预测性维护价值:智能传感器、机器学习、新型工业商业模式

预测性维护的大象就在房间里——当工业机器坏了的时候，制造设备制造商就能赚钱。虽然延长工业设备的工作寿命并确保其生产线不会出现意外停机符合用户的最大利益，但设备投入使用的时间越长，原始设备制造商(oem)就会失去更换收入。这种供应商和客户之间的利益冲突一直存在。

随着预测性维护技术的出现，设备制造商如何保持盈利，同时又不蚕食更换工业设备和服务合同带来的收入流?

预测性维护传感器，监控，软件

预测性维护技术包括工业自动化产品:智能传感器(振动传感器、温度传感器等)、便携式监控设备、专用预测性维护软件和专用于预测性维护功能的网关。工业自动化硬件通过收集测量数据来测量设备的性能，例如机器振动和机器温度的智能传感器。然后，该软件应用机器学习算法来检测这些读数中的异常。随着时间的推移，随着这些算法得到振动传感器和温度传感器的更好训练，该软件可以更好地预测工业设备何时存在故障风险。

智能传感器有助于实现预测性维护

虽然状态监测的概念已经存在了一段时间，但更复杂的预测性维护产品的市场仍然非常年轻。智能传感器是一种能够实现预测性维护增长的产品，在2016年ABB推出智能传感器后成为主流ABB Ability智能传感器美国总统巴拉克•奥巴马和德国总理安格拉•默克尔出席了汉诺威工业博览会。

大多数预测性维护解决方案是以单位为单位销售的，供应商通常对每个传感器收取年或月的价格，这提供了用于执行分析的专用软件的访问。如图所示，这种定价方式还会继续增长，但它并没有直接解决机械供应商和机械用户之间的利益冲突。

机器即服务提高了机器的性能

改变这些技术的使用可以解决这种利益冲突，这种方法将成为未来预测性维护技术实现的主要趋势。

这个概念称为机器即服务(MaaS)。这种方法采用软件即服务(SaaS)的模型，重新考虑定价，并将其应用于机器。该解决方案不是按年订阅定价，而是根据性能定价。围绕关键绩效指标(kpi)的目标在客户和供应商之间达成一致;合同的价格是由这些目标达到的程度决定的。

例如,皮尔森包装，在此模式下提供各种类型的包装机。培生并没有直接出售机器，而是保留所有权，并根据装箱、架设或密封的数量向客户收费。通过这种方法，机器制造商受到激励，尽可能长时间地保持机器运行，并保持尽可能长的正常运行时间——预测性维护技术直接解决了这两个领域。

采用预测性维护的障碍

工业数据所有权是采用MaaS模型帮助克服的预测性维护障碍之一。数据所有权是预测性维护解决方案用户与工业自动化或原始设备制造商(OEM)供应商之间的一个关键讨论点。

研究显示，制造商在分享其工厂的运营数据方面通常比较保守，因为这些数据可能被恶意的一方用来收集商业机密或未公开的运营信息。欧洲制造商对共享这些数据最敏感，其次是美国，亚太地区最不敏感。

预测性维护产品的供应商通常会通过使用数据来提高其产品的功能，从而间接地将数据商业化。(数据越多，算法训练得越好。)

然而，人们担心预测性维护供应商将采用更直接的方法将数据商业化，将其出售给大数据经纪人或销售应用程序，这些应用程序允许客户对现实世界运营数据的趋势产生自己的见解。预测性维护提供商出售运营数据的能力导致了客户的保护。

与任何共享机密信息的协议一样，对于供应商来说，第一个决策点往往是最难克服的。MaaS并没有完全解决数据所有权问题;但由于这个模型必须共享数据才能发挥作用，我们认为MaaS是“楔子的末端”，人们需要达到共享这种类型的机器数据的舒适程度。通过“机械即服务”模型，供应商和客户之间的激励机制将两者置于同一个团队中，打开了合作共享数据的大门，并可以优化预测性维护，以实现更有效的机器运行。

工业服务定价模式促进更好的维护

电机设备制造商SKF为轴承提供了“即服务”模式。该解决方案围绕降低轴承的历史故障率确定了定价。同样，这种类型的模型使供应商和客户的动机保持一致，因为现在双方都在延长设备的使用寿命而不是在轴承的价格上讨价还价。(相关产品是SKF Pulse，便携式蓝牙传感器和移动应用程序监控旋转设备。)

这种模式当然不是“一刀切”的。例如，SKF模式在向最终用户销售产品时表现良好。然而，当向机器制造商销售时，“谁支付什么”的问题变得更加复杂，因为机器制造商并不代表设备的最终位置。这并不是说设备制造商在向机器制造商销售时不能应用这种模式，只是需要进行额外的谈判，以确定由谁在机器的最终位置监测轴承健康状况的细节。这种模式还需要一个更积极的销售过程，因为需要为每个独特的客户协商特定的目标，并且可能适合于最关键的应用程序。考虑到所有这些，机器的资本支出(CapEx)的减少和激励措施的调整使这种模式对制造商非常有吸引力，并且是区分产品与竞争对手的有效方法。

如何提高机器即服务的预测性维护

随着时间的推移，MaaS模型可能会变得越来越普遍，预测维护市场也将因此大幅增长。预测性维护的价值主张越来越大，不容忽视，随着智能传感器和新的创新商业模式的出现，这一市场将迎来快速增长。

布雷克格里芬是市场研究分析师，相互作用分析．由内容经理马克·霍斯克编辑，控制工程， CFE传媒，mhoske@cfemedia.com。

关键词:预测性维护，智能传感器，机器学习

考虑一下这个

瓶颈在哪里为您的预测性维护优化-智能传感器，机器学习或定价?

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。