增加一些看似没用的传感器。

传感器不够多，就算把人工智能等最新技术都用上，预测也不一定准确。预测不准，预测性维护就没什么价值。

加之设备模型的积累和迭代需要较长的时间，因此在目前的应用中，“硬件+软件+服务”为主流的收费模式，实施方式也以项目制为主。距离触发裂变，还为时尚早。

很多物联网公司都在想方设法解决这个问题。

去年Uptake以并购的方式获得了APT公司以及ASL资料库的控制权，就是一个明显的信号。

APT公司（Asset Performance Technologies）的资产战略资料库ASL，可以说是全球最全面的工业设备故障数据库。虽然APT公司成立于2004年，但ASL资料库此前便开始积累，利用超过20年的时间，收集了关于电力、采矿、炼钢等行业近800种重要设备的信息，可以提供FMEA失效模式效应分析和维护策略建议。

Uptake公司2014年成立于美国芝加哥，提供工业人工智能软件开发及服务，帮助企业客户进行数字化转型。目前Uptake最成功的案例当属与凯特彼勒共同开发的预测性维护平台，改善其生产运营效益。关于Uptake这家公司，在后面还会提到。

还有一些物联网公司正在想办法，利用软硬件一体化的低成本无线传感器，从原先没有数据的地方把数据采集上来，完成从0到1的突破。

能够实现这种突破的根本性原因有4点：

无线连接的普遍存在，以及连接成本的持续降低

小型化的低成本传感器大量可用

企业开始接受边缘计算和云平台协同的思路

使用人工智能监控时序传感器数据变得可行