在大數(shù)據(jù)及云計(jì)算飛速發(fā)展的時(shí)代，工業(yè)互聯(lián)網(wǎng)領(lǐng)域無疑是“當(dāng)紅炸子雞”。人家都說：站在風(fēng)口上，豬都能飛起來。那么，在工業(yè)互聯(lián)網(wǎng)領(lǐng)域里該怎樣飛？

Uptake，一家美國工業(yè)互聯(lián)網(wǎng)領(lǐng)域的明星創(chuàng)業(yè)公司，目前已是估值23億美元的獨(dú)角獸。成立不過三年的時(shí)間，這家企業(yè)究竟找到了哪些痛點(diǎn)？提供什么樣的解決方案？產(chǎn)生怎樣的價(jià)值？成功的核心因素是哪些？今天，咱們拋開企業(yè)不談，就說下在如此短的時(shí)間內(nèi)，掘金工業(yè)互聯(lián)網(wǎng)究竟有何秘訣？

國內(nèi)有大量的工業(yè)互聯(lián)網(wǎng)公司，提供設(shè)備預(yù)測性維護(hù)，但是鮮有真正能大范圍落地的。我們也聽到一些聲音，認(rèn)為設(shè)備預(yù)測性維護(hù)規(guī)模太小，需求不強(qiáng)烈，提供價(jià)值有限，并不是一個(gè)好的落地場景。所以，設(shè)備預(yù)測性維護(hù)有多大的價(jià)值？不如我們就以下的例子來看一下。

美國一家Class1的火車公司，在美國有大約一萬四千個(gè)火車頭，通過啟用人工智能做的預(yù)測性維護(hù)，幫助他們企業(yè)每年節(jié)省4700萬美金。AMEREN是美國一家發(fā)電廠，每年用了Uptake的人工智能應(yīng)用平臺(tái)幫公司節(jié)省990萬美金。PaloVerde是一家核電廠，每年Uptake幫他們節(jié)省1000萬美金。某個(gè)重型機(jī)械經(jīng)銷商，UPTAKE軟件服務(wù)幫助公司每年提高850萬美金的收入。

這些案例都清晰的表明，無論是提高收入還是降低成本，設(shè)備預(yù)測性維護(hù)可以發(fā)揮的價(jià)值巨大，能直接帶來企業(yè)的顯性經(jīng)濟(jì)效益提升。設(shè)備性維護(hù)會(huì)為經(jīng)銷商提供設(shè)備聯(lián)網(wǎng)運(yùn)維系統(tǒng)，可以對(duì)所有其銷售的設(shè)備進(jìn)行預(yù)測性維護(hù)分析，預(yù)判設(shè)備故障并及時(shí)告知客戶，快速高效完成相應(yīng)維修。這樣可以保證客戶施工的不中斷，同時(shí)大大提高經(jīng)銷商和原廠的售后服務(wù)收益，降低服務(wù)人工和備件成本。更重要的是將設(shè)備運(yùn)行反饋傳遞給了原廠商，用于改造制造工藝和優(yōu)化供應(yīng)鏈，提高產(chǎn)品質(zhì)量，從而形成良性的產(chǎn)品閉環(huán)。

Uptake是如何讓設(shè)備預(yù)測性維護(hù)產(chǎn)生這么大價(jià)值的？總結(jié)為3個(gè)關(guān)鍵點(diǎn)：“人工經(jīng)驗(yàn)+算法模型+閉環(huán)無限迭代”。這里可以延伸為兩點(diǎn)：

從數(shù)據(jù)來看，就是弄清楚客戶是怎么診斷設(shè)備故障的，怎么看參數(shù)和癥狀。然后建立一個(gè)故障模型，能判斷出：什么樣的設(shè)備數(shù)據(jù)，對(duì)應(yīng)什么樣的故障。將故障模型用在分析實(shí)際問題上，讓技工判斷模型分析結(jié)果是否正確，這是模型優(yōu)化過程。最終在這一步，已經(jīng)能夠較準(zhǔn)確實(shí)現(xiàn)算法自動(dòng)診斷設(shè)備故障，但是還不能做到預(yù)測。根據(jù)采集的大量設(shè)備運(yùn)轉(zhuǎn)數(shù)據(jù)，結(jié)合AI算法等進(jìn)行擬合建模，得出：什么樣的設(shè)備數(shù)據(jù)表征和趨勢，對(duì)應(yīng)什么樣的故障。這就得到了故障預(yù)測模型。

將該模型應(yīng)用在實(shí)際問題分析上，結(jié)合技工的反饋，持續(xù)優(yōu)化迭代。同時(shí)，根據(jù)以上邏輯流程，不斷建立新的故障預(yù)測模型。從而在故障預(yù)測種類和準(zhǔn)確率這兩個(gè)指標(biāo)上持續(xù)迭代，最終目標(biāo)是“預(yù)知設(shè)備一切問題”。

特別說明的一點(diǎn)是，實(shí)現(xiàn)預(yù)測性維護(hù)價(jià)值的前提并不是“所有設(shè)備實(shí)時(shí)聯(lián)網(wǎng)”。一方面是數(shù)據(jù)源不僅是設(shè)備數(shù)據(jù)，還包括一些企業(yè)數(shù)據(jù)，如ERP數(shù)據(jù)，維修工單等，以及使用環(huán)境、地理位置、交通等一系列可能影響到設(shè)備運(yùn)轉(zhuǎn)的數(shù)據(jù)。另一方面是故障預(yù)測模型可以直接植入設(shè)備，通過邊緣計(jì)算的方式進(jìn)行判斷。這點(diǎn)也能給國內(nèi)企業(yè)很多啟發(fā)，太多的公司都是不管能分析出什么，先把設(shè)備上云了再說。

另外，使用公有云提供SaaS形態(tài)的產(chǎn)品服務(wù)也很重要，可以將每個(gè)項(xiàng)目的經(jīng)驗(yàn)進(jìn)行沉淀，并在更廣泛的類似項(xiàng)目中進(jìn)行推廣。

當(dāng)下正是中國工業(yè)互聯(lián)網(wǎng)火熱的時(shí)機(jī)，或許以上的成功經(jīng)驗(yàn)會(huì)對(duì)中國工業(yè)工業(yè)互聯(lián)網(wǎng)領(lǐng)域的企業(yè)有所借鑒？想要成為“核心”？先從“用心”開始！