预测性维护：工业数字化领域潜在爆发点

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。

随着数字化技术的创新与发展，工程制造设备变得更加高效与智能，但设备本身维护工作却仍面临巨大挑战。传统维护模式中的故障后维护与定期维护将影响生产效率与产品质量，并大幅提高制造商的成本。

随着物联网、大数据与传感器等技术的成熟，预测性维护所依赖的技术已经取得了快速发展与突破。作为工业数字化领域的潜在爆发点，机械工程领域服务供应商与运营商应：

如何评估预测性维护在未来业务中的重要性？

预测性维护产品与服务发展现状如何？

如何改进产品？

如何完善商业模式？

如何看待机遇与风险？

预测性维护

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。通过连续的测量和分析，预测性维护能够预测诸如机器零件剩余使用寿命等相关指标。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。

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。这将极大地改变机械工程类公司设备维护与生产的战略，也将推动其服务供应商商业模式的转型。

资料来源：罗兰贝格《预测性维护》报告

供应商提供的相关服务旨在帮助机械工程类公司客户提高工作绩效、降低成本。其中，大多数受访公司更加重视预测性维护在提高绩效方面的重要意义。

资料来源：罗兰贝格

0glass AR智能眼镜真正做到了预测性维护，解决了工业大数据中人的数据缺失的问题。对于设备检修方法，可以分为故障式（大故障能够处理）、状态式（小问题及时发现） 和预测式（预测故障发生的趋势）。过去，我们最多只能做到状态式，对于预测式方法是“渴”望而不可及，在今天的科技高速发展的时代，无论是在医学、亦或是国防军工领域、科技发展领域等都在意识到数据的重要性，凡是都以数据来说话，大数据早已是大家耳熟能详的一个词汇。

预测性维护，也就是对人和物大数据的掌握。仅仅知道设备本身的磨损率、消耗率是远远不够的，我们还应该掌握影响设备的数据以及维护这个设备的数据等，这些足以说明科技发展的今天，只有掌握了这些所有的大数据之后，才可堪称其为真正意义上的大数据，才能做出实实在在的预测性维护。而0glass AR智能眼镜就能很好地做到这一点。不等出了问题再去解决问题，而是掌握了互联网和信息技术，同时又有大数据支撑，才可以做预测性运维。

预测性维护业务发展现状

预测性维护已经成为德国工程领域中重要的发展趋势，不同行业中已经存在广泛共识，但仅有不到40%的企业认为预测性维护是帮助稳固并提升服务收入的关键成功要素。

大多数受访公司已经开始积极着手发展预测性维护业务，但现有可以提供相关技术与服务的公司仍占少数，大部分公司尚处于产品研究阶段，或仍未开始任何相关工作，现有产品与服务的成熟度差异仍然较大。

资料来源：截止2017年1月31日调查结果，总数为153； 不包括未回答问题；罗兰贝格

虽然业内普遍认为已基本掌握了支撑预测性维护的主要技术，对其相关服务财务表现预期的乐观态度也大于对负面效应的担心，但大多数受访公司仍未建立起系统化战略，缺乏明确的商业模式、业务目标和相应的开发预算。高达65%的受访企业表示其尚未明确在价值链上的定位和主要盈利模式。

调查特别关注了供应商对客户态度的把握，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，大多数受访对象也承认在对客户以及终端客户真实需求的理解上仍存在不足，无法确定客户是否认同预测性维护可带来的价值与意义。

预测性维护业务发展预期

预测性维护预计将在2020年之前取得突破，传统硬件供应商的核心竞争力在于所在领域的专业知识技能，相关平台运营商及背靠IT基础架构与大数据技术的初创企业也正积极投身于未来的市场竞争，胜负尚未有定论，但大多数受访对象都认为，预测性维护的未来主要机会将出现在软件方面。

预测性维护商业模式的盈利问题仍是重中之重，受到业内一致关注。受访企业表示未来预测性维护服务可能仍主要作为供应商基本服务的组成部分，供应商的定价模式更关注成本，而非绩效。

资料来源：罗兰贝格

企业未来需要对预测性维护的逻辑和价值有清晰的认识。大多数受访对象表示将与专业的外部伙伴合作(尤其在软件和数据分析领域)，部分调查对象甚至未明确排除与直接竞争对手合作的可能性。

这项新的服务也将发展出新的思维方式：为体现预测性维护方案对客户公司整体目标以及对关键业绩指标(KPI)的贡献，预测性服务供应商将直接同客户的最高管理层开展合作与对话。

预测性维护业务发展建议

为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之外，罗兰贝格认为，预测性维护供应商还需注意以下三个方面：

1. 不同的创新流程：“市场拉动”

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，大幅加快研发速度并融入迭代式开发的理念。

2. 不同的市场策略：“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，认真思考客户如何看待他们在价值链上的定位与重要性，如何使客户接受预测性维护的费用。

3. 不同的合作形式：“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，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。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数字化机遇。

（END)