预测性维护是边缘计算与人工智能，在工业落地的最短路径？

我的上篇文章《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?》引起了行业内的广泛讨论。大家从不同的视角，包括运营技术OT、信息技术IT、数据技术DT等多个维度，一起分析了预测性维护的前景和挑战，共同献计献策。

预测性维护(PdM)是工业互联网的重要应用，但它并不新鲜，在上世纪90年代就已经尝试被用于飞机发动机领域。最近几年，随着工业人工智能技术和边缘计算技术的逐步推进和成熟，过去仅仅集中应用于高端装备的预测性维护，可以“飞入寻常百姓家”，具备了大范围应用的经济性前提。

需要强调的是，预测性维护不同于预防性维护，在维基百科中，对两者进行了明确的区分，值得借鉴。

预测性维护(PdM)根据在役设备的状况，评估进行维护的时间，防止意外的设备故障。这种方法比预防性维护要节省成本，实现的关键是“在正确的时间内提供正确的信息”。

简单的说，预测性维护是依赖于设备的实际状况，而不是平均或预期的寿命统计，来预测何时需要维护。

更进一步，故障预测和健康管理PHM 还要做到能预测设备最后的剩余使用寿命到底有多少。

毫无疑问，预测性维护是未来的发展趋势。

如何真正撬动预测性维护这块市场蛋糕，挖掘新的商机?在上篇文章的交流中，许多互动和留言很有价值，因此用这篇文章进行延续和扩展。

本文中你将看到：

• 细看国内外的差异，国内最终用户使用预测性维护，顾虑哪些问题?
• 预测性维护的军备竞赛中，不同企业在沿着哪些路线前进?
• 工业人工智能和边缘计算，正在为预测性维护引入新的载体。
• 国内有哪些值得关注的初创公司?
• 值得关注的精彩评论。

涉及内容较多，我已高浓度提纯。

1. 最终用户的顾虑

预测性维护并不适用于所有的对象。

在这里借鉴美国智能维护系统(IMS)中心的分类，参考下图，纵轴代表故障发生频率，横轴表示故障发生后的影响。预测性维护适用于发生频率不高，但一旦发生影响很大的故障。

• 频率低、影响大：预测性维护
• 频率低、影响小：传统维护方式
• 频率高、影响大：系统设计有问题，需改进设计
• 频率高、影响小：准备更多备件

有效预测频率低、影响大的故障，是许多最终用户所期待的。对于预测性维护在方案推进中面临的困难和风险，国内情况与国外相比略有差异。

国内企业更加关心系统集成层面的风险。

最终用户的普遍顾虑包括：

(1) 缺少技术专家，模型准确度有待提升

机理模型，是指根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。这个模型是进行预测性维护的基础之一，但工业中的数据思维刚刚开始建立，懂得机理的专家毕竟是少数。

对于设备机理的深刻了解，需要基于十几年甚至几十年的长期经验积累才能具备。比如一家工厂中的某台重型设备总是发生偏轴的情况，长期争论到底是设备问题还是组件问题，悬而未决。直到找来一位富有经验的老教授，才最终发现问题所在。原来不是设备本身的问题，而是地基太软的问题，才导致传动轴总是发生故障。

预测性维护中采集哪些数据，如何安装传感器，如何选择采集频率和周期…都需要建立在掌握机理模型和行业know-how的基础之上。可以说预测性维护的技术门槛很高，尤其是行业know-how知识的门槛高，如果只懂IT领域的技术，就会发现空有十八般武艺，完全无用武之地。

(2) 数据可移植性差

你可能会问为什么数据需要可移植性?因为这是构成数据管理战略的基础。真正做到数字化的工业企业，必须全面了解所拥有的数据，掌握完整且持续更新的数据可见性，根据业务需求按需对数据进行迁移。

同时，工业数据的归属权和使用权问题一直都是敏感话题。

因为工业数据存在价值密度低、企业属性强的特征，不太可能产生直接的数据交易。但是工业数据又非常有价值，各方都希望得到使用权：最终用户根据数据可以改善生产和经营;设备服务商根据数据可以提供更好的设备保养和服务;设备制造商根据数据可以改进机器参数，优化设备指标…

从类别上来看，工业数据大致可以分为两种，一种是设备数据，一种是工况数据。工况数据涉及企业内部经营信息，最终用户并不希望进行数据分享。

预测性维护的准确度越高，价值越大，难度也越大。由于数据本身就是资产，最终用户的数据安全和隐私保护意识越来越强，预测性维护想要提升准确性，大量数据做算法训练又必不可缺，数据是否可得、可用、可复用?其中太多困难。

(3) 供应商存在较大风险

预测性维护被吹捧为“杀手级”应用之后，很多公司都在围绕这个领域开展业务。其中不乏鱼目混珠者，拿着“听诊器”就来做预测性维护，让专业用“CT机”认真诊断的只好苦笑。

预测性维护项目在推进的过程中，还有可能引来不必要的纠纷。提供预测性服务的物联网企业，往往会遇到很多质疑。

比如预测某台设备将会出现问题，最终用户有可能会对判断结果产生疑问。

如果最终用户确信诊断结果，去找设备制造商解决，设备制造商有可能会认为是做预测性维护的过程中，内嵌了传感器，破坏和入侵设备才造成的故障。

如果不适用内嵌传感器，替换成可穿戴式传感器，预测的准确性又会受到影响…

(4) 潜在的交易风险和切换风险

无论是最终用户还是设备制造商，寻找预测性维护的技术性合作伙伴时，都会面临协议转换，面临技术手段取舍，这个过程中有可能被技术服务商绑定。

（编辑：PHP编程网 - 黄冈站长网）

【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!