• <dd id="xqu0e"><legend id="xqu0e"></legend></dd>

    <div id="xqu0e"><ol id="xqu0e"><kbd id="xqu0e"></kbd></ol></div>
    <dd id="xqu0e"></dd>
  • <div id="xqu0e"><tr id="xqu0e"></tr></div>

  • <em id="xqu0e"><ol id="xqu0e"></ol></em><div id="xqu0e"></div>
  • <em id="xqu0e"></em>
  • <dd id="xqu0e"></dd>
    <div id="xqu0e"><tr id="xqu0e"></tr></div>

    当前位置:100EC>行业研究>浅析:工业互联网的“杀手级”应用为何发展不及预期?
    浅析:工业互联网的“杀手级”应用为何发展不及预期?
    发布时间:2019年03月26日 09:46:29

    (网经社讯)作为工业互联网IIoT和边?#23548;?#31639;的重要应用之一,预测性维护大约在两年之前就已被寄予厚望。各大公司和初创企业都进行了重点布局,似乎?#25216;?#20449;预测性维护必将成为IIoT中少数的“杀手级”应用之一。

    比如华为抓住市场痛点,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?#23637;?#21496;。空客则选择自建边?#23548;?#31639;和云平台能力,量身定做自用的预测性维护系?#22330;?nbsp;

    鉴于市场中的存量设备数目相当可观,绝大多数还没采用?#34892;?#30340;预测性维护方?#31119;?#32780;设备维护产生的费用超过设备总体生命周期?#26432;?#30340;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会保持高速增长,复合年均增长率(CAGR)为39%。

    两年过去了,预测性维护发展得怎么样?

    最近贝恩咨询发布了一份报告,总体上阐述了一个意料之外、情理之中的核心观点:预测性维护的发展不及预期。

    任何事情的发生和演进,都有其必然的原因。预测性维护作为工业互联网的典型应用,分析它的发展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?#20303;?/p>

    为何预测性维护发展不及预期?

    预测性维护的初创公司在修炼哪些能力?

    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、性能等条件对设备进行定期维修,更多还是凭经验。

    预测性维修:属于事先维护,基于安装在设备上的各种传感器,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命令。

    GE在两年之前发布的一份研究报告令人记忆犹新——调查结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?#38050;?#36896;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?#23548;?#31639;和人工智能的发展,开启了用最新技术改变预测性维护市场格局的机会大门。

    以上几点综合考虑,各类公司纷纷抢滩预测性维护这方“沃土?#20445;?#29702;所当然。

    虽然对预测性维护的发展仍然坚定看好,但是很多企业已经意识到,预测性维护真正发?#26377;?#29992;的时间比预期的要长。

    2019年初,贝恩咨询对600多名?#35775;?/a>企业高管进行了调查,很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过程比预想中更困难,从数据中提取有价值洞察的?#35759;?#26356;是远超想象。

     对比贝恩咨询在2016和2018年分别进行的两次调研,真正实施?#22270;?#21010;采用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年调研得到的红色虚线,很多企业都调节并减缓了预测性维护的?#24179;?#33410;奏。

    首要考虑因素的比例.jpg

    对于预测性维护在方案?#24179;?#20013;面临的困难和风险,大?#19994;?#21028;断更趋于客观。很多企业除了担心安全性、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,都进行了重新评估。

    从现实情况上来看,虽然提升工业互联网的安全性、加速IT与OT的彼此融合、给出确定性的投资回报分析,一直都是企业关注的问题。但两年过去了,这些方面似乎仍旧没有取得预想中的进展。

    从应用实施的优先级上来看,预测性维护处于第一阵营的地位没有变化。然而,质量控制超越了预测性维护,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?#32439;?#20063;成为热门应用。

    服务商和供应商?#24179;?#39044;测性维护的意?#31119;?#27604;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。

    很多企业还乐于尝试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明显不足。

    从国内情况来看,与国外有所不同,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,乃至整个工业互联网市场,被不少企业?#20013;?#30475;好。

    IoT市场份额细分.jpg

    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,达到2000亿美元。

    为了抓住未来发展机会,很多工业制造商和设备运营商都在大举投资和布局。

    根据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?#32422;?#30340;能力圈,?#20013;?#22686;加对于云平台、边缘分析、软件功能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?#20013;?#22686;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?#21152;?#26126;显领先优势。

    原因分析

    虽然前景一片光明,但当下预测性维护市场发展不及预期?#35789;?#19981;争的事实。

    究其原因,主要3点,也是整个物联网领域的通病。

    投资回报率难以计算

    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。

    1、投资回报率难以计算

    投资回报率ROI如果算不清楚,就意味着见效慢,效果很难评估,工业企业的?#24179;?#24847;愿自然不会提升。

    工业场景中包含众多要素,人、机、料、法、环。预测性维护主要与“机”挂钩,其中不同行业属性、不同企业类型,机械的种类很多,预测性维护产生的价值有天壤之别。

    从整个产业链条上来看,可以将与“机”相关的产业链简单?#30452;?#30340;与汽车行业做个类比。汽车的价值链包括车主、4S店、车厂、汽车零部件的各级供应商。“机”的价值链包括最终应用企业(最终用户)、设备服务商(代理商、集成商)、设?#38050;?#36896;商、各类工业自动化厂商。

    围绕预测性维护开展业务的物联网企业,在传统产业链条中需要?#26131;甲约?#30340;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?#27973;?#24222;大。保守估计,国内实施了ERP或者供应链管理系统,拥有基础信息化能力的工厂,有接近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合作,由于预测性维护本身同时涉及软件和?#24067;?#29289;联网企业有可能面临定制化程度高,项目难以进行标准化,无法广泛复制的窘境。

    如果从中小企业切入,则可能会更惨。面对如此大量的企业,如何?#34892;?#30340;触及,并将预测性维护提供的价?#24403;?#29616;,这里面存在不少坑。

    工业体系经过多年的发展已经相当成熟,很多机械的维护维修,利润空间本身就不高。新型物联网企业有可能会发?#32456;?#33150;?#33487;?#20123;年,即便有了一定的规模,也不一定能真正赚?#35282;?/p>

    因此面对中小企业,物联网企业除了利用预测性维护,将服务?#26041;?#20174;“被动?#21271;?#20026;“主动”之外,还需要具备提供更多深度服务的能力,才能立足。

    再从设备类型上来看,工程机械、注塑机、数控机?#30149;?#31354;压机…行业集中度不同,设?#38050;?#36896;商提供服务的能力也不同。因此留给提供预测性服务的物联网企业的生存空间也不同。

    高价值设?#31119;?#25110;者重要型设?#31119;?#23427;们的维护维修,更多是由最终用户?#32422;和?#25104;的,很少外包给物联网服务型企业。?#34892;?#38750;重要型设?#31119;?#24456;长时间不会发生故障的设?#31119;?#25110;者发生故障后具有维修时间弹性的设?#31119;?#20250;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?#38050;?#36896;商这两端之间,可能伴随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、以及时间和金钱。

    ?#34892;?#24773;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合作协议中,保证设备的正常运行,如果发生停产损失,设备服务商需要承担一定的赔偿责任。这自?#36824;说?#20102;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多少钱?#40092;?#21602;?

    预测性维护带来的收益,如果转化为财务指标,需要经过完整的周期性分析和验证。只有算得清楚经济账,最终用户才会愿意长期为预测性维护的价值买单。

    因为预测性维护带来的停机风?#25112;?#20302;难与经济回报挂?#22330;?#21333;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,需要经历半年甚至一年的验证周期,有时还需要?#23500;?#21040;每单位销售额的颗粒度。如果遇到销售额受环境变化影响,波动较大的最终用户,核算的?#35759;?#26356;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。

    2、转变商业模式,先要转变思维

    如果?#20976;?#30001;预测性维护降低的停机风险,?#20976;?#30465;钱的经济账,是?#23545;?#19981;够的。

    好的商业模式,不一定?#21069;?#26368;终用户多省钱,而?#21069;?#35774;备服务商或者设?#38050;?#36896;商多赚钱。在这个过程中,物联网企业完成?#32422;?#30340;商业逻辑闭环。

    这里再做一个简单?#30452;?#30340;类比。共享单车虽然广受诟病,但也有可取之处,毕竟摩拜们改变了共享出行的格局。

    如果当初摩拜创立的时候,没有选择?#32422;?#20570;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管理,提供共享出行服务,让每一个自行车闲置资源的参与者都赚?#35282;?#22914;?#33487;?#33324;,摩拜是否能够形成如今的发展势头呢?

    答案是否定的。摩拜的成功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,变成了自行车骑行之旅。如果没有独特的自行车设计,统一的服务质量,良好的出行体验,很难大量激发最终用户对于共享自行车的使用需求。

    在这个过程中,摩拜成为新型“设备服务商?#20445;?#25285;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?#38050;?#36896;商”的发展,制造了前所?#20174;?#30340;大量设备。

    类比过摩拜,我们再说回工业。

    现?#35789;?#24037;业体?#23548;?#24230;分散,每一家设备代理商或者集成商,?#27982;?#20020;利润率越来越低的窘境,横向的整合有可能会越来越多。何况并不是所有设?#38050;?#36896;商,都?#24515;?#21147;提供预测性维护。

    因此预测性维护的价值不一定是让每一个小的服务商、设备商都赚?#35282;?#32780;是让?#24515;?#21147;提供良好服务、统一体验的设备服务商和设?#38050;?#36896;商赚更多的钱,设备服务从“被动等待”模式转变为“主动出击”模式,设备销售从“一次?#26376;?#21334;”到“?#35789;?#29992;时间付?#36873;?#30340;模式,从而?#24179;?#27178;向聚合的发生。

    不过目前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?#36164;?#20026;了省钱,还是为了赚钱?#31354;?#26159;一个颇具争议的话题。

    CompTIA美国计算机行业协会针对这个问题专门进行了一项调查。你猜结论是什么?

    物联网的财务影响.jpg

    物联网对收入的影响.jpg

    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好处还没有达成共识。

    3、基础不扎实,数据量不足

    工业设备的预测性维护,?#27982;?#20020;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?#34892;?#25104;?#34892;?#30340;长期积累。

    所以预测性维护最常见的故?#29575;欠?#26426;发动机,因为传感器足够多,监测时间足够长。

    为什么设?#38050;?#36896;商不在设备出厂之前,加?#26696;?#22810;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?#26432;荊?#24179;?#33258;?#21152;了设备的复杂度,还没有明确的应用意义。设备本身已经够复杂了,谁也不愿意再费力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,预测也不一定准确。预测不准,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,因此在目前的应用中,“?#24067;?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?#24615;紜?/p>

    很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?#20132;?#24471;了APT公司以及ASL资料库的控制权,就是一个明显的信号。

    APT公司(Asset Performance Technologies)的资产战略资料库ASL,可?#36816;?#26159;全球最全面的工业设备故障数据库。虽然APT公?#22659;?#31435;于2004年,但ASL资料库此前便开始积累,利用超过20年的时间,?#21344;?#20102;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策略建议。

    Uptake公司2014年成立于美国芝加哥,提供工业人工智能软件开发及服务,帮助企业客户进行数字化转型。目前Uptake最成功的案例当属与凯特彼?#23637;餐?#24320;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。

    还有一些物联网公司正在想办法,利用软?#24067;?#19968;体化的?#32479;杀?#26080;线传感器,从原先没有数据的地方把数据采集上来,完成从0到1的突破。

    能够实?#32456;?#31181;突破的根本性原因有4点:

    无线连接的普遍存在,以及连接?#26432;?#30340;?#20013;?#38477;低

    小型化的?#32479;杀?#20256;感器大量可用

    企业开始接受边?#23548;?#31639;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

    创新正在发生

    最后来看看预测性维护的初创公司在修炼哪些能力?很多初创企业已经意识到,真正的机会是利用预测性维护创造全新的业务。

    现在判断哪些企业将会冲出重围还为时?#24615;紓?#25105;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国外企业为主。

    1、Uptake

    前文曾经提到,Uptake是一家成立于2014年的初创公司,而且可?#36816;礥ptake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出现故障,并可能会导致其中一个?#26032;?#22612;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?#26032;?#26426;完全崩溃,损失将高达25万美元。

    但是最近,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发电集团以及GE数字化集团。GE的诉讼理由是:Uptake有预谋地挖墙脚、窃取商业机密以及不正当竞争。

    GE认为,这6名?#23665;?#30001;于职?#20976;?#33268;,熟悉GE的商业机密,?#20849;?#19982;了Uptake的“挖墙脚”?#34987;?#19981;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自然不服。今年2月22日,Uptake反诉GE违反软件许可协议以及滥用商业机密。Uptake称,GE在滥用由Uptake并购的公司APT开发的软件协议。

    GE和Uptake的官司还在继续。

    更为严重的是,Uptake的经验似乎从反面证明了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?#20013;?#25237;资,将削弱?#32422;?#30340;竞争力。

    同时卡特彼勒在逐渐收回销售给代理商的监控软件的控制权。卡特彼勒的最终用户利用这些软件,可?#32422;?#27979;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?#32422;骸?#20307;内”。

    2、Predikto

    Predikto的独特优势在于,他的技术平台能够处理数百个不同的工业资产数据集,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,让企业提前采取措施,避免故障,延长资产正常运行时间。 

    Predikto已经被联合技术公司?#23637;?/a>。

    3、KONUX

    KONUX专注于铁路领域,他们结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利用,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,投资者包括阿里巴巴。KONUX的下一步计划是在中国开展业务。

    4、Mtell

    Mtell的产品主要是解决非计划停机的问题。他可以帮助企业提高资产利用率,并通过准确预测何时发生设备故障,了解为何发生故障以及规定如何避免故障,从而避免意外停机。

    Mtell的创新之处在于,提出了新的分析方法:处方型维护。

    简单的?#25285;?#22788;方型维护就好比你去医院看医生,首先是症状分析,不仅仅是对现状进行分析,而是要回顾使用的历史,过去曾经出现的故障,以及当时故障如何解决的,根据这些信息进行最终的诊断。

    Mtell通过机器完成这些工作,不仅通过传感器提供的信息,Mtell还要查看过去维护保养的历史,过去出现故?#40092;保?#36825;个故障怎么发生的,为什么会发生,通过这些信息决定未来该如何解决,这样做出一个故障的诊断。

    目前Mtell已经被AspenTech?#23637;骸?/p>

    5、etasense

    Petasense也成立于2014年,通过监控关键旋转机器的运行状况,提供预测性维护解决方案。

    在电力、石油、化工、冶金等各种流程行业,设备振动数据和流程控制数据分别存储在两个独立的系统中,彼此之间并不集成。预测性维护恰恰需要振动数据与运营数据紧密反馈和自动迭代。为了更好的解决这个问题,Petasense选择与OSIsoft合作,联合推出的预测性维护解决方?#31119;?#27491;在被硅谷电力公司使用。

    值得一提的是,OSIsoft成立于1980年,是一家实时数据管理软件制造商,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。

    我们?#19981;?#39640;?#29282;?#24180;,却总是低估十年。这句话用在预测性维护这里,看来?#27973;:鲜省?/p>

    为了?#24179;?#39044;测性维护的落地,摆在物联网企业面前的?#35775;?#26377;捷径。物联网企业需要具备对行业中特定应用的深刻见解,并提供更完整的端到端物联网解决方案。

    当然,这并不容易。(来源?#20309;?#32852;网智库 文/彭昭 编选:网经社-电子商务研究中心)

    6月1日起,网经社启动“?#34987;?18”特别策划www.iifv.tw/zt/2019618/,分别通过消费预警、滚动播报、专题?#34987;鰲?#29616;场探访、社群直播、发布快评、?#25945;?#35780;论、投诉维权,对天猫、京东、拼多多、苏宁易购、唯品会、网易考拉、云集、蘑菇街、贝贝、洋码头、寺库、网易严选等国内各大电商平台进行?#20013;?#36319;踪报道、监测、评论,为您带来独一无二的618狂欢盛宴。

    平台名称
    平台回复率
    回?#35789;?#25928;性
    用户满意度
    广东11选五走势图 福利彩票双色球基本走势图 北京赛车pk10经验 香港两肖两码中特 天津十一选五开奖走势图 平特一肖规律公式 36选7复式怎么选号 体彩p3三精灵161杀三码 湖北30选5开奖奖结果查询 带人买彩票骗局 qq游戏欢乐升级外挂 贵州11选5复式表 安徽时时彩十一选五 福彩开奖第2019097期 网易彩票可以买了吗 河北大奖排行榜