大数据环境下的预测维修

近两年，“大数据”、“智能制造”和“工业4.0”是工业生产制造领域的热门词汇。今天我们也来聊聊这个话题。

现代化工业制造生产线通常安装有各种类型的传感器，对电流、电压、温度、压力、流量、振动和噪声等进行检测。利用采集到的数据，可以实现包括故障诊断、电耗分析、能耗分析、质量事故分析等功能。通过政府扶植，目前涌现出一批工业大数据公司，在物流、制造、营销等环节都有所创新。

而设备管理中，“预测维修”的概念再次成为焦点。德国物联网分析最新的报告预估，2022年全球预测维修将达到110亿美金的市场规模，39%年均复合增长率。罗兰贝格管理咨询公司在《中国工业评论》杂志2017年第11期发表《预测性维修：工业数字化领域潜在爆发点》一文，预言在2020年前预测维修能够取得突破。

全球预测性维护市场规模（摘自”物联网分析”网站）

预测维修，英文为Predictive Maintenance，是指对设备进行在线或离线检测，根据测量数据分析判断，并结合其他信息来安排维修的技术。其关键是依靠先进的故障诊断技术，对故障隐患进行归类和趋势分析，以决定设备（部件）所需采取的措施，和是否需要立即停止运行。

通过调研市场实际情况，并对比参考资料和各类文献，笔者对目前市场预测维修工作的开展持谨慎乐观的态度。以下是对中国市场的一些粗略概括：

■目前预测维修的发展，主要来自工程人员的技术改良和创新。维修服务商承诺预测维修的所带来的益处，不确定最终用户是否能够认同。主要的分歧在于收益价值的可量化。

■涉及预测维修的企业，在市场战略和产品开发上投入不足，缺乏明确的商业模式和业务目标。

■预测维修所需的检测技术已大体完备。应用层面存在挑战。主要是数据如何上升为信息，并最后到支持决策的层面。

■预测维修的盈利模式仍未明确。目前数字化的代价依然高昂，制造业愿为数字化服务买单的意愿不强烈。

■这既是挑战，也是机遇。吾辈当不忘初心，砥砺前行。

本文来自信息化观察者网，转载请注明出处。