BENEVO台灣部落格 之 科技應用。創新與分享

近日，IoT Analytics發布了一份綜合的市場報告，該報告聚焦於2017至2022年期間預測維護市場的機會。

何為預測性維護策略？簡而言之就是藉助演演算法分析檢測故障發生前的機械狀態，並預測故障發生的時間。除此之外，還能夠確定可延長機械使用壽命的主動性任務類型。

預測性維護作為一個新興市場，因為維護策略從所謂的事後控制方式轉移到通過分析和啟用預測性維護來解決問題，無疑向我們展示了一個就發展潛力的市場。在這個市場中，IoT平台商、低成本的安全雲存儲廠商以及提供動態數據模型的分析供應商扮演著至關重要的角色，發揮著越來越大的作用。

研究表明，物聯網的發展和先進的分析推動了整個市場採取預測性維護策略，從而帶來25％-30％的效率提升。IoT Analytics發布的這份報告中指出：2016-2022年期間預測性維護的複合年均增長率（CAGR）為39％；另外，到2022年，年度技術支出將達到10.96億美元。

報告數據基於110家從事預測維護實施的技術公司相關業務的收入所得出，這些公司跨越13個行業和7個技術領域。這110多家企業中不乏一些初創企業，它們大部分是為預測性維護提供軟體解決方案的公司。整份報告從以下五個不同的部分切入：

• 狀態監控的硬體

• 工業自動化硬體

• 通信連接

• 存儲與平台

• 數據分析

下圖顯示的是前20名實現預測性維護的公司，而本文將展示重點展示其中五大預測性維護公司的相關案例。

前20名實現預測性維護的公司（聲明：由於每家公司對於預測性維護的定義有所不同，加之在市場營銷方面的力度也有差異，因此排名只是相對的，高排名並不意味著該公司擁有良好的預測性維護解決方案，也無法代表公司相關業務的收入。）

IBM

在所有的公司中，IBM之所以能拔得頭籌，一方面得益於公司背後龐大的團隊在預測性維護方面做出的努力，另一方面則是因為該公司通過媒體進行了大量的宣傳報道，從而提高了其在預測性維護市場的知名度。

IBM 的PMQ(Predictive Maintenance andQuality)大數據分析預測解決方案基於對設備性能和使用狀況的實時分析，通過監測、分析和記錄設備的數據，從而輸出主要設備的健康管理數據，減少非計劃成本，延長設備壽命，提高產品質量和收益等。

案例一

IBM和電梯公司KONE簽約合作，後者在全球擁有幾百萬台電梯和自動扶梯。這些電梯設備上的感測器無時無刻的不在把電梯的運行數據上傳到IBM的雲端。

IBM Watson 可以實時分析電梯周圍環境的溫度、濕度；電梯或扶梯的停靠準確性、運行速度、開門關門是否有時延，停頓後是否有顛簸等等。所有這些數據都能自動傳輸到IBM Watson平台上進行分析和監測，這些數據體現了KONE分布全球的電梯和自動扶梯的即時運行狀況。通過分析這些數據信息，能夠預測電梯運行狀況是否存在風險，或電梯是否需要維修保養。

實際上，IBM 也是在拿KONE 電梯和自動扶梯業務做小樣本測試，如果Watson能通過處理電梯或自動扶梯的監測數據來保障設備的安全運行，那麼未來在類似設備的遠程監測領域，Watson的用途和商機無限。

案例二

IBM利用 Watson IoT數據分析和優化能力，幫助美國的普惠發動機公司實現預測性維護，從而防止由於發動機故障導致的飛機事故。

之前，普惠發動機公司雖然能夠收集關於其發動機運行的大量數據，但缺乏整合和分析數據的能力，不能提前預測發動機潛在的故障隱患。

IBM通過PMQ的預測模型和數據集成模塊將發動機的運行工況等數據進行360度的健康和風險主題分析，並將這些分析結果及時反饋給惠普，97%的空中停機預警準確率可以有效規避由於發動機故障導致的飛機事故，保障飛行安全。

SAP

SAP發力預測性維護市場已然有多年歷史，並因此成為與「預測性維護」相關的關鍵詞搜索最多的公司。藉助SAP 預測性維護及服務，企業可以更深入地洞察海量實時數據，進而採用全新的方式，管理企業資產、提供現場服務。

案例

全球最大的空氣壓縮系統供應商之一的凱撒空壓機，藉助SAP 預測性維護及服務解決方案實時監控壓縮空氣站的情況，並在客戶資產出現故障之前主動採取維護措施。

* 預測故障，快速響應維護條件，並積極採取行動；

* 利用實時故障管理，對系統故障進行識別、隔離並恢復；

* 根據最新的詳細信息，按績效派遣技術人員提供服務；

* 優化資產管理，追蹤和監控資產位置，並實現遠程維護場景；

* 自動訂購零部件與耗材，實現收入最大化。

該解決方案更是為凱撒帶來了全新的業務模式創新——客戶可以按照感測器記錄的實際空氣壓縮量來付費。該舉措對凱撒，甚至其客戶都是一項共贏的商業模式，拓展了凱撒公司的收入來源。

西門子

作為工業自動化的專家，西門子與SAP和IBM做預測性維護的角度不同——通常是將預測維護應用於工廠設置和工業設備的自動化系統中。因此，在坐擁海量數據的基礎上，西門子已經有了建立機器學習演演算法的前提。例如，為了在NASA阿姆斯特朗飛行中心（冷卻系統）實施預測性維護，西門子與美國的Azima DLI合作，Azima DLI致力於提供分析服務。在另一個項目中，西門子於2016年10月在德國鐵路公司推出了為期12個月的預測性維護試點。

案例一

西門子正在與IBM攜手合作，進一步為客戶簡化MindSphere的數據分析功能。雙方計劃將數據分析服務「IBM Watson Analytics」以及更多分析工具融入MindSphere。此舉旨在使企業客戶能利用可視化功能和儀錶盤工具，而應用開發人員和數據分析人員能通過交互界面來利用分析技術。IBM還打算為MindSphere開發應用，比如在預測性維護領域。IBM和西門子希望在高效分析技術以及工業自動化和數字化等領域將各自的技術專長融合在一起，並以此幫助其客戶邁向數字化。

案例二

西門子Healthineers在HIMSS17大會上宣布，其已推出一款針對醫療保健提供商、解決方案和服務提供商的數字平台。該平台的目標是促進數字生態系統的發展，將數字生態系統與醫療服務提供商和解決方案提供商相互聯繫起來，讓他們在該平台上交流數據、應用和服務，實現數據提供者和專家之間的快速、簡單和無縫的交互，為醫療保健作出貢獻。

通過數字生態系統，西門子Healthineers將為客戶提供可用於不同評估的匯總數據。例如，用於預測分析的工具可以使用戶能夠辨別新的相關性和趨勢，以幫助改善診斷並指導治療選擇。全球知識交流是醫學改善病人護理的重要途徑。西門子Healthineers數字生態系統允許專家與世界各地的同行聯繫和溝通，醫療保健提供者可以從西門子健康醫生在幾乎所有臨床領域的廣泛專業知識中受益，其中包括醫療保健市場數據安全方面的經驗。該平台計劃於2017年秋季上市。

微軟

微軟Azure正致力於將自己發展成為工業IoT解決方案和預測性維護的首選公共雲平台。根據該市場報告，越來越多的預測性維護的應用程序正在從內部部署轉移到雲端。到2022年，大約有70％的預測性維護設置將被雲託管。除了雲基礎架構，微軟Azure目前還有兩個「預先配置的解決方案」，旨在幫助任何人輕鬆上手，例如提供必要的分析引擎-「預測維護」和「遠程監控」。

案例一

去年，蒂森克虜伯電梯在漢諾威工業博覽會上推出全球首個採用微軟Azure物聯網（IoT）技術的預測性電梯維保解決方案MAX。藉助物聯網技術的力量，MAX可以讓電梯「告訴」維保人員它真正的需求，包括實時維修需求識別、部件更換以及預測性系統維護，從而使得維修人員能及時採取相應措施，大幅度提升電梯的正常運行時間。

通過MAX，電梯可以通過雲平台連接起來，從而對包括運行速度、載重和門系統在內的所有功能進行精確監測。通過『微軟Azure機器學習』服務，MAX致力於改變電梯服務，提高效率並在未來實現停機時間縮短一半。

案例二

在去年的CES上，微軟高管談論了其 「互聯汽車」（Connected Car）戰略，該戰略目的是將車輛連接到諸如 Office 365 和 Azure 之類的微軟雲服務上。而在今年CES現場，微軟舊調重彈，再次強調了「互聯汽車」的概念，不過他們給此次升級版的Connected Car 2.0取了個新名字叫Connected Vehicle，但是目標並未改變：將汽車聯入微軟雲服務。隨後，微軟與雷諾-日產宣布合作，將在新一代汽車中使用微軟雲服務進行導航、預測性維護和遠程車輛監控。Microsoft Connected Vehicle是一個「活躍、機動的平台，以雲服務為基礎，旨在解決合作夥伴提出的五個優先順序核心任務：預測性維護、提高車載產品生產率、高級導航、消費者需求以及輔助自動駕駛」。

GE

GE的預測性維護包含了兩個角度：一是建立在硬體狀態監控領域之上的 GE Measurements，二是涵蓋了預測性維護的軟體和分析部分的GE Digital。GE的Predix平台以資產績效管理（APM）的基礎，GE稱其是物聯網領域第一個「殺手級應用」。此外，GE Digital正在推進數字雙胞胎的概念，這是預測維護分析的重要基礎。

案例

GE Transportation再製造工廠是通用集團旗下的柴油機回收、維修及再製造工廠，這個工廠是由舊工廠改造而來，主要是利用Predix平台在底層實現車間設備的數據採集和互聯，然後將這些數據反饋到Predix平台進行分析，來跟蹤設備狀態，產線狀態和信息，進而提高設備及過程的可控性，降低生產成本和風險，並提升企業的盈利能力。針對每一台內燃機中柴油機的使用工況進行有針對性的再製造，儘可能利用還可以使用的零部件。

特別值得一提的是，GE Transportation工廠已經部署圖像採集和分析系統，通過對產線的每個工段進行圖像抓取和匹配識別，實時對車間生產進度和狀態的跟蹤。

GE每天監測和分析來自1000萬個感測器的5000萬條數據，這些數據涉及資產價值達到萬億美元。Predix工業物聯網大數據分析雲平台可以幫助客戶將海量數據轉化為準確的決策，及時、主動地確保資產安全、幫助設備更好地運行、消耗更少的燃料、更高效地部署服務，並且最大限度地減少意外停機時間。

除了GE、西門子等傳統工業企業以外，技術巨頭亞馬遜、思科、Google、IBM以及微軟等也對工業物聯網虎視眈眈，甚至一些初創企業也蠢蠢欲動。值得注意的是，下一代分析技術的許多技術創新來自於一些初創企業。報告指出，由於各種原因（例如成本，數據隱私和靈活性），許多原始設備製造商更願意與較小的供應商進行合作。在有關預測性維護項目的大軍中，C3 IoT、Uptake和SpaceTimeInsight這三家無疑最受歡迎，資金輸入自然名列前茅。

總結

在現實的生產過程，故障的發生率遠比我們想像的更加難以控制：產生線突然的停機，排除故障的延時，人為的操作失誤，重複的設備維護導致額外成本的增加，維護設備的不及時性等。我們往往都在被動的接受故障發生，並在故障發生後進行著「不能精確計算是否為最合理」的維護。

工廠不僅是設備的集合，更是「活著的管家」，他懂你，他能告訴你目前「家裡」各部門的運行狀況，他還能根據過去運行數據與當下運行數據的累計進行實時監控與分析，預測未來可能出現的狀況，並提前告訴你哪些設備需要維護哪些設備需要更換，這一決策基於客觀的數據分析與判斷，規避了人為的經驗主義；同時，提前預警為你留出了充分的時間對維護做提前的準備，避免突然停機再維護的高額成本，這提高了工廠的製造效率。

更進一步，基於數據的智能工廠無處不在，會出現真正的無人工廠，機械手臂替代勞動力，工廠內所有設備的運行數據都將展現在管理者面前。不僅是了解運營狀況與預測未來，還可自動觸發工單分派任務與自我維護，甚至還能在不斷的糾錯的過程中，自我總結與學習，給出更合理的建議與執行方案。

為了適應極富挑戰性的工業環境，系統工程領域、生產 IT 領域以及業務系統領域必須實現前所未有的集成以提升生產效率。

這一偉大變革不是在遙遠的未來，現在就已經開始了，你，準備好了嗎？

Reference: http://www.ineews.com/zh-tw/377640/