设备预测性维护作为公司主营产品服务之一，市场发展一直受到我们的长期关注。
由于各信息源对国内市场规模说法差距较大，讨论规模小且多流于表面，很久以来并未展开这方面的书写。随着资料积累，并且确实也有对预测性维护进行深度调研的计划，今天我们在此先为大家进行一些简单介绍，望起到参考帮助。
随技术创新与发展，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,维护不善会使工厂的生产率降低5-20%。据国际自动化学会（International Society of Automation, ISA）数据显示全球制造商每年因设备停机遭受的损失可达6470 亿美元。
设备的维护方式简单分类为三种：
设备维护最常见的三种方式，IOT-ANALYTICS
落后但当前国内最常见的事后维护(Reactive Maintenance)，涉及的成本是是有计划或预防性维护模式下的 3 倍（高备件库存成本、高超时劳动力成本），机器停机时间长，生产能力低。
在事后维护基础上进步的预防性维护（Preventive Maintenance），指在特定周期中执行基于时间、参数或状态进行维护的方式。然而频繁拆卸和停车维修也会导致产量降低和维修费用增加，且大大降低了设备的实际使用年限。
最为先进和灵活的预测性维护（Predictive Maintenance，PdM，也称预知性维护），集设备状态监测、故障诊断、故障(状态)预测、维护决策支持和维护活动于一体。
广义的设备预测性维护系统也叫作故障诊断和健康管理系统（Prognostics and Health Management，PHM）。我国实施制造强国战略第一个十年行动纲领《中国制造2025》也提到“培育智能监测、远程诊断、全产业链追溯等工业互联网新应用，实施工业云及工业大数据创新应用试点，……”这已指明了智能维护领域的最新发展方向，即对设备和产品性能衰退过程进行即时监测评估，远程监控诊断设备状态。
自2016年以来，全球预测性维护市场增长迅速。下图作出简单概括：
全球预测性维护市场增长情况，信息援引自IOT-ANALYTICS
可以直观发现，市场在十年间数量级增长，更多企业入局，市场对投资回报也更有信心。从性能来看，传感器数据来源的增加和更多相关数据的积累充分地确保了设备运维准确性的显著提升。同时，这项应用从孤立、只限于专家使用的高门槛，走向了标准化企业应用，在使用上逐渐“亲民”。
前文已述全球预测性维护市场的蓬勃发展，但目前其在我国依然行业渗透率较低。据统计，2020年我国制造业中开始实行预测性维护的企业比例仅14%，工业设备智能运维行业仍处于早期阶段。据东吴证券近日评价，“十四五”期间市场迎来黄金发展期，到2025年风电、钢铁、煤炭和石化等行业预测性维护潜在市场合计超400亿元。该应用从冷门走向杀手级应用的转型也将在我国实现。
面向制造业提供数字化转型服务的我们主要关注工业、制造业领域，这也是预测性维护的主要应用领域，占比达45%。据美通社（PR Newswire）报道， 2021 -2026 年亚太地区工业预测性维护市场将增长 74.4 亿美元，且预测期内43% 的市场增长将来自中国。即，2021-2026年我国工业预测性维护市场规模将增长近32亿美元。
工业预测性维护市场亚太地区的增长有43%将来自中国，美通社
东吴证券将市场参与者分为设备厂商、客户自建运维、专业第三方运维三类。根据工业软件行业市场格局调研的普遍分类情况，现将我国现有市场竞争者分类如下：
全球工业软件服务类龙头企业，如IBM、SAP、Oracle、Siemens、研华科技等。
工业互联网行业企业，拓展建设设备健康管理或预测性维护功能，如海尔卡奥斯在COSMOPlat 数字孪生平台中开发了预测性维护应用，树根互联在新天钢集团“5G+智能工厂”项目中开发AI预测性维护功能，忽米网的5G边缘计算器占星者也已成为其主打产品之一。
具有自主研发创新能力和故障诊断分析能力，关注设备状态监测、健康维护等服务的科技企业，如安徽容知日新、因联科技、恩普特科技、天泽智云等，这些公司往往在设备健康管理的基础上拓展发展设备和工业所需的其他工业互联网应用及服务，建设业务闭环。
出于专业能力、行业Know-How积淀等考量，更多企业在选用预测性维护应用服务时会倾向于第三类企业，这类企业预测精度更高，服务更专业，也更具性价比。
据麦肯锡报告，基于物联网的预测性维护延长了设备的寿命，有助于消除30%基于时间的例行维护程序，并使设备停机时间减少50%。在此，对于我国石化、煤化工、建材、钢铁、造纸、电力这些高能耗行业的典型企业中已进行的预测性维护应用各举一例，以供参考。
石化企业具有生产连续性强，设备自动化水平高，设备设施资产规模巨大且易燃易爆的特点，其中旋转类设备用量高达80%以上。机泵设备一旦发生问题容易导致装置停产，甚至造成环境污染、火灾爆炸、人身伤亡等重大事故。对石化行业机泵群的预测性维护需求日益增多。
青岛石化公司通过设备预知维修，保证设备的易损件在寿命到期前进行更换，避免因易损件的故障引起设备的损坏，有效节约费用。对机械密封按计划进行更换，避免了机封因寿命到期导致事故的发生，也能避免操作、技术人员仓促应对突发事故，确保了装置安全平稳生产。
煤化工设备种类较多，常见类型有煤粉输送类、分离过滤类、压缩机风机类、工业离心泵类、塔罐类、换热器类等。这些设备在运行中经常遇到如环境恶劣、超负荷运行、腐蚀情况、磨损消耗大、使用频率高、冲刷严重等各种情况，对化工企业的正常经营形成安全隐患，鉴于此，提高设备的使用率，发挥其功能，确保设备稳定运行成为当务之急。
以贵州智能化示范选煤厂松山选煤厂为例。2019年11月10号上午9点24分，厂内预测性维护系统监测到位于主厂房一楼的某浮选矿浆泵振动异常，经云端分析后发出预警。11月10号上午12点35分，振动加剧，并伴随着泵体温度的升高，故障情况愈加剧烈，系统开始提示严重报警，经现场工人核实，确认是浮选矿浆泵抽空，并进行了及时维护，避免了一次重大事故的发生，减少了上百万元损失。
由于生产的连续性和大型化，保证生产运营的高效、安全、稳定是水泥行业的主要目标，相应的，需要企业通过升级改造变被动的定期维护为预测性维护。
历史新高|华润水泥营业额超400亿港元，转型升级迎接低碳经济，新浪财经
数字化转型是华润水泥的重要转型发展之一。借助基于工业大数据分析的预测性维护软件，华润水泥位于广西田阳生产基地中的数据得以被充分挖掘并利用。设备运行状态预测预警模块与智能排查诊断模块“双管齐下”，不仅能够预测工厂运营中的潜在故障风险，还能帮助工作人员诊断故障原因并指导其进行维修维护，从而有效控制风险、降本增效。
中国宝武：积极探索工业互联网，打造钢铁行业的设备远程运维平台, 国机集团武汉纺友
宝钢积极探索远程运维模式创新，促进设备维修实现从被动处理到主动管控、从单一数据专项分析到大数据综合分析、从基于经验的预防性维修到基于数据的预测性维修、从单纯反馈设备状态到提供整体解决方案的四个转变，初步实现与现实映射的装备运行信息的有效集成与分析挖掘，实现了远程监测、诊断等全生命周期服务支持。
应用已取得了阶段性成果。据中国金属学会报道，宝武集团打造的钢铁行业设备智能运维系统解决方案实现90%以上的报警准确率、诊断准确率和维检对策推荐准确率，使设备综合利用率（OEE）平均提高了 5% 以上，经济效益明显。
造纸工业经历了从小规模制造，到电力驱动的大规模、大批量的流水线模式生产，再到现在的全自动化模式生产的发展，在原材料、能源、工艺、装备等生产要素的利用技术等方面已经发展到比较成熟的阶段。由于高度流程化，保障生产与人员安全尤为重要。设备预测性维护可以帮助造纸业实现远程监测，避免计划外停机、生产中断和人员安全事故发生。
大数据+人工智能赋能造纸术 恒丰纸业：让每度电创造的价值都可计算，黑龙江日报
恒丰纸业共有机制纸生产线21条，PM15纸机并不是其中最先进的，它的与众不同在于其运维是由AI智能来守护的。“PM15纸机上安装了近200个传感器，用物联技术有效采集设备振动、温度关键性能指标数据，再通过AI人工智能，对设备进行诊断，提醒设备维护人员及时维护，维持设备高效运转。”管理部部长徐禄说。
目前风力发电占全球能源的5%。据估计，到2030年风能将满足全球30%的能源需求。而伴随着行业的蓬勃发展，风电厂也面临着提高运行和维护标准的挑战，到 2028 年预计将有近 60% 的相关资产超出保修期，需要预测性维护的应用以最大程度地减少停机。
今年4月，国家能源集团国电电力宁夏新能源公司风电设备数据分析预警系统正式上线运行，将风电机组事后维修转变为预知性检修，避免了隐患变故障、故障变缺陷、缺陷变事故，有效降低大风情况下齿轮箱的故障率。
在该系统试运行三个月期间，公司提前发现风机轴承温度高、缺油等隐患，有效避免了风机一次主轴和发电机轴承损坏，挽回经济损失124万元；在对机端电压隐患监测过程中，监测出部分风电场机端电压异常、箱变档位不正确、跌落保险松动等问题，经调整后，系统、器械受电压问题影响的故障大幅下降；在对变桨系统隐患监测过程中，通过变桨系统安全算法的使用，根据计算结果对变桨滑环的清洗等操作，使变桨系统故障率同比降低了3.4%；在对齿轮箱隐患监测过程中，主轴、齿轮箱滤芯、温控阀、联轴器失效的算法准确率达到100%。
作为上世纪早在军工领域得到应用的服务，预测性维护并不是一个新兴概念。然而随着工物联网、大数据、云计算、人工智能与传感技术等各类相关技术的发展，预测性维护的成功落地案例越来越多，再度成为焦点。上文的介绍中，读者应该已了解到，预测性维护在设备价值高、机理复杂、运维需求量大等行业需求旺盛，全球范围内各行业的应用不断发展。在我国，这项应用也越来越受到重视，由于其对工业的设备运维成本、生产运营成本都能够起到极大帮助作用，各类企业也纷纷开始引入。
IOT ANALYTICS在报告中提到，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，望这项应用也能成为我们与客户间架起合作桥梁的最佳路径。
