?魏文王問扁鵲,你們家三兄弟中誰的醫術最高。扁鵲想了想說,大哥的醫術最高明,在病情尚未發作前就將病根鏟除(長兄於病視神,未有形而除之);二哥其次,在小病初期就能對癥下藥,將大病扼殺于搖籃(中兄治病,其在毫毛);而我治病,都已是病情危重之時,扎針、敷藥、刮骨無所不用(若扁鵲者,鑱血脈,投毒藥,副肌膚),為時已晚啊!

這個故事告訴我們,事后控制不如事中控制,事中控制不如事前控制。如果將設備的維修維護類比看病治療,那么扁鵲治病的方式屬于典型的事后維護,而扁鵲他哥的治病方式毫無疑問就是近幾年業界人士常談的預測性維護。

古人方知“預測性維護”的重要性,更何況處在物聯網浪潮下的企業呢?實際上,作為工業互聯網IIoT和邊緣計算的重要應用之一,預測性維護從前幾年開始就已被寄予厚望,正吸引著眾多企業涉足該領域。

來源:IoT Analytics《2021-2026年預測性維護市場報告》

這兩年,就預測性維護而言,從媒體的角度而言,其熱度似乎已有所下降,但是從上圖也可以看出,基于谷歌趨勢搜索指數來看,近五年來,預測性維護越來越受歡迎,相反預防性維護則逐漸減弱。

預測性維護市場規模:

十年內從15億美元增加到282億美元

根據IoT Analytics早前發布的相關數據,2016年全球預測性維護市場,包括硬件,軟件和服務,其市場規模約為15億美元。在當時,許多公司會定期且頻繁地執行維護操作,以減少發生重大故障的可能性,主要的維護模式仍是基于時間的預防性維護,而不是基于設備實際狀況的預測性維護,因此后者的市場規模可比前者的市場規模要小得多。而如今,正從基于時間的預防性維護向基于設備狀態的預測性維護的模式進行轉變,并將全面開啟。

在IoT Analytics最新發布的《預測性維護市場報告2021-2026》市場分析報告中,該機構預計2021年的預測性維護市場將達到69億美元。隨著傳感器,大數據、邊緣計算和人工智能等技術的進步以及物聯網基礎設施成本的下降將更進一步推動了預測性維護市場的快速發展,未來將以31%的復合年增長率(CAGR)增長,到2026年,該市場或將達到282億美元。

不過值得注意的是,相比該機構在此前發布的預測性維護報告中的數據,這次的增長率預測更為保守,CAGR從39%調整為31%。

雖未見暴風式成長,

卻也一步一腳印地向前進

在一片叫好聲中,預測性維護市場的發展卻不及早前所預期的快速。有觀點指出,究其原因主要有3點:

投資回報率難以計算:如果投資回報率ROI算不清楚,就意味著見效慢,效果很難評估,企業的推進意愿自然不會提升。

轉變商業模式,先要轉變思維:好的商業模式,不一定是幫最終用戶多省錢,而是幫設備服務商或者設備制造商多賺錢。在這個過程中,物聯網企業完成自己的商業邏輯閉環。

基礎不扎實,數據量不足:工業設備的預測性維護,都面臨一個避而不提的共性問題,設備自身的傳感器數量不足,很多數據還沒有形成有效的長期積累。

基于以上原因,在過去的幾年中,預測性維護市場沒有得到爆發式增長,但慶幸的是隨著時間流逝其理念卻也越來越被人們所接受,總結來看有以下幾點:

第一,在平穩發展中,仍見證了不少預測性維護相關企業的并購案、更多的工業界落地案例。

一些典型的投資、并購案

2019年,Rockwell Automation投資10億美元加強物聯網合作伙伴關系,雙方簽訂最終戰略合作協議前者對 PTC進行10億美元股權投資。

2020年,日立根據2018年12月與ABB簽訂的電網事業收購協議,對從ABB分離出來的電網事業公司完成80．1%的出資手續。

2020年,西門子醫療和瓦里安宣布雙方已簽訂收購合并協議。前者以164億美元現金收購瓦里安醫療系統公司的所有股份。該交易與今年4月15日宣布完成收購。

日前,西門子簽訂對TimeSeries的收購協議,西門子將進一步擴大低代碼應用范圍,提供智能倉儲、預測性維護、能源管理、遠程監測等新型應用程序,幫助企業加快數字化轉型步伐。

……

一些巨頭的落地案例

華為抓住市場痛點,選擇從“梯聯網”切入電梯運維領域。

ABB在班加羅爾設立了新的針對節能變頻器的數字化遠程服務中心,全年無休的遠程訪問位于最終用戶工廠內的變頻器,實現預測性維護和狀態監測。

霍尼韋爾推出互聯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。

空客和達美航空從2020年開始為全球的航空公司客戶開發全新的預測性維護和健康監控解決方案。該方案將通過“智慧天空”平臺的統一門戶進行訪問,充分利用每個成員在機體、系統和發動機方面的專業知識。

西人馬所研發的電梯故障診斷系統,經過幾個月的安裝測試,該系統已經開始大規模商用,在福建省和江西省等多地階段性、有秩序安裝使用。

……

第二,生態圈不斷擴大,企業從幾十家增長至幾百家。

正如前文所提,一些大公司和初創企業都進行了重點布局,它們似乎都堅信預測性維護必將成為工業物聯網中少數的“殺手級”應用之一。

在IoT Analytics最新的報告中提到,目前全球范圍內已有280+家預測性維護類企業,這一數據在兩年前約為180家。大量新興企業推動了這一增長,特別是在技術堆棧的分析部分,這些新興企業幫助用戶了解了他們不斷增長和分散的數據。在過去五年中,諸如GE,PTC,Cisco,ABB或Siemens之類的老牌供應商也進入了市場。

流程制造業:能源行業、油氣行業以及化工行業

混合制造業:金屬與采礦業、造紙業以及供水排水業

離散制造業:自動化運輸業、機械制造業、醫療電子設備、家用電器以及計算機領域

隨著市場預計將迅速擴大,并且公司正在尋求支持,以利用其大量數據源進行準確的預測并將預測性維護解決方案與其核心業務系統聯系起來,因此,更多的供應商有很大的進入市場的空間。IoT Analytics預計,在未來五年中,預測性維護類企業的數量將超過500家。

第三,預測性維護投資回報:從不確定的收益到必備的殺手級應用。

根據貝恩對170位物聯網和分析供應商高管以及500多家物聯網客戶的調查,2016年,ROI不清楚是物聯網實施(包括預測性維護)的三大障礙之一。兩年后,技術供應商在解決以上問題時仍沒有取得太大進展,但是可以確定的是一些物聯網項目已經可以提供確定的ROI。

而站在2021年這個時間節點上,對于ROI又出現了更新的認識。從IoT Analytics的報告可以看出, 83%預測性維護實施案例中產生了正的ROI,同時約有45%的案例報告在不到一年的時間內實現了成本攤銷。這些數據表明,近年來這項投資變得多么有吸引力。

將來,隨著預測性維護解決方案的復雜性和易于實施性的提高,預計其ROI也將進一步得到提高。可以肯定的是,預測性維護將是所有類型的工業組織的必備條件,從而使其成為物聯網和人工智能結合的殺手級用例。

第四,預測性維護數據源:從單個傳感器值到一個智能數據網格。

2016年,預測性維護實施通常依靠有限數量的數據源,通常僅使用一個傳感器值(例如,振動或溫度)來開發其預測性維護解決方案。

時至今日,在一些預測性維護項目中,可用數據源的數量已大大增加,同時隨著挖掘更多來源,預測的平均精度也會提高。

將來,隨著越來越多的機器和過程數據的積累以及高度相關的機器數據集的數據湖/庫的創建,相關企業將擁有更豐富的數據池以用于部署解決方案。不僅數據源的數量增加了,而且質量也提高了。未來數據收集設備將越來越多地具有更高的計算能力(即邊緣計算),從而減少響應延遲并增加解決方案提供的收益。

第五,預測性維護解決方案集成:從獨立組件到深入企業內部。

以往,許多預測性維護解決方案是獨立的,與其他企業應用程序分離,而不同系統組件之間的互操作性成為主要挑戰,同時,當時的預測性維護解決方案在與流程集成方面缺乏可用性。

而在今天,預測性解決方案與其他企業系統的集成已變得相對普遍,例如企業資源計劃(ERP)或計算機化維護管理系統(CMMS)解決方案。預測性維護供應商已成為與不同的傳感技術,控制系統以及其他企業或維護軟件集成的標準。

未來預測性維護可能會成為現有企業軟件的標準部分,或者與大多數主要系統緊密集成。CMMS /資產管理軟件供應商已經開始將預測性維護功能/解決方案作為其現有企業軟件解決方案的附件進行集成,并且他們認為這些發展至關重要。

寫在最后

一般而言,人們對數字化這一主題的興趣也越來越廣泛,也意味著對預測性維護有著越來越高的興趣,因為預測性維護就是其中的一部分。

當今的預測性維護項目表明,在許多行業中,可以實現零計劃外停機的愿景。越來越多的公司將意識到預測性維護解決方案在不確定的時期內可能帶來的潛在收益(例如,節省時間和維護成本、提高生產能力等),要觀察的關鍵性能指標是減少由于可預測的維護而導致的計劃外運行設備停機的減少。

從上圖可以看出,往前五年至往后五年這十年間,預測性維護從一個原本小眾的物聯網話題演變為快速增長的高投資回報(ROI)應用,真正為用戶帶來了價值。

對于擁有工業資產或出售設備的公司而言,現在是投資預測性維護型解決方案的時候了。企業技術公司需要準備將預測性維護解決方案集成到他們的產品中。