最近一篇关于“预测性维护为何发展不及预期？”的文章（以下简称原文），在圈子内流传很广，主要分析了发展不及预期的原因：

1、投资回报率难以计算；

2、需要转变思维；

3、基础不扎实，数据量不足。

在介绍了一些第三方的预测性维护的平台之后，得出结论“人们喜欢高估五年，却总是低估十年。将这个用在预测性维护领域”。

这个作者是喜欢引用一些咨询报告的数据来做验证，而我喜欢研究企业案例来分析，从我分析的结论与这个作者的结论非常不一致。

1、预测性维护发展不及预期吗？

预测性维护发展是不是如前文作者描述那样：预测性维护发展不及预期呢？

存在就有其意义，举几个预测性维护企业的例子：

GE的预测性维护案例

很多人了解预测性维护，是从《工业互联网：突破智慧和机器的界限--GE工业互联网白皮书》中，介绍的航空领域，帮助飞机运营商在故障发生前进行预测，并提供一个快速且准确的“全面体检”的案例。

GE在航空领域的实践，航空领域目前（GE的白皮书是2012年发布的，这里指2012年）有2万家商用飞机，配有4.3万台喷气发动机。航空业的预测性维护发展起来，市场规模应该是很大的。

陕鼓的旋转设备在线检测

我知道的第一个预测性维护的案例是陕鼓旋转机械远程在线检测及故障诊断系统，当时去陕鼓参观的时候，这个系统就有预测性维护的功能，而且取得了非常好的效果。我在工业4.0的课程里经常讲这个案例。

某流程行业的预测性维护案例

我的工业4.0课程里会经常讲一个流程行业的预测性维护的案例。

1、通过对运行设备的综合监控数据的健康度诊断模型计算，真是反应运行设备健康状况（红、黄、蓝），给出相应的设备维修建议、预测故障发生时间；针对故障设备能够快速定位故障，找到故障原因，推送维修预案；

2、利用人工智能技术自我学习新案例，不断完善充实设备健康知识库。

SKF的预测性维护案例

曾经在轴承行业做过调研，轴承行业最重要的标杆企业SKF在非常早就通过设备联网实现预测性维护。在2016年的时候，SKF通过设备在线收的服务费，占公司收入的20%。SKF从上个世纪80年代就率先开发状态检测产品和服务。

GE，陕鼓，流程行业设备运维，SKF都已经有非常多的预测性维护的案例，不知道这个预测性维护发展不及预期的结论从哪里来的？建议原文作者还是要去实地调研一下。

2、预测性维护投资回报率难以计算吗？

GE的收益计算

2011 年，商用喷气飞机在空中飞行达 5000 万小时。这意味着年度维护费用高达600亿美元。发动机维护占了总维护成本额43%， 即 250 亿美元。由此看来，利用工业互联网在发动机维修效率上每提高 1 个百分点，就能减少 2.5 亿美元商业喷气发动机的维修费用。 

陕鼓的系统的价值：

传统的模式下，风机的维护有较高的技术含量，对维修人员的技术水平有很高的要求，维修人员的水平决定了客户的服务水平；而维修人员的差旅成本高，人员使用率低，对陕鼓是一种负担。

通过远程在线检测系统，可以提高服务水平，降低差旅成本，还有额外的价值：

1、减少客户的非计划停机次数，降低故障率；

2、缩短停机检修时间，延长机组连续运营时间，减少维修费用，为系统提供安全保障；

3、陕鼓获得机组运行情况的一手资料，为产品升级提供数据支撑。

流程行业预测性维护得价值：

流程行业通常是规模化生产，规模化生产的单位创造价值大、如果意外停机，会形成原材料的巨大浪费。

国内为了流程行业为了保证设备故障及时修复，有非常多的设备专家做支撑。

SKF预测型维护的价值：

SKF收入的20%来自维护费用，已经足以说明预测性维护的价值了。

从GE、陕鼓、SKF以及流程行业的案例看，预测性维护投资回报率难以计算的结论是不成立的。

3、为什么预测性维护会被误解?

预测性维护有三类参与者：甲方（指设备的使用方，比如流程行业企业的设备运维）的预测性维护；乙方（指设备供应商，比如GE，陕鼓和SKF）的预测性维护；和第三方（专门做预测性维护的平台）做的预测性维护。

原文指的预测性维护主要指的是第三方平台，所以原文所描述的内容是第三方的预测性维护平台，这种情况下的发展的确如原文作者描述那样，发展不及预期，价值难以评估。

但是原文作者忽视了甲方和乙方运营的预测性维护功能。

我判断原文作者的结论“人们喜欢高估五年，却总是低估十年。将这个用在预测性维护领域”，将是错误的。

1、对于甲方、乙方的预测性维护，已经有非常多的应用，在5年内没有高估。

2、对于第三方运维的预测性维护，恐怕没有生存空间。

为什么不看好第三方运维的预测性维护服务？

第一、工业具有多样性，不同行业的工业设备特点不一致，所以很难会有通用的预测性维护的知识库。而第三方运维平台存在的一个价值在于汇聚效应，如果工业没有汇聚效应，第三方是否有存在的价值？

第二、甲方运维的预测性维护系统，一方面需要行业经验，比如那家流程行业的预测性维护系统，实际上汇聚了行业设备专家的经验，以专家经验作为专家库的基础，通过人工智能逐步迭代而不断完善；另外一方面，预测性维护需要与业务系统打通，比如预测性维护系统预测到系统故障时间，需要生产系统的数据判断停机时间，需要了解设备维修的技能要求，选择合适的维修人员，需要了解维修备件库存状态，等等一系列甲方的信息系统。这些功能是不适合第三方运维的。

第三、乙方（设备供应商）的预测性维护，一方面是因为设备供应商更了解设备，会根据设备状态判断未来设备的故障时间；另外一方面保证设备的服务水平和未来设备改进都有重要价值。所以GE、陕鼓、SKF这样的设备供应商来运维预测性维护系统也是非常合适的。

甲方运维的优势是更加了解行业的Know How，了解多个设备之间协同的状态下预测性维护，更多的与其他业务系统的集成。

乙方运维的优势是更加了解设备的Know How，应该不会有比设备制造商更加了解设备的企业。

第三方运维的预测性维护系统，行业Know How不如甲方，设备Know How 不如乙方，维护系统与维修人力、备件管理、生产管理的集成性不如甲方。所以没有存在的空间。

因而原文作者的结论是值得讨论的。

特别说明：

第三方运维，指的是第三方专门运维预测性维护的系统。如果是第三方运维的工业互联网平台，包含更多的业务、或者是设备商基于平台的底层连接来做的第三方运维是可能存在的。单纯的第三方运维的预测性维护系统没有好的机会。原文提到的一些第三方的案例，似乎都不成功。

第三方的软件供应商是可以存在的，比如流程行业的预测性维护，是基于SAP的资产管理系统，在SAP的开发平台上由第三方软件开发商开发出来的。第三方软件不同于第三方运维。

其实设备制造商的预测性维护平台也可以是第三方软公司开发的，但设备商来运维（设备商更了解设备）。

来源：微信号xuyongshuo-work

作者：许永硕

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。