曾被认为是工业互联网的“杀手级”应用，预测性维护为何发展不及预期？

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自己的能力圈，持续增加对于云平台、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也在持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和亚马逊占有明显领先优势。

2. 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，，工业企业的推进意愿自然不会提升。

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”相关的产业链简单粗暴的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)、设备制造商、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，对应的企业数量非常庞大。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硬件，物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，如何有效的触及，并将预测性维护提供的价值变现，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现折腾了这些年，即便有了一定的规模，也不一定能真正赚到钱。

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，才能立足。

再从设备类型上来看，工程机械、注塑机、数控机床、空压机…行业集中度不同，设备制造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。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!