产品展示

Products Classification

这个工业互联网的“杀手级”应用,预测性维护为何生长欠好?

  • 产品时间:2022-05-29 01:03
  • 价       格:

简要描述:导 读 ( 文/ 物女王彭昭 )作为工业互联网IIoT和边缘盘算的重要应用之一,预测性维护约莫在两年之前,就已被寄予厚望。各大公司和初创企业都举行了重点结构,似乎都坚信预测性维护必将成为IIoT中少数的“杀手级”应用之一。本文选自民众号:物联网智库,作者彭昭,e-works经授权公布!衷心谢谢研华科技行销总监王宇在成文历程中对笔者的鼎力大举支持。两年已往了,预测性维护生长得怎么样?...

详细介绍
本文摘要:导 读 ( 文/ 物女王彭昭 )作为工业互联网IIoT和边缘盘算的重要应用之一,预测性维护约莫在两年之前,就已被寄予厚望。各大公司和初创企业都举行了重点结构,似乎都坚信预测性维护必将成为IIoT中少数的“杀手级”应用之一。本文选自民众号:物联网智库,作者彭昭,e-works经授权公布!衷心谢谢研华科技行销总监王宇在成文历程中对笔者的鼎力大举支持。两年已往了,预测性维护生长得怎么样?

yabo官网手机

导 读 ( 文/ 物女王彭昭 )作为工业互联网IIoT和边缘盘算的重要应用之一,预测性维护约莫在两年之前,就已被寄予厚望。各大公司和初创企业都举行了重点结构,似乎都坚信预测性维护必将成为IIoT中少数的“杀手级”应用之一。本文选自民众号:物联网智库,作者彭昭,e-works经授权公布!衷心谢谢研华科技行销总监王宇在成文历程中对笔者的鼎力大举支持。两年已往了,预测性维护生长得怎么样?最近贝恩咨询公布了一份陈诉,总体上论述了一个意料之外、情理之中的焦点看法:预测性维护的生长不及预期。

● 好比华为抓住市场痛点,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,全年无休的远程会见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接纳GoDirect的航空公司。● 空客则选择自建边缘盘算和云平台能力,量身定做自用的预测性维护系统。

鉴于市场中的存量设备数目相当可观,绝大多数还没接纳有效的预测性维护方案,而设备维护发生的用度凌驾设备总体生命周期成本的50%。谁不想用更好的手段来预防设备故障呢?有权威机构预测,2022年之前预测性维护市场都市保持高速增长,复合年均增长率(CAGR)为39%。

两年已往了,预测性维护生长得怎么样?最近贝恩咨询公布了一份陈诉,总体上论述了一个意料之外、情理之中的焦点看法:预测性维护的生长不及预期。任何事情的发生和演进,都有其一定的原因。预测性维护作为工业互联网的典型应用,分析它的生长现状对于整个领域而言,具有很好的借鉴意义。

因此在本文中,你将看到:● 预测性维护的现状摸底。● 为何预测性维护生长不及预期?● 预测性维护的初创公司在修炼哪些能力?1、现状摸底工业设备的维护维修大致分为3种手段:● 修复性维修:属于事后维护,亡羊补牢。

● 预防性维修:属于事先维护,基于时间、性能等条件对设备举行定期维修,更多还是凭履历。● 预测性维修:属于事先维护,基于安装在设备上的种种传感器,实时监控设备运行状态,更准确的判断故障何时发生。

如果发现故障隐患,自动触发报警或修理下令。GE在两年之前公布的一份研究陈诉令人影象犹新——观察效果显示大批的工业企业正在走向预测性维护的“怀抱”。从内部来看,预测性维护用于优化生产操作,将会带来20-30%的效率增益。

从外部来看,设备制造商如果引入预测性维护服务,则有可能扭转当前竞争业态。从战略角度评估,预测性维护代表着工业服务化和未来商业模式转变的历史选择。尤其是云平台、边缘盘算和人工智能的生长,开启了用最新技术改变预测性维护市场格式的时机大门。以上几点综合思量,各种公司纷纷抢滩预测性维护这方“沃土”,天经地义。

虽然对预测性维护的生长仍然坚定看好,可是许多企业已经意识到,预测性维护真正发挥效用的时间比预期的要长。2019年头,贝恩咨询对600多名西欧企业高管举行了观察,许多客户对于预测性维护的期待,已经由热衷更趋理性。预测性维护解决方案的实施历程比预想中更难题,从数据中提取有价值洞察的难度更是远超想象。

对比贝恩咨询在2016和2018年划分举行的两次调研,真正实施和计划接纳预防性维护方案的企业比例都有所下调,虽然大家对于预测性维护的未来都深信不疑,但相比2016年调研获得的红色虚线,许多企业都调治并减缓了预测性维护的推进节奏。对于预测性维护在方案推进中面临的难题和风险,大家的判断更趋于客观。

许多企业除了担忧宁静性、投资回报分析、IT与OT难以融合之外,对于技术知识的欠缺、数据的可移植性、供应商的风险以及方案切换中的变数,都举行了重新评估。从现实情况上来看,虽然提升工业互联网的宁静性、加速IT与OT的相互融合、给出确定性的投资回报分析,一直都是企业关注的问题。但两年已往了,这些方面似乎仍旧没有取得预想中的希望。

从应用实施的优先级上来看,预测性维护处于第一阵营的职位没有变化。然而,质量控制逾越了预测性维护,成为最受企业青睐的工业互联网应用。

另外,设备远程监控、生产现场的资产追踪也成为热门应用。服务商和供应商推进预测性维护的意愿,比作为客户的工业企业更为强烈。或许是因为相比于设备远程监控,预测性维护有更大的盈利潜力,因此处于供应商一头热的象限。

许多企业还乐于实验与设备维护相关的增强现实或虚拟现实应用,但供应商数量和能力有显着不足。从海内情况来看,与外洋有所差别,但整体上可供借鉴。再来看看市场的整体情况。

预测性维护市场,以致整个工业互联网市场,被不少企业连续看好。综合Gartner、IDC、Machina Research、思科、贝恩等多方分析数据来看,工业互联网在整个IoT领域势必会占到很大的份额,到2021年整个市场规模有望翻番,到达2000亿美元。

为了抓住未来生长时机,许多工业制造商和设备运营商都在大肆投资和结构。凭据S&P Capital IQ标普资本数据库的统计,西门子、施耐德、ABB等工业自动化巨头都在扩展自己的能力圈,连续增加对于云平台、边缘分析、软件功效和系统集成等方面的并购与投资。亚马逊的AWS IoT Greengrass和Microsoft Azure也在连续增加工业领域的渗透率。就开发者的支持度而言,PTC、微软、IBM、GE和亚马逊占有显着领先优势。

2、原因分析虽然前景一片灼烁,但当下预测性维护市场生长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。投资回报率难以盘算转变商业模式,先要转变思维基础不扎实,数据量不足我们一个一个来说。

投资回报率难以盘算投资回报率ROI如果算不清楚,就意味着收效慢,效果很难评估,工业企业的推进意愿自然不会提升。工业场景中包罗众多要素,人、机、料、法、环。

预测性维护主要与“机”挂钩,其中差别行业属性、差别企业类型,机械的种类许多,预测性维护发生的价值有天壤之别。从整个工业链条上来看,可以将与“机”相关的工业链简朴粗暴的与汽车行业做个类比。

汽车的价值链包罗车主、4S店、车厂、汽车零部件的各级供应商。“机”的价值链包罗最终应用企业(最终用户)、设备服务商(署理商、集成商)、设备制造商、各种工业自动化厂商。围绕预测性维护开展业务的物联网企业,在传统工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,对应的企业数量很是庞大。守旧预计,海内实施了ERP或者供应链治理系统,拥有基础信息化能力的工厂,有靠近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互助,由于预测性维护自己同时涉及软件和硬件,物联网企业有可能面临定制化水平高,项目难以举行尺度化,无法广泛复制的逆境。

如果从中小企业切入,则可能会更惨。面临如此大量的企业,如何有效的触及,并将预测性维护提供的价值变现,这内里存在不少坑。工业体系经由多年的生长已经相当成熟,许多机械的维护维修,利润空间自己就不高。

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,也纷歧定能真正赚到钱。因此面临中小企业,物联网企业除了使用预测性维护,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,才气驻足。再从设备类型上来看,工程机械、注塑机、数控机床、空压机…行业集中度差别,设备制造商提供服务的能力也差别。

因此留给提供预测性服务的物联网企业的生存空间也差别。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头之间,可能陪同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、以实时间和款项。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互助协议中,保证设备的正常运行,如果发生停产损失,设备服务商需要负担一定的赔偿责任。

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几多钱合适呢?预测性维护带来的收益,如果转化为财政指标,需要经由完整的周期性分析和验证。只有算得清楚经济账,最终用户才会愿意恒久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,需要履历半年甚至一年的验证周期,有时还需要细化到每单元销售额的颗粒度。

如果遇到销售额受情况变化影响,颠簸较大的最终用户,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,纷歧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。在这个历程中,物联网企业完成自己的商业逻辑闭环。

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

如果当初摩拜建立的时候,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治理,提供共享出行服务,让每一个自行车闲置资源的到场者都赚到钱。如此这般,摩拜是否能够形成如今的生长势头呢?谜底是否认的。

yabo亚搏手机最新版app

摩拜的乐成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,酿成了自行车骑行之旅。如果没有奇特的自行车设计,统一的服务质量,良好的出行体验,很难大量引发最终用户对于共享自行车的使用需求。

在这个历程中,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”的生长,制造了前所未有的大量设备。类比过摩拜,我们再说回工业。

现状是工业体系极端疏散,每一家设备署理商或者集成商,都面临利润率越来越低的逆境,横向的整合有可能会越来越多。况且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纷歧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“被动等候”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。不外现在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美国盘算机行业协会针对这个问题专门举行了一项观察。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利益还没有告竣共识。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,许多数据还没有形成有效的恒久积累。

所以预测性维护最常见的故事是飞机发念头,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,平白增加了设备的庞大度,还没有明确的应用意义。设备自己已经够庞大了,谁也不愿意再艰苦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,预测也纷歧定准确。预测禁绝,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,因此在现在的应用中,“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。许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,就是一个显着的信号。

yabo全站手机

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公司建立于2004年,但ASL资料库此前便开始积累,使用凌驾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计谋建议。Uptake公司2014年建立于美国芝加哥,提供工业人工智能软件开发及服务,资助企业客户举行数字化转型。现在Uptake最乐成的案例当属与凯特彼勒配合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。另有一些物联网公司正在想措施,使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收罗上来,完成从0到1的突破。能够实现这种突破的基础性原因有4点:无线毗连的普遍存在,以及毗连成本的连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盘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3创新正在发生最厥后看看预测性维护的初创公司在修炼哪些能力?许多初创企业已经意识到,真正的时机是使用预测性维护缔造全新的业务。

现在判断哪些企业将会冲出重围还为时尚早,我们不妨多看一些预测性维护企业的生存现状。此处被点名道姓的以外洋企业为主。

1. Uptake前文曾经提到,Uptake是一家建立于2014年的初创公司,而且可以说Uptake是IIoT创业公司中的大赢家。据报道,Uptake曾在伯克希尔·哈撒韦能源公司一家子公司的风电场部署其“监测平台”。在部署平台的第一周,就发现变速箱主轴承可能会泛起故障,并可能会导致其中一个涡轮塔的运转不灵。几小时的停机将造成风电场5000美元的损失,而如果这个涡轮机完全瓦解,损失将高达25万美元。

可是最近,通用电气GE将其告上法庭。GE诉讼的6名Uptake高管,均是GE的旧部,主要来自GE发电团体以及GE数字化团体。

GE的诉讼理由是:Uptake有预谋地挖墙脚、窃取商业秘密以及不正当竞争。GE认为,这6名旧将由于职位所致,熟悉GE的商业秘密,还到场了Uptake的“挖墙脚”谋划:不仅从GE挖走员工,还撬走GE的客户,试图将对GE的伤害扩至最大化。GE称,撬走的客户名单就在Uptake的官网上列着。这指的是伯克希尔·哈撒韦公司能源子公司的风电设备和卡特彼勒的机车业务。

Uptake自然不平。今年2月22日,Uptake反诉GE违反软件许可协议以及滥用商业秘密。Uptake称,GE在滥用由Uptake并购的公司APT开发的软件协议。GE和Uptake的讼事还在继续。

更为严重的是,Uptake的履历似乎从反面证明晰从大企业切入并不是明智之举。2017年11月,卡特彼勒宣布不再对Uptake投资,只是保留Uptake的客户身份。据美国商业杂志《克瑞恩芝加哥商业》的报道,卡特彼勒意识到,如果对Uptake连续投资,将削弱自己的竞争力。

同时卡特彼勒在逐渐收回销售给署理商的监控软件的控制权。卡特彼勒的最终用户使用这些软件,可以检测设备运行,实现预测性维护。显然,卡特彼勒们希望把预测性维护的能力收回到自己“体内”。

2. PrediktoPredikto的奇特优势在于,他的技术平台能够处置惩罚数百个差别的工业资产数据集,并自动完成80%的分析流程,以便快速从数据得出分析结论,提供可行的建议,让企业提前接纳措施,制止故障,延长资产正常运行时间。Predikto已经被团结技术公司收购。3. KONUXKONUX专注于铁路领域,他们联合了智能传感器和基于人工智能的分析,通过预测性维护计划和铁路的优化使用,实现更高的列车正点率和网络容量。这家公司在2019年2月刚刚完成了B轮融资,投资者包罗阿里巴巴。

KONUX的下一步计划是在中国开展业务。4. MtellMtell的产物主要是解决非计划停机的问题。他可以资助企业提高资产使用率,并通过准确预测何时发生设备故障,相识为何发生故障以及划定如何制止故障,从而制止意外停机。Mtell的创新之处在于,提出了新的分析方法:处方型维护。

简朴的说,处方型维护就好比你去医院看医生,首先是症状分析,不仅仅是对现状举行分析,而是要回首使用的历史,已往曾经泛起的故障,以及其时故障如何解决的,凭据这些信息举行最终的诊断。Mtell通过机械完成这些事情,不仅通过传感器提供的信息,Mtell还要检察已往维护调养的历史,已往泛起故障时,这个故障怎么发生的,为什么会发生,通过这些信息决议未来该如何解决,这样做出一个故障的诊断。

现在Mtell已经被AspenTech收购。5. PetasensePetasense也建立于2014年,通过监控关键旋转机械的运行状况,提供预测性维护解决方案。在电力、石油、化工、冶金等种种流程行业,设备振动数据和流程控制数据划分存储在两个独立的系统中,相互之间并不集成。

预测性维护恰恰需要振动数据与运营数据精密反馈和自动迭代。为了更好的解决这个问题,Petasense选择与OSIsoft互助,团结推出的预测性维护解决方案,正在被硅谷电力公司使用。

值得一提的是,OSIsoft建立于1980年,是一家实时数据治理软件制造商,旗下的PI实时数据库系统已经被广泛应用于流程行业。在2017年,这家公司被软银投资数十亿美元。

如果你对这个领域的更多公司感兴趣,可以参看下表。我们喜欢高估五年,却总是低估十年。

这句话用在预测性维护这里,看来很是合适。为了推进预测性维护的落地,摆在物联网企业眼前的路没有捷径。物联网企业需要具备对行业中特定应用的深刻看法,并提供更完整的端到端物联网解决方案。固然,这并不容易。

本文小结1.凭据贝恩咨询的最新调研,虽然大家对于恒久愿景都深信不疑,但许多企业都调治并减缓了预测性维护的推进节奏。2.预测性维护市场生长不及预期,潜在原因可能包罗:投资回报率难以盘算转变商业模式,先要转变思维基础不扎实,数据量不足。3.预测性维护领域的初创公司很是活跃,其中不乏未来的工业重塑者。


本文关键词:这个,工业,互联网,的,“,杀手级,”,应用,yabo亚搏手机最新版app,导

本文来源:yabo亚搏手机最新版app-www.xijiuguoyun.com

 


产品咨询

留言框

  • 产品:

  • 留言内容:

  • 您的单位:

  • 您的姓名:

  • 联系电话:

  • 常用邮箱:

  • 详细地址:


推荐产品

Copyright © 2005-2021 www.xijiuguoyun.com. yabo亚搏手机最新版app科技 版权所有 备案号:ICP备58005989号-8

在线客服 联系方式 二维码

服务热线

045-77047377

扫一扫,关注我们