广东省珠海市横琴中国华融大厦 1204 & 1205
新天地科技
0756-8681677
[email protected]

预测性维护:从一个小众物联网话题悄悄变成高ROI应用

预测性维护:从一个小众物联网话题悄悄变成高ROI应用

RFID行业动态在《鹖冠子》中有这样的对话:
魏文王问扁鹊,你们家三兄弟中谁的医术最高。扁鹊想了想说,大哥的医术最高明,在病情尚未发作前就将病根铲除(长兄於病视神,未有形而除之);二哥其次,在小病初期就能对症下药,将大病扼杀于摇篮(中兄治病,其在毫毛);而我治病,都已是病情危重之时,扎针、敷药、刮骨无所不用(若扁鹊者,鑱血脉,投毒药,副肌肤),为时已晚啊!
这个故事告诉我们,事后控制不如事中控制,事中控制不如事前控制。如果将设备的维修维护类比看病治疗,那么扁鹊治病的方式属于典型的事后维护,而扁鹊他哥的治病方式毫无疑问就是近几年业界人士常谈的预测性维护。
古人方知“预测性维护”的重要性,更何况处在物联网浪潮下的企业呢?实际上,作为工业互联网IIoT和边缘计算的重要应用之一,预测性维护从前几年开始就已被寄予厚望,正吸引着众多企业涉足该领域。



来源:IoT Analytics《2021-2026年预测性维护市场报告》
这两年,就预测性维护而言,从媒体的角度而言,其热度似乎已有所下降,但是从上图也可以看出,基于谷歌趋势搜索指数来看,近五年来,预测性维护越来越受欢迎,相反预防性维护则逐渐减弱。
预测性维护市场规模:十年内从15亿美元增加到282亿美元
根据IoT Analytics早前发布的相关数据,2016年全球预测性维护市场,包括硬件,软件和服务,其市场规模约为15亿美元。在当时,许多公司会定期且频繁地执行维护操作,以减少发生重大故障的可能性,主要的维护模式仍是基于时间的预防性维护,而不是基于设备实际状况的预测性维护,因此后者的市场规模可比前者的市场规模要小得多。而如今,正从基于时间的预防性维护向基于设备状态的预测性维护的模式进行转变,并将全面开启。
在IoT Analytics最新发布的《预测性维护市场报告2021-2026》市场分析报告中,该机构预计2021年的预测性维护市场将达到69亿美元。随着传感器,大数据、边缘计算和人工智能等技术的进步以及物联网基础设施成本的下降将更进一步推动了预测性维护市场的快速发展,未来将以31%的复合年增长率(CAGR)增长,到2026年,该市场或将达到282亿美元。
不过值得注意的是,相比该机构在此前发布的预测性维护报告中的数据,这次的增长率预测更为保守,CAGR从39%调整为31%。
虽未见暴风式成长,却也一步一脚印地向前进
在一片叫好声中,预测性维护市场的发展却不及早前所预期的快速。有观点指出,究其原因主要有3点:
投资回报率难以计算:如果投资回报率ROI算不清楚,就意味着见效慢,效果很难评估,企业的推进意愿自然不会提升。
转变商业模式,先要转变思维: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。
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。
基于以上原因,在过去的几年中,预测性维护市场没有得到爆发式增长,但庆幸的是随着时间流逝其理念却也越来越被人们所接受,总结来看有以下几点:
第一,在平稳发展中,仍见证了不少预测性维护相关企业的并购案、更多的工业界落地案例。
一些典型的投资、并购案
2019年,Rockwell Automation投资10亿美元加强物联网合作伙伴关系,双方签订最终战略合作协议前者对 PTC进行10亿美元股权投资。
2020年,日立根据2018年12月与ABB签订的电网事业收购协议,对从ABB分离出来的电网事业公司完成80.1%的出资手续。
2020年,西门子医疗和瓦里安宣布双方已签订收购合并协议。前者以164亿美元现金收购瓦里安医疗系统公司的所有股份。该交易与今年4月15日宣布完成收购。
日前,西门子签订对TimeSeries的收购协议,西门子将进一步扩大低代码应用范围,提供智能仓储、预测性维护、能源管理、远程监测等新型应用程序,帮助企业加快数字化转型步伐。
……
一些巨头的落地案例
华为抓住市场痛点,选择从“梯联网”切入电梯运维领域。
ABB在班加罗尔设立了新的针对节能变频器的数字化远程服务中心,全年无休的远程访问位于最终用户工厂内的变频器,实现预测性维护和状态监测。
霍尼韦尔推出互联辅助动力装置的预测性维护服务GoDirect,海南航空成为全球首家采用GoDirect的航空公司。
空客和达美航空从2020年开始为全球的航空公司客户开发全新的预测性维护和健康监控解决方案。该方案将通过“智慧天空”平台的统一门户进行访问,充分利用每个成员在机体、系统和发动机方面的专业知识。
西人马所研发的电梯故障诊断系统,经过几个月的安装测试,该系统已经开始大规模商用,在福建省和江西省等多地阶段性、有秩序安装使用。
……
第二,生态圈不断扩大,企业从几十家增长至几百家。
正如前文所提,一些大公司和初创企业都进行了重点布局,它们似乎都坚信预测性维护必将成为工业物联网中少数的“杀手级”应用之一。
在IoT Analytics最新的报告中提到,目前全球范围内已有280+家预测性维护类企业,这一数据在两年前约为180家。大量新兴企业推动了这一增长,特别是在技术堆栈的分析部分,这些新兴企业帮助用户了解了他们不断增长和分散的数据。在过去五年中,诸如GE,PTC,Cisco,ABB或Siemens之类的老牌供应商也进入了市场。



来源:IoT Analytics《2021-2026年预测性维护市场报告》
从上图可以看出,这些企业主要可以分成以下三个类别:
流程制造业:能源行业、油气行业以及化工行业
混合制造业:金属与采矿业、造纸业以及供水排水业
离散制造业:自动化运输业、机械制造业、医疗电子设备、家用电器以及计算机领域
随着市场预计将迅速扩大,并且公司正在寻求支持,以利用其大量数据源进行准确的预测并将预测性维护解决方案与其核心业务系统联系起来,因此,更多的供应商有很大的进入市场的空间。IoT Analytics预计,在未来五年中,预测性维护类企业的数量将超过500家。
第三,预测性维护投资回报:从不确定的收益到必备的杀手级应用。
根据贝恩对170位物联网和分析供应商高管以及500多家物联网客户的调查,2016年,ROI不清楚是物联网实施(包括预测性维护)的三大障碍之一。两年后,技术供应商在解决以上问题时仍没有取得太大进展,但是可以确定的是一些物联网项目已经可以提供确定的ROI。
而站在2021年这个时间节点上,对于ROI又出现了更新的认识。从IoT Analytics的报告可以看出, 83%预测性维护实施案例中产生了正的ROI,同时约有45%的案例报告在不到一年的时间内实现了成本摊销。这些数据表明,近年来这项投资变得多么有吸引力。
将来,随着预测性维护解决方案的复杂性和易于实施性的提高,预计其ROI也将进一步得到提高。可以肯定的是,预测性维护将是所有类型的工业组织的必备条件,从而使其成为物联网和人工智能结合的杀手级用例。
第四,预测性维护数据源:从单个传感器值到一个智能数据网格。
2016年,预测性维护实施通常依靠有限数量的数据源,通常仅使用一个传感器值(例如,振动或温度)来开发其预测性维护解决方案。
时至今日,在一些预测性维护项目中,可用数据源的数量已大大增加,同时随着挖掘更多来源,预测的平均精度也会提高。
将来,随着越来越多的机器和过程数据的积累以及高度相关的机器数据集的数据湖/库的创建,相关企业将拥有更丰富的数据池以用于部署解决方案。不仅数据源的数量增加了,而且质量也提高了。未来数据收集设备将越来越多地具有更高的计算能力(即边缘计算),从而减少响应延迟并增加解决方案提供的收益。
第五,预测性维护解决方案集成:从独立组件到深入企业内部。
以往,许多预测性维护解决方案是独立的,与其他企业应用程序分离,而不同系统组件之间的互操作性成为主要挑战,同时,当时的预测性维护解决方案在与流程集成方面缺乏可用性。
而在今天,预测性解决方案与其他企业系统的集成已变得相对普遍,例如企业资源计划(ERP)或计算机化维护管理系统(CMMS)解决方案。预测性维护供应商已成为与不同的传感技术,控制系统以及其他企业或维护软件集成的标准。
未来预测性维护可能会成为现有企业软件的标准部分,或者与大多数主要系统紧密集成。CMMS /资产管理软件供应商已经开始将预测性维护功能/解决方案作为其现有企业软件解决方案的附件进行集成,并且他们认为这些发展至关重要。
写在最后
一般而言,人们对数字化这一主题的兴趣也越来越广泛,也意味着对预测性维护有着越来越高的兴趣,因为预测性维护就是其中的一部分。
当今的预测性维护项目表明,在许多行业中,可以实现零计划外停机的愿景。越来越多的公司将意识到预测性维护解决方案在不确定的时期内可能带来的潜在收益(例如,节省时间和维护成本、提高生产能力等),要观察的关键性能指标是减少由于可预测的维护而导致的计划外运行设备停机的减少。



从上图可以看出,往前五年至往后五年这十年间,预测性维护从一个原本小众的物联网话题演变为快速增长的高投资回报(ROI)应用,真正为用户带来了价值。
对于拥有工业资产或出售设备的公司而言,现在是投资预测性维护型解决方案的时候了。企业技术公司需要准备将预测性维护解决方案集成到他们的产品中。
参考资料
《2021-2026年预测性维护市场报告》 IoT Analytics
《曾被认为是工业互联网的“杀手级”应用,预测性维护为何发展不及预期?》物联网智库

1

www.vitcode.com