【智能制造】预测性维护：工业数字化领域潜在爆发点

读而思

预测性维护对制造业的重要性已被充分认识和广泛接受。预测性维护是保证未来高效、可持续服务的关键。虽然预测性维护所依赖的技术已经取得了快速发展与突破，但在将数据系统地转化成(客户)利益并应用到特定商业模式方面，理想与现实之间仍然存在较大距离。

罗兰贝格管理咨询公司本文发表于《中国工业评论》杂志2017年第11期

预测性维护(Predictive  Maintenance，简称PM)是“工业4.0”提出的关键创新点之一。基于连续的测量和分析，预测性维护能够预测诸如机器零件剩余使用寿命等机关指标。关键的运行参数数据可以辅助决策，判断机器的运行状态、优化机器的维护时机。
预测性维护是从“状态监测”这一概念发展而来。“状态监测”收集被监测零件状态的实时信息；然而，状态监测未能前瞻性地预测机器运转中断和磨损消耗。因此，预测性维护的出现是一大转折点：更加精巧的传感器、更加高效的通信网络、能够处理大规模数据的强大运算平台，通过随机算法将数据与机器出现问题时的数据模式进行比对。由此，我们可以识别、模拟并解读机器运行参数的规律。正是这些规律帮助我们更加精准地预测机器的使用寿命，并且通过整合系统的所有操作数据，优化服务的方方面面——既能使客户受益，又能够帮助供应商改进产品。
拥有精确预测的能力后，产品生产和服务的整个过程以及相关决策都能变得更为主动、有针对性，并且有数据支撑。预测性维护使得供应商能够成为客户更好的增值伙伴。（图1）

预测性维护技术将改变客户的设备维护、生产策略，同时对机械工程类公司服务业务的商业模式带来巨大影响。其中，传感器、网络互联以及计算能力将挑战传统专业服务领域的知识和经验积累；拥有数字化领域知识背景的企业将进军制造业的服务市场。德国工程行业必须在预测性维护解决方案的定义、执行与传播过程中占据领导地位，以应对所面临的严峻挑战。因此，德国机械工程行业协会和商品交易会运营机构德国博览会集团将“预测性维护”定为今年汉诺威工业展览会的主题之一。虽然在机械和厂房相关工程的各个环节中已经出现了大量方法和初始方案，但是关于预测性维护的讨论意见仍众说纷纭。

为了使讨论更加客观，并确定预测性维护所处的发展阶段，罗兰贝格与德国机械工程行业协会、德国博览会集团共同开展了一项大规模的企业调研，旨在清晰描述预测性维护方案的现状，以及德国工程行业对预测性维护实际应用情况。该项调查针对以下行业的相关公司：输电工程/液压传动、电气自动化/机器人技术、离散制造技术、软件工程及数字化技术。本研究对该项调查的关键发现进行总结。（图2）


预测性维护在德国工程行业中实际应用情况
预测性维护是德国工程领域的关键议题之一：毫无疑问，德国工程行业现已普遍接受并理解预测性维护这一重要的行业趋势。有81%的受访公司已经着手深入解决这个问题。
展望未来，许多公司仍难评估预测性维护作为成功要素的作用：近40%的公司认为预测性维护是帮助稳固并提升服务收入的关键所在和成功要素，对于未来业务的发展尤为重要。
不同行业中存在普遍共识：尽管各细分产业对预测性维护的具体产品和应用方式的理解上存在微小的差异，但我们的研究并未发现显著的分歧。总体而言，在不同行业中，各公司的看法、发展状况和面临的挑战大体相似。
仅有少数公司提供了具体的预测性维护产品/服务：在工程领域，预测性维护实际可用“产品”的成熟度差异巨大。尽管近40%的受访公司已在提供相关技术和服务，但大部分公司仍然在产品研究阶段，或尚未开始任何相关工作。
受访对象认为，预测性维护对客户带来的主要价值在于业绩提升：79%的受访对象表示，得益于更好的机器可用性、更长的服务寿命以及更稳定的工作等，客户从预测性维护中获得的主要益处是生产方面的优异表现。相较而言，仅有不到五分之一的受访公司将预测性维护看作削减维护成本的手段。（图3）

大多数受访对象期望预测性维护能推动业务增长：尽管关于预测性维护对财务方面的整体影响仍讨论激烈，但受访对象对于增长预期的乐观态度大于对负面效应的担心。从商业预期来看，80%的受访对象预计预测性维护将会刺激其服务业务的增长。相较而言，20%的公司更加关注风险，担心其现有的服务业务将可能受少量负面影响。

迫切需要和客户需求取得一致：迄今为止，预测性维护的发展动力主要来自于机械工程人员从技术角度希望改良产品的愿望。近90%的受访对象承认在对客户以及终端客户真实需求的理解上仍然存在不足。因此，即使供应商承诺预测性维护的益处，仍然不确定客户是否能够认同这些收益能增加显著且可量化的价值。
系统性战略和产品开发仍有不足：超过50%的受访公司仍然没有系统化方法——缺乏明确的商业模式、业务目标和相应的开发预算。这也说明目前发展方式主要受技术驱动，未让客户共同参与。
业内普遍认为已基本掌握了支撑预测的主要技术：受访对象认为，预测性维护所需的技术已大体就位。不过，在部分领域仍存在挑战，包括机遇分析和识别机器运转模式及状态数据微调预测性维护，从部件和机器层面发展到生产与系统(网络化生产)层面进行预测和决策支持。
许多企业尚未明确在价值链上的定位：预测性维护最复杂部分之一是将机器运行数据适当转化为对整个生态系统的认知以及客户实际收益。约65%的受访者表示其尚未明确自身定位。在一定程度上，这可能是由于企业(尤其是中小企业)缺乏数字化专业知识与技术导致的。几乎所有市场参与者都很难判断客户的“生态系统”和配套平台未来会如何发展。但企业必须进行自我调整应对这些变化，清晰认识预测性维护的逻辑和价值。由于预测性维护所涉及的数字化要素将不断增加，有69%的受访对象认为与专业的外部伙伴合作(尤其在软件和数据分析领域)“尤为重要”；40%的调查对象甚至未明确排除与直接竞争对手合作的可能性。
仍未明确预测性维护的盈利模式：有90%的受访对象提到了如何通过提供预测性维护服务盈利的问题，这显然是企业尝试建立商业模式时候面临的普遍困扰。原因之一是长久以来，制造业的客户不愿为数字化服务买单。受访企业现在更多考虑基于成本的定价模式，而非基于业绩表现“更数字化”的模式。（图4）

不过，也有许多企业已经清醒地认识到，这项新的服务需要新的思维方式。例如，需要对接客户的层级就有所不同。目标对象不应该再是车间工厂；与此相反，为了体现预测性维护方案对公司整体目标以及对关键业绩指标(KPI)的贡献，必须同客户的最高管理层直接开展合作与对话。

在某些领域中，要真正实现预测性维护的价值需要独立的、便于数字化的组织架构，整合的产品/服务战略。然而，当前大多数的受访对象仍是在原有的框架下提供预测性维护服务，同时在服务内容方面(如KPI、定价、销售、管控及垂直整合)的进展也非常有限。
预测性维护市场的胜负尚未有定论：谁能主导未来预测性维护服务的市场，是一个充满争议的话题。如今，所在领域的专业知识仍是硬件供应商的核心竞争力和优势。但这一优势未来能否延续，目前还不得而知。有大量受访对象认为来自其他行业的技术与平台提供商可能成为他们的潜在威胁。这些竞争者或许不具备行业应用知识，但他们能够在IT基础架构及大数据技术方面充分发挥自身优势。大多数受访对象认为预测性维护的未来主要机会将出现在软件方面。（图5）


预测性维护将在2020年之前取得突破
关于预测性维护市场渗透的速度，各方观点大相径庭；其中，对于传感设备和连接技术的更新程度存在不确定性，对新安装设备是否必须要接入到现有设备体系中存疑。用户愿意以多快的速度、在多大程度上、在哪些内部及外部存储设备上允许对数据访问也尚未明确。但即便如此，仍有近50%的受访对象认为，在2020年前预测性维护能够取得突破。这项调查结果再次表明了预测性维护数字化方面的特质，即周期短、颠覆性强。
作为工业数字化领域一个潜在爆发点，预测性维护对德国工程行业的重要性毋庸置疑。因此，大多数公司已经将其提上议事日程。虽然在此领域内，技术驱动的创新理念正逐渐受到机械及零部件制造商的重视，但是在许多情况下，其他主要的成功因素(例如对用户需求的精准理解、商业模式与需求的妥善结合)尚未得到应有的系统性思考。为了能够在预测性维护市场占据领导地位并获得商业成功，除了建立必要的大数据系统并提高大数据分析能力外，企业还需注意以下几个方面：
不同创新流程的“市场拉动”：必须要从客户利益的角度出发，通过与客户建立更为密切的协作，借鉴数字化领域的研发方式（例如设计思维与共同创新）来制定预测性维护方案。此外，还需要大幅加快研发速度并融入迭代式开发的理念(快速失败才能快速学习)。
不同的市场策略的“数字化模式”：在利用创新的、基于软件的定价模式和销售理念向客户传达产品价值的同时，企业还必须为客户提供具体可量化案例，需要与过往不同的、管理更广泛利益相关方的理念与方法。同时，企业必须认真思考客户如何看待他们在价值链(以B2C模式为基础)上的定位与重要性，如何使客户接受预测性维护的费用。
不同合作形式的“网络化方法”：在系统性构建核心能力的同时，企业必须专注于建设自身优势、提高附加值。此外，企业还应以更开放的心态积极加强与合作方的紧密联系，从而完善提供预测性维护服务所需的技能、技术和基础架构。如有必要，企业甚至需要与竞争对手合作，或者与其他生产环节和第三方行业中的公司进行合作。
同其他行业一样，数字化也是机械工程领域中的一个必然趋势。即使不考虑数字化带来的商业机遇，也没有任何一家公司能够承担起拒绝数字化变革所带来的损失。在预测性维护这一议题上，管理层同样需要通过制定清晰的战略和系统性的商业模式来积极把握机遇。
预测性维护并不是解决企业在产品、市场覆盖、服务水平等方面问题的万灵药。服务业务需要作为公司整体战略的一环而进行不断分析与完善。如果企业希望在服务业务中获得可持续的成功——不仅优化内部产品和效率且与客户建立长期的信任合作关系，成为一个对客户有价值的合作伙伴，那么企业就必需以客户为中心，明确在预测性维护服务方面的自身需求以及潜力，这一点势在必行。（来源：中国工业评论）

寄云NeuSeer平台大数据预测未来

寄云科技

寄云NeuSeer平台是国内首家打通全数据流程的工业互联网平台，其技术理念、平台架构、落地应用始终走在行业的前列。寄云NeuSeer平台由 Edge工业物联网网关、工业应用开发与工业大数据分析平台、工业应用三大核心部分组成，占据了工业互联网的战略要地，拥有完整的大数据分析套件和自研大数据算法、模型等。寄云科技在故障诊断、故障预测、运营优化等方面的应用，已经拥有多个国内工业互联网平台落地的典型案例。全流程的基于大数据分析的预测大数据分析预测是寄云NeuSeer工业互联网平台的核心部分，可以让数据分析师或者自动化系统做出预测性的判断并为后续操作提供指导。从预测的角度看，大数据分析预测所得出的结果不仅仅包含处理现实业务简单、客观的结论，更能用于帮助企业经营决策，收集起来的资料还可以被规划、引导开发更深入的应用。寄云NeuSeer工业互联网平台拥有从数据采集、数据分析、决策支持等全流程的功能组件，包括Spark等大数据分析框架服务，以及多种寄云科技自研大数据算法、模型等服务，分析师只需要注册、订阅即可在几分钟内使用。数据采集寄云NeuSeer Edge工业网关负责从各种传感器和控制系统中读取工况数据、设备状态数据，以及相关的作业记录，可以利用工业设备上已装传感器和控制系统收集数据，也可以获得更丰富的工况和工作状态信息。之后，通过寄云工业网关将其处理成带有时间标签的时序数据，发送到寄云NeuSeer平台进行存储和分析。数据分析寄云NeuSeer Stack工业应用开发与工业大数据分析平台负责提供数据的存储、查询和计算分析能力，其中寄云时序数据库提供海量历史数据的存储和查询能力，并支持对应用系统提供开放接口；同时，平台提供实时的大数据分析引擎，能够将各种基于大数据分析平台开发的数据预处理、特征提取、异常检测以及故障预测算法模型和实时的数据流结合起来，进行实时的分析和判决。预测优化基于寄云NeuSeer工业互联网平台的应用开发能力和实时数据可视化能力，用户可以快速构建各种实时监测、预测和历史数据查询类应用，借助平台提供的开放API接口，实现同其他IT或OT系统的集成；基于可视化的决策依据，以及开放的系统API，可以辅助决策者进行预测性维修和生产任务的调整。大数据实现航空制造故障检测及预测据悉，数控机床是飞机生产线上的关键设备，然而其非常精密，结构很复杂，在使用过程中难免会出现各种故障，严重的话可能阻碍生产的进行。因此，加强数控机床故障检测对设备维修及保障生产至关重要。借助寄云NeuSeer工业互联网平台的大数据组件、算法和模型，某飞机制造集团找到了准确的数控机床故障检测方法及数学模型，实现了及时准确地判断设备是否发生严重故障，在加速设备维修周期及速度的基础上，避免重大设备故障的发生，从而有力的避免了非正常停机给整个生产过程带来的工期延误，提高了生产力。预测未来 寄云NeuSeer平台高效筑梦工业4.0寄云NeuSeer工业互联网平台中大数据分析组件、算法和模型结合DevOps、CI/CD等先进的开发组件和服务，能够极大的提升工业应用的开发速度和质量，让工业大数据分析的实施与应用不再艰涩。此外，平台还积累了远程监控、性能评估和预测、故障溯源等丰富的通用工业互联网应用，能够帮助工业企业快速打通工业设备、系统之间的壁垒，实现万物智联，并通过数据融合、大数据分析预测实现工业全流程的协作，提高产能和效率。



人工智能赛博物理操作系统AI-CPS OS“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官  AI-CPS用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。





长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”[b]、“智能驾驶”[/b]；新模式：“财富空间”、“数据科学家”、“赛博物理”、“供应链金融”。官方网站：AI-CPS.NET

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com