我的上篇文章《曾被認(rèn)為是工業(yè)互聯(lián)網(wǎng)的“殺手級”應(yīng)用，預(yù)測性維護(hù)為何發(fā)展不及預(yù)期?》引起了行業(yè)內(nèi)的廣泛討論。大家從不同的視角，包括運(yùn)營技術(shù)OT、信息技術(shù)IT、數(shù)據(jù)技術(shù)DT等多個(gè)維度，一起分析了預(yù)測性維護(hù)的前景和挑戰(zhàn)，共同獻(xiàn)計(jì)獻(xiàn)策。

[[261062]]

預(yù)測性維護(hù)(PdM)是工業(yè)互聯(lián)網(wǎng)的重要應(yīng)用，但它并不新鮮，在上世紀(jì)90年代就已經(jīng)嘗試被用于飛機(jī)發(fā)動機(jī)領(lǐng)域。最近幾年，隨著工業(yè)人工智能技術(shù)和邊緣計(jì)算技術(shù)的逐步推進(jìn)和成熟，過去僅僅集中應(yīng)用于高端裝備的預(yù)測性維護(hù)，可以“飛入尋常百姓家”，具備了大范圍應(yīng)用的經(jīng)濟(jì)性前提。

 

需要強(qiáng)調(diào)的是，預(yù)測性維護(hù)不同于預(yù)防性維護(hù)，在維基百科中，對兩者進(jìn)行了明確的區(qū)分，值得借鑒。

預(yù)測性維護(hù)(PdM)根據(jù)在役設(shè)備的狀況，評估進(jìn)行維護(hù)的時(shí)間，防止意外的設(shè)備故障。這種方法比預(yù)防性維護(hù)要節(jié)省成本，實(shí)現(xiàn)的關(guān)鍵是“在正確的時(shí)間內(nèi)提供正確的信息”。

簡單的說，預(yù)測性維護(hù)是依賴于設(shè)備的實(shí)際狀況，而不是平均或預(yù)期的壽命統(tǒng)計(jì)，來預(yù)測何時(shí)需要維護(hù)。

更進(jìn)一步，故障預(yù)測和健康管理PHM 還要做到能預(yù)測設(shè)備最后的剩余使用壽命到底有多少。

毫無疑問，預(yù)測性維護(hù)是未來的發(fā)展趨勢。

如何真正撬動預(yù)測性維護(hù)這塊市場蛋糕，挖掘新的商機(jī)?在上篇文章的交流中，許多互動和留言很有價(jià)值，因此用這篇文章進(jìn)行延續(xù)和擴(kuò)展。

本文中你將看到：

• 細(xì)看國內(nèi)外的差異，國內(nèi)最終用戶使用預(yù)測性維護(hù)，顧慮哪些問題?
• 預(yù)測性維護(hù)的軍備競賽中，不同企業(yè)在沿著哪些路線前進(jìn)?
• 工業(yè)人工智能和邊緣計(jì)算，正在為預(yù)測性維護(hù)引入新的載體。
• 國內(nèi)有哪些值得關(guān)注的初創(chuàng)公司?
• 值得關(guān)注的精彩評論。

涉及內(nèi)容較多，我已高濃度提純。

1. 最終用戶的顧慮

預(yù)測性維護(hù)并不適用于所有的對象。

在這里借鑒美國智能維護(hù)系統(tǒng)(IMS)中心的分類，參考下圖，縱軸代表故障發(fā)生頻率，橫軸表示故障發(fā)生后的影響。預(yù)測性維護(hù)適用于發(fā)生頻率不高，但一旦發(fā)生影響很大的故障。

• 頻率低、影響大：預(yù)測性維護(hù)
• 頻率低、影響小：傳統(tǒng)維護(hù)方式
• 頻率高、影響大：系統(tǒng)設(shè)計(jì)有問題，需改進(jìn)設(shè)計(jì)
• 頻率高、影響小：準(zhǔn)備更多備件

有效預(yù)測頻率低、影響大的故障，是許多最終用戶所期待的。對于預(yù)測性維護(hù)在方案推進(jìn)中面臨的困難和風(fēng)險(xiǎn)，國內(nèi)情況與國外相比略有差異。

國內(nèi)企業(yè)更加關(guān)心系統(tǒng)集成層面的風(fēng)險(xiǎn)。

在實(shí)際接觸了國內(nèi)數(shù)十家相關(guān)企業(yè)之后，可以發(fā)現(xiàn)模型準(zhǔn)確度不足、商業(yè)模式不夠理想、供應(yīng)商風(fēng)險(xiǎn)，都是預(yù)測性維護(hù)在發(fā)展中遇到的問題。(@王宇)

最終用戶的普遍顧慮包括：

(1) 缺少技術(shù)專家，模型準(zhǔn)確度有待提升

機(jī)理模型，是指根據(jù)對象、生產(chǎn)過程的內(nèi)部機(jī)制或者物質(zhì)流的傳遞機(jī)理建立起來的精確數(shù)學(xué)模型。這個(gè)模型是進(jìn)行預(yù)測性維護(hù)的基礎(chǔ)之一，但工業(yè)中的數(shù)據(jù)思維剛剛開始建立，懂得機(jī)理的專家畢竟是少數(shù)。

對于設(shè)備機(jī)理的深刻了解，需要基于十幾年甚至幾十年的長期經(jīng)驗(yàn)積累才能具備。比如一家工廠中的某臺重型設(shè)備總是發(fā)生偏軸的情況，長期爭論到底是設(shè)備問題還是組件問題，懸而未決。直到找來一位富有經(jīng)驗(yàn)的老教授，才最終發(fā)現(xiàn)問題所在。原來不是設(shè)備本身的問題，而是地基太軟的問題，才導(dǎo)致傳動軸總是發(fā)生故障。

預(yù)測性維護(hù)中采集哪些數(shù)據(jù)，如何安裝傳感器，如何選擇采集頻率和周期…都需要建立在掌握機(jī)理模型和行業(yè)know-how的基礎(chǔ)之上。可以說預(yù)測性維護(hù)的技術(shù)門檻很高，尤其是行業(yè)know-how知識的門檻高，如果只懂IT領(lǐng)域的技術(shù)，就會發(fā)現(xiàn)空有十八般武藝，完全無用武之地。

(2) 數(shù)據(jù)可移植性差

你可能會問為什么數(shù)據(jù)需要可移植性?因?yàn)檫@是構(gòu)成數(shù)據(jù)管理戰(zhàn)略的基礎(chǔ)。真正做到數(shù)字化的工業(yè)企業(yè)，必須全面了解所擁有的數(shù)據(jù)，掌握完整且持續(xù)更新的數(shù)據(jù)可見性，根據(jù)業(yè)務(wù)需求按需對數(shù)據(jù)進(jìn)行遷移。

同時(shí)，工業(yè)數(shù)據(jù)的歸屬權(quán)和使用權(quán)問題一直都是敏感話題。

因?yàn)楣I(yè)數(shù)據(jù)存在價(jià)值密度低、企業(yè)屬性強(qiáng)的特征，不太可能產(chǎn)生直接的數(shù)據(jù)交易。但是工業(yè)數(shù)據(jù)又非常有價(jià)值，各方都希望得到使用權(quán)：最終用戶根據(jù)數(shù)據(jù)可以改善生產(chǎn)和經(jīng)營;設(shè)備服務(wù)商根據(jù)數(shù)據(jù)可以提供更好的設(shè)備保養(yǎng)和服務(wù);設(shè)備制造商根據(jù)數(shù)據(jù)可以改進(jìn)機(jī)器參數(shù)，優(yōu)化設(shè)備指標(biāo)…

從類別上來看，工業(yè)數(shù)據(jù)大致可以分為兩種，一種是設(shè)備數(shù)據(jù)，一種是工況數(shù)據(jù)。工況數(shù)據(jù)涉及企業(yè)內(nèi)部經(jīng)營信息，最終用戶并不希望進(jìn)行數(shù)據(jù)分享。

預(yù)測性維護(hù)的準(zhǔn)確度越高，價(jià)值越大，難度也越大。由于數(shù)據(jù)本身就是資產(chǎn)，最終用戶的數(shù)據(jù)安全和隱私保護(hù)意識越來越強(qiáng)，預(yù)測性維護(hù)想要提升準(zhǔn)確性，大量數(shù)據(jù)做算法訓(xùn)練又必不可缺，數(shù)據(jù)是否可得、可用、可復(fù)用?其中太多困難。

(3) 供應(yīng)商存在較大風(fēng)險(xiǎn)

預(yù)測性維護(hù)被吹捧為“殺手級”應(yīng)用之后，很多公司都在圍繞這個(gè)領(lǐng)域開展業(yè)務(wù)。其中不乏魚目混珠者，拿著“聽診器”就來做預(yù)測性維護(hù)，讓專業(yè)用“CT機(jī)”認(rèn)真診斷的只好苦笑。

預(yù)測性維護(hù)項(xiàng)目在推進(jìn)的過程中，還有可能引來不必要的糾紛。提供預(yù)測性服務(wù)的物聯(lián)網(wǎng)企業(yè)，往往會遇到很多質(zhì)疑。

比如預(yù)測某臺設(shè)備將會出現(xiàn)問題，最終用戶有可能會對判斷結(jié)果產(chǎn)生疑問。

如果最終用戶確信診斷結(jié)果，去找設(shè)備制造商解決，設(shè)備制造商有可能會認(rèn)為是做預(yù)測性維護(hù)的過程中，內(nèi)嵌了傳感器，破壞和入侵設(shè)備才造成的故障。

如果不適用內(nèi)嵌傳感器，替換成可穿戴式傳感器，預(yù)測的準(zhǔn)確性又會受到影響…

(4) 潛在的交易風(fēng)險(xiǎn)和切換風(fēng)險(xiǎn)

無論是最終用戶還是設(shè)備制造商，尋找預(yù)測性維護(hù)的技術(shù)性合作伙伴時(shí)，都會面臨協(xié)議轉(zhuǎn)換，面臨技術(shù)手段取舍，這個(gè)過程中有可能被技術(shù)服務(wù)商綁定。

Uptake的例子是一個(gè)很好的說明。2015年3月，卡特彼勒開始了與Uptake在技術(shù)和數(shù)據(jù)方面的合作，并且對Uptake進(jìn)行了股權(quán)投資。通過合作，卡特彼勒將自己全球領(lǐng)先的產(chǎn)品工程和設(shè)計(jì)能力與Uptake的軟件、應(yīng)用和數(shù)據(jù)分析技能有效結(jié)合，以期為客戶提供更高效的解決方案。

2017年底，卡特彼勒宣布終止對Uptake的投資，不再持有Uptake的股份，并重新調(diào)整與Uptake的合作領(lǐng)域。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，希望把預(yù)測性維護(hù)的能力收回到自己“體內(nèi)”，進(jìn)一步推進(jìn)從設(shè)備制造到制造即服務(wù)MaaS的轉(zhuǎn)型。

• 對此有人持有不同意見，認(rèn)為設(shè)備商想靠預(yù)測性維護(hù)轉(zhuǎn)變商業(yè)模式，這可能是個(gè)偽命題。(@郭云)
• 不過無論如何，預(yù)測性維護(hù)還是要做的，只是不能這樣做…它要結(jié)合到工業(yè)設(shè)備管理和工業(yè)服務(wù)現(xiàn)狀，從診斷形式的多樣化組合和人的能力共享來做，要從工業(yè)服務(wù)產(chǎn)業(yè)化生態(tài)來做…(@楊明波-維修合伙人制+工業(yè)服務(wù)研究)
• 目前IoT在工業(yè)的應(yīng)用場景主要還在監(jiān)測和診斷，預(yù)測的準(zhǔn)確度和商業(yè)模式都還需要繼續(xù)探索。(@史磊)

2. 兩條切入路徑

工業(yè)場景的要素：人、機(jī)、料、法、環(huán)，預(yù)測性維護(hù)主要與“機(jī)”掛鉤。就像汽車的價(jià)值鏈包括車主、4S店、車廠、汽車零部件的各級供應(yīng)商，“機(jī)”的價(jià)值鏈包括：

• 最終應(yīng)用企業(yè)(最終用戶)
• 設(shè)備服務(wù)商(代理商、集成商)
• 設(shè)備制造商
• 上游各類工業(yè)自動化軟硬件廠商

如何在這份已經(jīng)成熟的工業(yè)體系中，創(chuàng)造新的價(jià)值。創(chuàng)新型的物聯(lián)網(wǎng)企業(yè)和傳統(tǒng)工業(yè)自動化巨頭正在從兩條路徑各自滲透。(@鄭宇銘)

【路徑1】

創(chuàng)新型物聯(lián)網(wǎng)企業(yè)的普遍做法是圍繞最終用戶挖掘價(jià)值。

最終用戶是工業(yè)的主體，上游各類企業(yè)都是圍繞最終用戶開展業(yè)務(wù)，因此用戶也是各種服務(wù)的核心落腳點(diǎn)。

物聯(lián)網(wǎng)企業(yè)的做法是在圍繞設(shè)備加裝傳感器和工業(yè)網(wǎng)關(guān)，并不介入控制器原廠的數(shù)據(jù)和通訊協(xié)議，將傳感器數(shù)據(jù)在邊緣側(cè)和云端進(jìn)行分析和反饋，“感知設(shè)備的脈動”。

傳感器采集的過程值(流量、溫度、壓力等)，傳輸至邊緣云進(jìn)行分析，可以顯示多樣化的評估圖表，結(jié)合預(yù)先定義的報(bào)警機(jī)制，確保對過程值進(jìn)行持續(xù)監(jiān)控和分析。

傳感器安裝在哪里?采集什么信號?機(jī)器特性是什么?分析什么原理?前期需要進(jìn)行詳細(xì)的分析，才能保證采集到的數(shù)據(jù)是價(jià)值的。每一個(gè)傳感器的部署和定制分析都要花費(fèi)時(shí)間和金錢，先從最重要的故障點(diǎn)入手才有意義，這是一個(gè)漫長的討論、嘗試和驗(yàn)證的過程。

很多項(xiàng)目并不是典型的預(yù)測性維護(hù)，做到簡單的數(shù)據(jù)呈現(xiàn)和報(bào)表分析，實(shí)現(xiàn)狀態(tài)檢測和遠(yuǎn)程監(jiān)控，已經(jīng)可以滿足最終用戶的需求。

【路徑2】

傳統(tǒng)工業(yè)自動化巨頭因?yàn)閾碛兴接袇f(xié)議優(yōu)勢和存量設(shè)備優(yōu)勢，選擇從源頭上入手，從控制層直接接入新型硬件，由淺入深，提供預(yù)測性維護(hù)服務(wù)。

舉兩個(gè)例子。

比如，西門子在2018年底推出了針對邊緣應(yīng)用的全新硬件，并以此構(gòu)成工業(yè)邊緣計(jì)算(Industrial Edge)概念的一部分。這款緊湊型邊緣設(shè)備以嵌入式工控機(jī)SIMATIC IPC227E為基礎(chǔ)，可從生產(chǎn)端實(shí)現(xiàn)對生產(chǎn)數(shù)據(jù)的直接讀取和處理。

這種做法相當(dāng)于給傳統(tǒng)控制器PLC外掛了一臺工業(yè)電腦，直接讀取和分析控制層數(shù)據(jù)，并與工業(yè)互聯(lián)網(wǎng)平臺MindSphere配合使用，提供預(yù)測性維護(hù)等能力，以邊云協(xié)同的方式提升現(xiàn)場管理水平。而且當(dāng)工業(yè)應(yīng)用程序底層的框架條件發(fā)生變化時(shí)，邊緣設(shè)備上的應(yīng)用可以實(shí)現(xiàn)同步調(diào)整，保持設(shè)備功能性的實(shí)時(shí)更新。

就在這個(gè)周末，3月29日，西門子還與德國大眾汽車集團(tuán)簽署協(xié)議，德國大眾宣布采用西門子MindSphere工業(yè)互聯(lián)網(wǎng)平臺，范圍涵蓋大眾的122個(gè)工廠以及1500個(gè)供應(yīng)商。這一合作激起的漣漪勢必促進(jìn)跨國企業(yè)對于工業(yè)云平臺的采用，為預(yù)測性維護(hù)的落地起到一定程度的推動作用。

除了從控制層面直接介入的做法，電機(jī)與驅(qū)動器廠家也不甘落后。2019年3月初，三菱電機(jī)宣布推出新一代通用型伺服驅(qū)動系統(tǒng)J5，它不僅成為全球首款使用下一代工業(yè)網(wǎng)絡(luò)技術(shù)TSN的伺服產(chǎn)品，還將集成智能控制技術(shù)Maisart。

Maisart是Mitsubishi Electric's AI creates the State-of-the- ART in Technology，“三菱電機(jī)的人工智能技術(shù)創(chuàng)造最先進(jìn)技術(shù)”的縮寫。Maisart與伺服驅(qū)動系統(tǒng)J5的集成，將以內(nèi)嵌的方式，直接實(shí)現(xiàn)對機(jī)械傳動部件(滾珠絲杠、皮帶、齒輪...)與驅(qū)動器的檢測診斷和預(yù)測性維護(hù)。

創(chuàng)新型物聯(lián)網(wǎng)企業(yè)，乃至傳統(tǒng)工業(yè)自動化巨頭，都已開始圍繞預(yù)測性維護(hù)，或者更準(zhǔn)確的說，圍繞由預(yù)測性維護(hù)引發(fā)的巨大市場空間，開展軍備競賽。

無論是預(yù)測性維護(hù)、質(zhì)量控制、遠(yuǎn)程監(jiān)控，或者資產(chǎn)追蹤，其背后使用的物聯(lián)網(wǎng)技術(shù)是一樣的。因此預(yù)測性維護(hù)是一個(gè)具備橫向整合能力的應(yīng)用。

基于預(yù)測性維護(hù)過程中采集的設(shè)備數(shù)據(jù)，包含工藝、質(zhì)量、性能、效率等指標(biāo)，可以從設(shè)備層面延展到生產(chǎn)線層面。

預(yù)測性維護(hù)采集的數(shù)據(jù)點(diǎn)越多、數(shù)據(jù)的價(jià)值越大、機(jī)理模型的理解越透徹、經(jīng)驗(yàn)積累越豐富，橫向整合的能力越強(qiáng)，進(jìn)而幫助企業(yè)以嶄新的方式和手段，解決降本、提效的問題。

3. PdM的新載體

市面上已有的預(yù)測性維護(hù)方案，大部分是在云計(jì)算或者霧計(jì)算層面的，而隨著邊緣算力的提升，以及工業(yè)人工智能的發(fā)展，在邊緣側(cè)完成預(yù)測性維護(hù)變得經(jīng)濟(jì)上更加可行。

已有公司研發(fā)出了最新一代的邊緣控制器，搭載工業(yè)人工智能算法，滿足用戶對于預(yù)測性維護(hù)的需求。

這類邊緣控制器中往往搭載的是“弱人工智能”，并將人工智能與控制過程進(jìn)行實(shí)時(shí)集成，用于診斷和預(yù)測設(shè)備異常。

簡單的說，“強(qiáng)”AI是指AI系統(tǒng)具有接近人類甚至超越人類的智能;“弱”AI則專注于解決基于數(shù)學(xué)和計(jì)算機(jī)科學(xué)方法的具體應(yīng)用問題，由此開發(fā)的系統(tǒng)能夠自我優(yōu)化。弱AI更適合于解決工業(yè)領(lǐng)域的實(shí)際問題。

在異常檢測的算法上，現(xiàn)已上市的這款邊緣控制器是使用“孤立森林”(Isolation Forest)機(jī)器學(xué)習(xí)引擎開發(fā)的。

該算法對內(nèi)存要求很低，且處理速度很快，其時(shí)間復(fù)雜度也是線性的，非常適合高速實(shí)時(shí)處理，可以通過微調(diào)提高檢測精度和準(zhǔn)確性。同時(shí)，該算法還適用于多模態(tài)數(shù)據(jù)，可用于需要兩種或多種操作模式的高度混合的產(chǎn)線。

基于這套算法，邊緣控制器采集和記錄目標(biāo)對象的數(shù)據(jù)，并基于預(yù)設(shè)的應(yīng)用模型，分析設(shè)備行為的歷史趨勢，預(yù)測機(jī)器可能出現(xiàn)的異常狀況，提示和指導(dǎo)用戶在適當(dāng)?shù)臅r(shí)間對機(jī)電系統(tǒng)采取合理有效的診斷和維保措施，甚至JIT(Just-in-time)準(zhǔn)時(shí)維護(hù)。

目前，該邊緣控制器的預(yù)測性維護(hù)能力主要是面向氣缸、滾珠絲杠和傳送帶、同步輪...等機(jī)械傳動部件。

可以預(yù)判，這樣的設(shè)備預(yù)防性維護(hù)方案，其性能表現(xiàn)將很大程度上取決于兩個(gè)關(guān)鍵要素：

• 數(shù)據(jù)采集：幫助有效理解機(jī)器行為;
• 應(yīng)用算法：創(chuàng)建和優(yōu)化學(xué)習(xí)模型，并準(zhǔn)確做出判斷。

基于工業(yè)人工智能算法，邊緣控制器有可能識別出程序檢測不到的，或者人眼無法分辨的異常狀況，從而實(shí)現(xiàn)對設(shè)備行為較為全面準(zhǔn)確的學(xué)習(xí)理解。

4. 國內(nèi)典型企業(yè)

在預(yù)測性維護(hù)領(lǐng)域，國內(nèi)有幾家公司非常值得關(guān)注，此處也舉兩個(gè)例子：

(1) 天澤智云

天澤智云是一家工業(yè)智能公司，其主要基于分析算法、工程專家領(lǐng)域知識、軟件產(chǎn)品的工業(yè)大數(shù)據(jù)平臺，為工業(yè)企業(yè)提供集成數(shù)據(jù)采集與分析、裝備健康管理、故障預(yù)測與診斷、維護(hù)決策與優(yōu)化等各類工業(yè)大數(shù)據(jù)應(yīng)用服務(wù)為一體的定制化解決方案。

公司提出目標(biāo)，10年實(shí)現(xiàn)100個(gè)無憂生產(chǎn)和無憂經(jīng)營的工業(yè)場景。

現(xiàn)階段，天澤智云主要關(guān)注能源、軌道交通、數(shù)控機(jī)加工、工業(yè)機(jī)器人、裝備制造等領(lǐng)域，為客戶提供工業(yè)大數(shù)據(jù)應(yīng)用咨詢、數(shù)據(jù)采集與分析、裝備狀態(tài)評估等大數(shù)據(jù)分析解決方案。

(2) 西安因聯(lián)

西安因聯(lián)是基于對設(shè)備運(yùn)行場景的深入理解，基于設(shè)備機(jī)理提供完整的數(shù)據(jù)接入集成方案，擅長結(jié)合振動信號的分析，結(jié)合傳感、物聯(lián)技術(shù)、數(shù)據(jù)算法等技術(shù)，為工業(yè)用戶提供更加高效、可靠的設(shè)備預(yù)知性維護(hù)的解決方案。

因聯(lián)的設(shè)備智能運(yùn)維解決方案，可以提前3個(gè)月識別設(shè)備早期故障，故障識別準(zhǔn)確率達(dá)90%，幫助企業(yè)杜絕重大安全事故的發(fā)生，降低30%以上的日常停機(jī)維護(hù)時(shí)間，節(jié)約30%以上的維護(hù)成本，幫助企業(yè)有效提升生產(chǎn)效率。因聯(lián)打造了機(jī)器智能運(yùn)維SaaS平臺，機(jī)器健康大數(shù)據(jù)平臺產(chǎn)品方案，目前已在鋼鐵、化工、電力、水泥、造紙、汽車、食品飲料等行業(yè)客戶中有成功應(yīng)用。

最后，在你欣賞精彩評論之前，我要衷心感謝研華科技行銷總監(jiān)王宇、智造商專欄創(chuàng)始人鄭宇銘在成文過程中對我的大力支持。

5. 精彩評論

(1) 清華學(xué)長：

我目前了解的情況是國內(nèi)對于預(yù)測性維護(hù)的認(rèn)識尚處于起步階段，但大企業(yè)對此的認(rèn)識與意愿逐步加強(qiáng)。國內(nèi)需要強(qiáng)調(diào)預(yù)警的價(jià)值，而不是預(yù)測性維護(hù)。國情是安全生產(chǎn)比降低成本更重要。

國際工業(yè)界對預(yù)測性維護(hù)的定義的境界比較高，是因?yàn)樗麄冊O(shè)備管理本身已經(jīng)做的比較細(xì)，國內(nèi)企業(yè)基礎(chǔ)就需要先提高，可以借預(yù)測性維護(hù)的思路，首先把設(shè)備數(shù)據(jù)分析重視起來。

(2) 薛辰宇：

物聯(lián)網(wǎng)的價(jià)值是通過數(shù)據(jù)重塑產(chǎn)業(yè)鏈，比如通過預(yù)測性維護(hù)推出供應(yīng)鏈金融和保險(xiǎn)業(yè)務(wù)，第一降低資金占用，第二，為結(jié)果買單，解決客戶痛點(diǎn)。可能目前的客戶比較猶豫這個(gè)改造的價(jià)值，但是會崛起一部分鯰魚擾亂現(xiàn)有的價(jià)值鏈，比如共享經(jīng)濟(jì)或者租賃經(jīng)濟(jì)的創(chuàng)業(yè)者。改變往往來自于外部，很少有人有勇氣革自己的命!停留在已有的價(jià)值鏈里面，預(yù)測性維護(hù)是無法變現(xiàn)的。共享經(jīng)濟(jì)其實(shí)就是預(yù)測性維護(hù)的一個(gè)應(yīng)用場景。

(3) 麥克瘋|mcrazy：

預(yù)測性維護(hù)在很多領(lǐng)域都已經(jīng)是非常成熟的應(yīng)用了，比如風(fēng)電、鐵路...，之所以很多人會把互聯(lián)網(wǎng)與這項(xiàng)技術(shù)聯(lián)系起來給予極高的預(yù)期，在我看來是因?yàn)榭赡軒淼慕?jīng)濟(jì)性，能夠幫助它在更多領(lǐng)域的普及，我的建議是去研究下各類產(chǎn)品方案，看下如何能夠轉(zhuǎn)型為基于互聯(lián)網(wǎng)的方案，再看下企業(yè)用戶的現(xiàn)實(shí)訴求，就大致明白為什么會有如此長的落地周期了;東西是好的，但面對現(xiàn)實(shí)還是需要些耐心的...關(guān)鍵在于：預(yù)測什么vs維護(hù)什么...前者是不確定的風(fēng)險(xiǎn)，決定了需要的投入，后者是確定的應(yīng)用場景，決定了所需投入的預(yù)算。

(4) 趙敏：

所謂“殺手級應(yīng)用”，所謂爆款級、現(xiàn)象級應(yīng)用，幻想在工業(yè)領(lǐng)域出現(xiàn)，純屬某些人的YY。

(5) 唐咚：

預(yù)測性維護(hù)果子是好，但掛得較高，先摘下面的果子再說。

(6) ChrisGao：

需要社會環(huán)境和行業(yè)規(guī)劃推動，商業(yè)模式?jīng)Q定技術(shù)創(chuàng)新投入，設(shè)備模型和機(jī)理知識庫和實(shí)時(shí)動態(tài)閉環(huán)分析成就預(yù)測性維護(hù)，工業(yè)信息變革就是人類消除不確認(rèn)性風(fēng)險(xiǎn)的認(rèn)知過程。

(7) 王總：

兩三年以前我研究過預(yù)測性維護(hù)這個(gè)事。思路是利用數(shù)據(jù)建立一個(gè)系統(tǒng)運(yùn)行的有限狀態(tài)機(jī)模型。然后根據(jù)實(shí)際數(shù)據(jù)與狀態(tài)機(jī)預(yù)測的偏差來進(jìn)行預(yù)防性措施。后來發(fā)現(xiàn)有這樣幾個(gè)問題，第一是數(shù)據(jù)量維度需求太多基本是至少是在幾十維的向量空間上進(jìn)行分割。計(jì)算量太大。第二是實(shí)際數(shù)據(jù)的誤差很影響結(jié)果。第三是很多設(shè)備的數(shù)據(jù)量不足。不過我還是認(rèn)為預(yù)測性分析在工業(yè)設(shè)備上的應(yīng)用是有前景的。因?yàn)楣I(yè)設(shè)備的運(yùn)行狀況相對穩(wěn)定。畢竟適合預(yù)測性維護(hù)。

(8) 小胡：

投資回報(bào)率難以計(jì)算：工業(yè)互聯(lián)網(wǎng)首先姓工，然后才姓網(wǎng)，工意味著種類多，行業(yè)集中度低，細(xì)節(jié)繁蕪。

商業(yè)模式，省錢不一定等于掙錢，效果看事前還是事后，主動還是被動，不一而足。

基礎(chǔ)不扎實(shí)，數(shù)據(jù)量不足，智能服務(wù)，意味著數(shù)據(jù)在全生命周期中是自動流動的，一個(gè)企業(yè)的價(jià)值鏈能延伸到哪，如何判評，有待商榷。

(9) 郭朝暉：

從這個(gè)概念產(chǎn)生，我就一直沒有看好過，并反復(fù)多次批評這種想法脫離實(shí)際，對絕大多數(shù)應(yīng)用不靠譜。

(10) 鳥人：

有能力做預(yù)防性維護(hù)還不如更深一層做自我修復(fù)。設(shè)備故障哪有那么容易預(yù)防，比如電子廠的設(shè)備，成千上萬個(gè)零件，上千上萬條線，如何監(jiān)控，有些芯片都是有程序的，很多布線是隱藏的，如何判斷磨損，老化的位置。設(shè)備預(yù)防的核心是定期保養(yǎng)，很多企業(yè)都不太重視。預(yù)測性維護(hù)可能的方向是只在少數(shù)標(biāo)準(zhǔn)化行業(yè)，標(biāo)準(zhǔn)化設(shè)備上應(yīng)用，而不是大范圍的應(yīng)用

(11) Lester：

預(yù)測性維護(hù)背后也需要物理模型的支持，而不是只寄希望于大數(shù)據(jù)分析。同時(shí)數(shù)據(jù)也是傳感器數(shù)據(jù)和流程數(shù)據(jù)的結(jié)合才行，不然得到的結(jié)論也只是盲人摸象。

(12) 小石匠·老常@配電網(wǎng)：

設(shè)備安全問題一定是一個(gè)綜合方案，不可能把維護(hù)方案中哪一個(gè)單獨(dú)方案人為拔到脫離客觀需求的高度。

互聯(lián)網(wǎng)的一些奇才，對顛覆、橫切或者彎道超車上癮了，我們從1998年就開始搞設(shè)備安全和檢修解決方案，深知狀態(tài)檢修或者預(yù)測檢修的問題在哪里，哪有那么容易，要能解決問題，我們這些老鳥早就干了，還會有你們這些家伙橫切的機(jī)會嗎?

早在2010年，我就跑到南方電網(wǎng)找專家去聊變壓器的故障預(yù)測，我們還是懂一些故障模式的，結(jié)果人家專家告訴我，做幾個(gè)大指標(biāo)還是可以的，但是變壓器的故障類型太多了，機(jī)理很復(fù)雜，故障模型無法提煉。

如今，工藝和工藝鏈條上設(shè)備電氣復(fù)雜度越來越高、運(yùn)轉(zhuǎn)速度越來越高，故障模型太難搞了，沒有故障模型，怎么做故障預(yù)測，難道還用過去的閾值判斷嗎?

當(dāng)然，前年我就給原華能陽邏電廠出來的美女專家建議，通過統(tǒng)計(jì)的方式掌握設(shè)備的故障模型，表面看很像今天非常時(shí)髦的人工智能迭代學(xué)習(xí)。

問題是，同樣的設(shè)備用在不同的工況環(huán)境，環(huán)境很復(fù)雜，有效性有多高，鬼知道?而且人工智能迭代學(xué)習(xí)屬于實(shí)驗(yàn)科學(xué)，沒有強(qiáng)約束的理論，很可能會出現(xiàn)這個(gè)月靠譜，下個(gè)月完全不靠譜的情況。企業(yè)安全是大事，到時(shí)候誰為安全承擔(dān)責(zé)任呢?

盡管是實(shí)驗(yàn)科學(xué)，我最近一直在建議老板下決心要試試，拿我們的高壓柜子做個(gè)實(shí)驗(yàn)。

(13) 彭國華-工業(yè)服務(wù)聯(lián)盟：

對于少數(shù)裝備如航空發(fā)動機(jī)、軌道交通第非計(jì)劃停機(jī)必須控制在0%的范圍的設(shè)備，預(yù)測性維修是必須的選擇，但廠家老早就做了。對于非計(jì)劃停機(jī)允許在5-10%的范圍的設(shè)備，預(yù)測性維護(hù)只是一個(gè)選項(xiàng)，而且大多是一個(gè)非常不經(jīng)濟(jì)的選項(xiàng)，相比其它管理措施性價(jià)比很低，所以終端用戶不積極。

(14) 柚子爺 Roger：

具備行業(yè)屬性的服務(wù)商將有明顯機(jī)會與優(yōu)勢，通用型服務(wù)商，按項(xiàng)目來服務(wù)的不但前期準(zhǔn)備周期長，定制開發(fā)風(fēng)險(xiǎn)高，同時(shí)的確實(shí)會受到用戶與設(shè)備商的兩頭擠壓。

(15) 羅大魔王：

設(shè)備運(yùn)行狀態(tài)檢測是需要在傳感器領(lǐng)域深耕的，而國內(nèi)物聯(lián)網(wǎng)企業(yè)大多潛心于通信技術(shù)，再說如何建立設(shè)備狀態(tài)的評估模型也是一個(gè)技術(shù)難點(diǎn)。

將這三塊技術(shù)充分融合，孵化出成熟解決方案的成本不是一般中小企業(yè)可以承受的。再說傳感器和評估模型的可復(fù)制性不高，做出來一個(gè)方案也只能在一個(gè)行業(yè)里面拓展。所以想要出現(xiàn)泛行業(yè)適用的預(yù)測性維護(hù)方案還需要多點(diǎn)耐心。

(16) SHOUT：

分析得很到位!采用傳統(tǒng)的方法(傳感器、專家模型)去做，難以解決成本高、難復(fù)制的問題而純用IT的方法(物接入、機(jī)器學(xué)習(xí))又出現(xiàn)預(yù)測不準(zhǔn)、難以評估的問題，必須有一種突破的技術(shù)實(shí)現(xiàn)低成本、易復(fù)制、預(yù)測相對準(zhǔn)確且可評估的系統(tǒng)，才有可能實(shí)現(xiàn)大量應(yīng)用。目前有一些創(chuàng)新的模式在低調(diào)運(yùn)行，期待爆發(fā)的一天!

(17) Andrew工業(yè)互聯(lián)網(wǎng)的布道者：

08年，我把APM帶回中國。那時(shí)候，中石化，中石油還在做RBI驗(yàn)證。一晃10年就這么過去了。

其實(shí)，設(shè)備預(yù)測性維修不是“萬能的”。這幾年被一群搞it的外行給炒爛了。

以石化企業(yè)為例，只有振動模型，才是機(jī)理級別的，其它如腐蝕，潤滑等與理論結(jié)果相差甚遠(yuǎn)。

那么，是否可以透過大數(shù)據(jù)來確定失效原因呢?

呵呵，這就有意思了。

好的裝置，進(jìn)口設(shè)備可以。

為啥?

因?yàn)槿思业脑O(shè)計(jì)中，就考慮了可靠性問題(design review)，有完整的可靠性實(shí)驗(yàn)數(shù)據(jù)(不是編出來的)，比如，對關(guān)鍵部位的應(yīng)力分布，管線不同位置腐蝕速率的統(tǒng)計(jì)等等。

通過“數(shù)字化移交”，完整的把工藝，設(shè)備數(shù)據(jù)與工藝包統(tǒng)一，可視的交給業(yè)主。業(yè)主對工藝數(shù)據(jù)是可以信賴的。用這些數(shù)據(jù)可以擬合理論分布，再進(jìn)行預(yù)測回歸…

即便是這樣，在很多場合，大多數(shù)情況下，由于施工偏差，進(jìn)度要求，交付系統(tǒng)與原設(shè)計(jì)已經(jīng)“不可同日而語”，業(yè)主又懶得做CA，找出bad actor，更不愿意做RCM。幻想著上個(gè)PI，IP21，讓工程師的人腦代替昂貴的系統(tǒng)。

這些中國式的小聰明，害了中國企業(yè)的智能化進(jìn)程。

(18) 慕明：

預(yù)測性維護(hù)，市場還是有的，不要想投機(jī)取巧，踏踏實(shí)實(shí)的做。

(19) 郭策：

大數(shù)據(jù)從成本到技術(shù)都不具可執(zhí)行性，用傳統(tǒng)的小數(shù)據(jù)檢測建模，成本低，有幾十年的運(yùn)行和理論基礎(chǔ)，更加實(shí)用。主要設(shè)備和主要輔助設(shè)備能預(yù)測到周或月的情況就有管理意義了。

做季度設(shè)備維修策劃和月度備品備件采購計(jì)劃，可以參考模型數(shù)據(jù)。

(20) 吳翼飛-上海譽(yù)正：

時(shí)間與效果期望值之間的落差。“預(yù)測性”的本質(zhì)是在有足夠數(shù)據(jù)樣本訓(xùn)練的基礎(chǔ)上，對已知現(xiàn)象通過行業(yè)資深人員的理解與計(jì)算機(jī)專家間的碰撞，抽象出的數(shù)學(xué)計(jì)算模型。足夠多的基礎(chǔ)數(shù)據(jù)，過程中的人為干預(yù)，對模型的驗(yàn)證優(yōu)化，都需建立在時(shí)間的基礎(chǔ)上。若能理性對待期望值與實(shí)際效果間的差距，理性認(rèn)知AI目前AI只是提升效率的工具，相信“殺手級”應(yīng)用終極出現(xiàn)

(21) Anyway：

預(yù)測性維修的著眼點(diǎn)應(yīng)該是人機(jī)交互過程中的互相影響，如飛行員，駕駛員，對人工操作的效能提供評價(jià)。其存在的依據(jù)除了原材料失效的可靠性理論外，尤其能根據(jù)預(yù)測對象的工作環(huán)境，識別出設(shè)備潛在的外部應(yīng)力，如熱應(yīng)力，結(jié)構(gòu)應(yīng)力，潤滑磨損等要素。同時(shí)，也為操作規(guī)程的優(yōu)化提供量化數(shù)據(jù)支持。

應(yīng)該站在預(yù)測對象的立場，談?lì)A(yù)測方法方案的定制設(shè)計(jì)。通用的預(yù)測模型落地，需要考慮引入中間件或者插件技術(shù)做二次開發(fā)的可擴(kuò)展接口…

預(yù)測維修一定是一個(gè)涵蓋人機(jī)料法環(huán)測六要素，立足可靠性工程經(jīng)驗(yàn)基礎(chǔ)和常識的一個(gè)業(yè)務(wù)(談不上專業(yè)或者具體技術(shù))…

本文小結(jié)：

• 預(yù)測性維護(hù)適用于發(fā)生頻率不高，但一旦發(fā)生影響很大的故障。
• 無論是預(yù)測性維護(hù)、質(zhì)量控制、遠(yuǎn)程監(jiān)控，或者資產(chǎn)追蹤，其背后使用的物聯(lián)網(wǎng)技術(shù)是一樣的。因此預(yù)測性維護(hù)是一個(gè)具備橫向整合能力的應(yīng)用。
• 市面上已有的預(yù)測性維護(hù)方案，大部分是在云計(jì)算或者霧計(jì)算層面的，而隨著邊緣算力的提升，以及工業(yè)人工智能的發(fā)展，在邊緣側(cè)完成預(yù)測性維護(hù)變得經(jīng)濟(jì)上更加可行。