中国工业互联网预测性维护(PdM)行业市场研究及前瞻分析报告.docVIP

PAGE2/NUMPAGES5

智研瞻产业研究院专注于中国产业经济情报及研究，目前主要提供的产品和服务包括传统及新兴行业研究、商业计划书、可行性研究、市场调研、专题报告、定制报告等。涵盖文化体育、物流旅游、健康养老、生物医药、能源化工、装备制造、汽车电子、农林牧渔等领域，还深入研究智慧城市、智慧生活、智慧制造、新能源、新材料、新消费、新金融、人工智能、“互联网+”等新兴领域。

工业互联网预测性维护（PdM）的界定及功能

预测性维护（PredictiveMaintenance，PdM）是指通过对设备运行状态进行持续测量和监控，使用工业数据建模和数据分析技术预测和诊断设备故障，在设备故障发生前提前采取修正措施。随着物联网、大数据、边缘计算等技术的成熟，预测性维护技术已经在工业制造领域得到广泛认可并开始规模化应用。

关于预测性维修IATF16949中的概念定义

1、预防性维护preventivemaintenance（PM）

为了消除设备失效和非计划性生产中断的原因而策划的定期活动（基于时间的周期性检验和检修），它是制造过程设计的一项输出。

2、预测性维护predictivemaintenance（PdM）

通过对设备状况实施周期性或持续监视来评价在役设备状况的一种方法或一套技术，以便预测应当进行维护的具体时间。

伴随着工业化、信息化和经济全球化的发展，机械制造、自动控制、可靠性工程及管理科学出现了新的突破，使现代机器的科学设备管理出现新了的趋势。

预测性维护是通过对设备状况实施周期性或持续监测，基于机器学习算法和模型来分析评估设备健康状况的一种方法，以便预测下一次故障发生的时间以及应当进行维护的具体时间。预测性维护是以设备/装备的状态作为依据的维护，状态监测和故障诊断是基础，状态预测是重点，维修决策得出最终的维修活动要求。

与预测性维护相对应的传统方法是预防性维护。预防性维护是根据规定的维修间隔或者设备的工作时间，按照已经安排好的时间来进行计划内的维修工作，而不考虑系统设备当前的运行和健康状态。

图表：预防性维护与预测性维护的对比

方式

预防性维护

预测性维护

维护触发点

固定周期，不考虑设备实际状态，可能带来过度维护

必要时，预留足够应对时间给一线人员在故障前做出应对

维护方式

根据零售部件的平均损坏率进行维护，不考虑实际运行状态

根据设备的实际运行状态决定维护方式及关注点

维护成本

维护成本高，停机停产时间更长

维护成本低，停机停产时间更短

适用场景

无法准确获取个体设备运行状态时

个体设备状态可获知时。

资料来源：智研瞻产业研究院整理

任何设备在故障发生之前都会出现一些异常现象或症状，如振动偏大，有异常噪音等，如下图所示。为此，我们把从出现这些异常现象开始，到故障即将发生前的这一段时间定义为预测期，即P-F周期。预测性维护的目标是预测出更为准确的故障的预计发生时间，以便于维护人员准确及时地做出应对。

预测性维护可提供以数据为依据的故障理解。异常监测是一种机器学习技术，用于识别故障并预测未来故障的可能性。基于静态规则或更多动态方法，并使用有关关键健康值、风险预测、停机成本和维护成本的数据，进行分析，然后触发警报以采取行动。预测性维护可以将维护成本降低10%至40%。到目前为止，预测性维护尚未实现的另一个好处是，制造商将能够提高其产品的灵活性。当然，采用即服务和按X付费的模式将增加生产的复杂性。更重要的是，这还将减少停机时间并带来新的收入来源。

全球工业互联网预测性维护（PdM）行业市场规模测算

统计数据显示，2017年全球工业互联网预测性维护（PdM）行业市场规模254.14亿元，2021年全球工业互联网预测性维护（PdM）行业市场规模640.86亿元。2017-2022年全球工业互联网预测性维护（PdM）行业市场规模如下：

图表：2017-2022年全球工业互联网预测性维护（PdM）行业市场规模

数据来源：智研瞻产业研究院整理

中国工业互联网预测性维护（PdM）行业市场规模测算

统计数据显示，2017年中国工业互联网预测性维护（PdM）行业市场规模36.35亿元，2021年中国工业互联网预测性维护（PdM）行业市场规模105.10亿元。2017-2022年中国工业互联网预测性维护（PdM）行业市场规模如下：

图表：2017-2022年中国工业互联网预测性维护（PdM）行业市场规模

数据来源：智研瞻产业研究院整理

中国工业互联网预测性维护（PdM）行业发展前景预测

预测性维护作为一个新兴市场，因为维护策略从所谓的事后控制方式转移到通过分析和启用预测性维护来解决问题，无疑向我们展示了一个就发展潜力的市场。在这个市场中，IoT平台商、低成本的安全云存储厂商以及