导读：将时间倒回去三年前，电动机物联网概念刚兴起的时期，问物联网能干什么的时候，讲的最多的事情就是“预测性维护”、自然而然被寄予厚望。好几年过去了，预测性维护发展得怎么样?

实际上要说电动机物联网，必须要置于整个工业物联网发展的视角下来看，毕竟电动机这个行业太小。很多IIOT企业似乎都坚信“预测性维护”必将成为少数杀手级应用，都进行了重点布局。

了解 IIoT 的公司都意识到了 ：他们需要应对工业革命下一阶段的挑战，才能继续降低运营成本。   

在工业领域下，电动机的存量市场数量是巨大的，工业负荷70%的用电负荷是电机，电动机物联网发展初期也正是看到了这一点。大量电机设备的状态信息是脱离于“网络”之外的。脱离了生产者、销售者、维护者甚至某种程度上使用者也不完全掌握，称之为“产品孤儿”。

电动机物联网初期的想法实也很简单，将这些产品与生产者、销售者、维护者联系起来，对设备进行状态监控。虽然简单，不得不承认，将电动机“物联”起来本身就很有价值。

任何事情的发生和演进，都有其必然的原因。就电动机而言，电动机的生命周期成本主要由购买成本、使用成本(电费)和维护成本构成。电动机电动机的维护成本高达其生命周期成本的30%以上。

   维修成本与设备状态

尤为重要的一点是，维护成本相对购买成本、用电成本来说，并不是固定的，而且维护还可相当程度的影响到使用成本(电费)和生命周期的长短。这就无怪乎对电动机维护极为重视了。

电动机物联网在实现电动机与人之间的联接，取得设备状态参数监测后，基于对“维护”这块沃土的热忱，自然而然的下一步就是“诊断”、“预判”、“预测”。某种程度上，这代表的是方向——智能。

02.电动机“预测性维护”的现状?

“预测性维护”到底指的是什么?电动机设备的维修维护大体可分为以下这3种：

● 修复性：事后弥补，亡羊补牢，代价最为高昂;

● 预防性：事先维护，这是目前最为普遍的设备维护方式，也即为保证设备尽量高的性能、尽量长的寿命而进行的定期维护，主要是基于时间;

● 预测性：事先维护，实时监控设备运行状态，根据设备的故障模型更准确的判断故障何时发生，发现故障隐患，触发报警或维修命令。

电动机市场已经严重饱和，产品同质化严重，竞争白热化。单纯的产品销售模式不足以扭转当前的竞争业态。随着物联网、云平台、人工智能的发展，开启了用新技术改变市场格局的机会大门。

所以如你所见，当下的电动机市场，主流品牌厂商基本上都有了自己的物联网系统。虽然更多的只是实现设备状态监控的功能，但也有一些公司或者电动机物联网技术公司，已经不仅仅满足于状态监测，已着手预测性维护上进行了探索。

这主要是基于内部和外部层面。

内部层面：“预测性维护”可期望实现对电动机设备售后信息的完全掌握，提高售后配件的库存效率，优化生产。

外部层面：可期望实现产品售后效率和品质的提高，提升品牌美誉度和产品竞争力。

然而，大部分电动机物联网企业对于电动机“预测性维护”的期待，渐渐由热衷变得更为理性。原因在于很多企业意识到，“预测性维护”真正发挥效用的过程比预期的要难、时间要长。

很多企业担心数据安全性、技术知识的缺少、数据的可移植性、供应商风险等，相对来说基于设备远程监控的质量控制超越了“预测性维护”成为最受制造商青睐的物联网应用。

03.电动机“预测性维护”的难点?

虽然前景光明，但当下电动机物联网“预测性维护”市场的发展不及预期却是不争的事实。主要原因主要有三，也是整个物联网的病：

3.1● 解决行业切入点

3.2● 商业模式的转变

3.3● 基础数据量不足

3.1● 行业切入点

对于电动机设备来说，普遍的情况是：非计划停机允许在5~10%的范围以内，不同于某些必须控制在0%的设备，预测性维护是必选项。对电动机来说，只是一个可选项，而且大多是一个不太经济的选项，至少相对于其它管理措施而言。

不同于一般的远程设备状态监控，那只能称为工具。对一般的企业而言，这种工具的接受度是比较高的，毕竟提高了管理效率。而对于“预测性维护”而言，接受度就值得商榷了，这是因为：

对于大企业而言，由于“预测性维护”涉及到的产品技术方面的机密太多，这些企业往往选择自建。而即便选择与物联网企业合作，也面临定制化程度高，项目很难标准化，无法快速复制的特点，对物联网企业来说，难以快速突破市场。

对于中小企业来说，可能更麻烦。这些中小企业往往其产品设计、生产的工艺和标准都很难统一，少有大批量的优势产品，为适应市场，往往“创新”频繁，想要建立某种模型的数据量可能更为繁杂，势必导致成本极高，难以承受。

对直接用户来说，高价值设备或者是重要设备，其维护维修更多的是用户自己负责，完全委托外包的情况不多，即便要外包给物联网公司，恐怕物联网公司也不敢承担这种风险。而一些非重要的设备，发生故障有维修时间弹性的，对“预测性维护”又不是很迫切。

所以，电动机物联网除了利用“预测性维护”，将服务环节从“被动”变为“主动”之外，还需要具备提供更多服务的能力，才能切入市场。

3.2● 商业模式的转变

一个好的商业模式不能一眼被看穿。从用户角度来思考，电动机物联网“预测性维护”能带来多少价值?

如果转化为财务指标，是否能算清楚经济账，并愿意为此服务的价值买单?“预测性维护”的价值不是立竿见影，需要经历一个较长的周期，而且还要有参照物，核算的难度非常大。

就当前的电动机物联网，对用户的价值体现更多的强调的是，降低停机风险;对销售服务商更多强调的是省钱。但这样是否就够了呢?

前面都说了，大型的电动机制造商不太愿意跟电动机物联网企业玩，目前销售服务商更多的是出于省钱、守住现有客户的角度出发的。

3.3● 基础数据量不足

这一点其实极为要命，也是所有关于设备类型的物联网面临的共性问题。传感器和数据的累积。

对于太多存量设备来说，仅有的传感器几乎都是至关重要的数据采集，所必须才配置的。对于很多制造厂来说，平白增加不太重要的传感器，不仅增加成本而且还可能增加设备的复杂程度，多几个潜在的故障点，这种事情，对于制造商来说，毫无兴趣。

建立一个完善的预测模型，还需要大量有效数据的积累与更迭，对于一些价值不高的设备而言，这么做的成本将使数据采集得不偿失。再加上电动机行业无论品牌还是机型都极度分散，客观上造成有效数据的采集更为繁琐而漫长。

数据模型

传感器和数据不够多，设备的模型则无法精细，不太容易预测的准，预测不准，预测性维护就没什么价值而言。

目前电动机行业物联网公司远程监控这块的市场已经初步打开，由此市场上的几家领头企业手上积累掌握的运行数据应该极为可观了，但是否有效，或者说这些数据经过清洗后是否能得到较为完美的设备模型，以供“预测性维护”使用可能还是未知数。

4.1需要修炼哪些能力?

一家成熟的电动机“预测性维护”企业，首先需要具备一支高精尖的专家团队，预测性维护这项工作涉及专业领域很多，需要有电机、系统安全联锁、数学模型、AI,大数据，云计算，边缘技术等高精尖，同时也需要大量的数据模型，大量实际工况的运行数据，传统的软件型公司往往具备软件开发设计能力，但没有底层数据的支撑，系统与元件整合能力弱。而元件型公司，具备大量的元件设备，原始数据没有办法得到利于，开展工作需要花费庞大的金钱和时间，缺少软件型公司的技术实力。

针对电动机物联网“预测性维护”的难题，同时来自销售市场部门实际需求的反馈。河南森尼瑞电气董事长陈总，先后走访了清华大学电机系，中科院合肥物质研究院，合肥工业大学。经过与专家学者的沟通，并结合一些工业项目现场用户的实际需求，与中科院合肥物质研究院携手合作，成立许昌中科森尼瑞技术有限公司。公司引进了中科院托克马克(俗称“小太阳”)总控和安全联锁专家团队，包括两名研究员，两名副研究员，两名博士后以及四名博士等为研发核心团队，并利用了合肥工业大学关于电机方面的专家作为我公司研发电机方面的理论支撑，来解决电机运行中潜在的故障预警分析.

利用现有基于物联网和PXI架构的运行状态预警系统、马达保护器、多功能网络仪表、低压保护等各种参数采集模块和系统结合边缘计算物联网优势，在加上中科院数学模型和AI算法优势，进一步扩展并研发出电动机在线监测和预测性维护系统。

该系统主要应用于工厂生产线及生产设备的在线监测及预测性维护，目的是减少生产线及设备非正常的停机时间，减少运维人员以及降低运维人员的技术要求，同时提高了产品的质量。

4.2 针对电动机“预测性维护”的难点，中科森尼瑞如何突围?

A.对于大企业数据涉密问题。

由于企业涉及到数据比较隐私，需要保密。大企业，可以选择从边缘计算网关直接采集数据，不再向云端传输，也可以选择传输到企业自有服务器(自有云)，可对企业签署保密协议，数据完全由企业自己可控保密。

B.对于大企业定制化程度高的问题。

中科森尼瑞拥有软件自主权，拥有自己的核心技术，可完全根据客户需求来设计定制化方案，或者作为一个子系统接入企业自有系统，满足客户的个性化需求。中科森尼瑞电机预测性维护系统架构

中科森尼瑞电机预测性维护系统自带多种中科院优质电机数据模型，且在运行过程中，具备AI自主学习功能，根据现场运行数据自动完善优惠数据模型，运行时间越久，预测准确率越高!预测准确率可达80%以上!同时系统具备设备入库、出库、采购时间、 品牌、生产厂等基础信息管 理;设备报废、设备信息查询; 设备故障信息、检修次数、 服役时间等运行情况管理;人员登记，预测性维护收益统计等功能。可大幅度提高企业自动化管理水平，提升工作效益。

对应用户主要设备外包责任问题。主要设备在生产运行中，几乎每年都需要进行大修或者小修，需要耗费大量的人力和时间。电机多次拆了再装，减少电机的寿命，维保工作没有目的性，业主方也需要进行停产配合，造成比较大的经济损失。中科森尼瑞电机预测性维护系统可以帮助用户提前2-3月发现电机的异常，让承包商根据实际情况规划做到有计划，有目的的检修，从而大大减少非正常停机时间，提高企业效益。

对应次要设备不是很迫切的问题。次要设备作为生产链的一环，故障后多少会对产品工艺产生影响，次要设备大规模故障甚至会造成连锁反应，造成更大规模的生产事故，给用户带来更大的损失。对于次要设备，并不需要增加传感器，中科森尼瑞电机预警系统会根据马达保护器采集到的电流谱特性与数据库模型比较，判断电机健康程度，查找到将要出现故障的设备。

中科森尼瑞电机故障诊断仪

同时为解决维保人员在分析判断电机故障点上经验不足的不利因素，中科森尼瑞利用(NI)方案和器件研制出便携式电机故障诊断仪，可以在线精准判断出电机故障类型，从而减少因人的因素间接造成的经济损失。

中科森尼瑞传承了河南森尼瑞电气有限公司在工业领域50多年积累的测控仪表研发制造经验，拥有大量测控装置产品在工业现场使用案例，有相当丰富的底层数据支撑，测控装置产品运行可靠。其次，马达保护器是电动机运行中必备品，中科森尼瑞以马达保护器作为底层传感器元件采集电流谱，无需再增加传感器成本。

同时，马达保护器采用CAN通讯，具备更高的传输速率，更低的时延，可减少用户布线，减少用户成本,可以完美解决5G通讯在工业领域最后一公里的难题。

F.对应” 电动机物联网是否有让销售服务商赚钱的模式“ 的题?

销售服务商习惯于成熟的工业品及其相关附件，但一些大的销售服务商，并不满与现状，他们涉及增值服务时，便会发现自己为客户提供的量身定制服务变成了居高不下的噩梦。

中科森尼瑞电机管理系统    

对应电机销售服务商，电动机“预测性维护”可以让电机的寿命提高10%左右，让有能力提供良好服务、统一体验的设备服务商和制造商，提升产品体系，到达赚更多的钱的目的。　同时系统服务能成为锁定客户的强有力手段，同时能增加顾客的转换成本。

物联网与人工智能相结合，不仅能看到问题出现，还能不断扫描检测可能存在的问题。这种方式很好避免了故障的出现，同时让维护人员知晓何时是最佳的维护时间，不会出现太慢或者太早的情况。同时，可以根据问题和警报的严重程度，甚至可以计划电机的停机时间，以尽量减少对操作的干扰。

在工厂运营工作中，错误的决定或做出太慢、太早的决定，都会带来大量的资源和金钱的浪费。物联网帮助用户收集过去从未捕获过的数据，通过人工智能的分析，从中学习并能更快做出更好的决策。