2018 年 IIoT 资产维护的十大发展趋势

在2017年，IIoT（工业物联网）资产维护事件没有预想中的那么多。 虽然几乎每个工业制造商都把它作为运营策略或战略重点，但是在没有清晰的市场方向前提下，有些企业在重大投资方面仍然犹豫不决；同时，也有企业在大步推进。

技术前景正在迅速发展，市场竞争者在不断的争夺根深蒂固的供应商，升级他们的解决方案，以跟上新进入者的创新步伐。那么， 2018年IIoT资产维护市场发展将有哪些变化呢？为此，本文作了十大趋势分析。

趋势一

暂停IIoT基础设施投资

在2017年年初，通用电气和西门子等行业巨头对于物联网研发投资没有放松的迹象。然而，通用电气宣布了一项战略转型，即削减成本、减少投资和收购。这对整体预测分析部分来说意味着什么？通用电气还没有实现分析师预期的工业工厂的增长，这表明工业部门对单一的物联网平台的投资犹豫不决。

趋势二

无监督机器学习（ML）更受欢迎

利用无监督机器学习，高级算法可以分析机器传感器数据，而无需训练数据标签。受监督的ML要求学习算法在物理机器模板和机械过程上进行培训；而无监督ML对供应商、设备使用年限和传感器类型是不可知的。随着无监督ML的发展，工业工厂现在也有了机会使用这种低接触分析方法。

趋势三

汽车行业将成为IIoT资产维护的领导者

汽车行业比任何其他行业都更能从战略和运营角度认识到IIoT预测性维护的潜在价值。在研发方面的重大投资涉及制造过程的方方面面，其中包括一项严肃的承诺，减少汽车行业的致命弱点——计划外的停机时间。那些愿意最先采用先进技术的汽车企业，预计将率先从人工智能和先进预测分析技术的进步中获益。

趋势四

IIoT预测性维护将被视为增长收入的来源

传统预测性维护的典型成本是基于提高运营效率和节省。随着工业4.0的发展，高管们开始考虑他们的大数据投资对收入的影响。随着从工业3.0向工业4.0的转变，诸如提高系统运行时间以及提高产品生产率等指标，正在取代停机时间，成为这一技术领域投资的驱动力量。

趋势五

 IIoT资产维护中预测性维护逐渐被接受

与日益接受的IIoT预测性维护一样，其他的资产维护流程也取得了进展。在工业4.0的背景下，工业工厂正在采取措施来实现自动化并改善维修计划、库存管理和检查。我们看到了一种从单独的项目驱动方法转向IIoT资产维护的变化，并且正在逐渐接受这种整体的变化。

趋势六

卓越的大数据中心将失宠

过去，高管们对大多数工业工厂无法招聘大数据工程师和科学家感到担忧。潜在的假设是，在实现工业4.0的竞争中，需要大型卓越数据中心。随着创新步伐的加快，工业工厂的高管们认识到：1.在内部建立卓越的数据中心是不现实的; 2.第三方供应商解决方案需要在其解决方案中提供专业服务或自动化功能。

趋势七

转向多资产预测维护解决方案

过去，基于SCADA的预测性维护解决方案是针对传感器或机器的。随着大数据分析的应用，工业工厂正在寻找单一的多资产预测性维护解决方案，不仅限于特定的供应商或资产类别。

趋势八

OEM转向服务模式

传统的OEM厂商已经认识到从经常性收入模型中获得的经济潜力，这种模式通常与"软件即服务"（SaaS）许可协议相关联。许多OEM厂商正在积极探索这个新模式。预计在2018年，硬件厂商会宣布他们的产品将与预测性维护和其他服务产品捆绑在一起。

趋势九

新厂商将出现在供应商生态系统中

IIoT资产维护领域吸引了大量的投资资本。传统供应商正在投资或收购创业公司，或内部建立相应的部门。在任何一场变革中，新的巨头企业都会以吞并小企业为代价获得行业领导地位。第四次工业革命也不例外，即使Google和亚马逊没有出现在工业领域，但是许多初创公司也在推动新的IIoT创新领域。

趋势十

行业分析师将失去信誉

现在，一个新的山寨的行业分析师正在驾驭IIoT浪潮。作为研究报告和白皮书的完美阅读者，我对IIoT解决方案将大幅增长的预测感到震惊。在现实世界中，工厂一边要对付颠覆性变化带来的战略上的影响，一边要同时管理好日常的运营。当我们接近2020年时，我们会发现过去对数十亿美元IT行业的预测将被证明是被夸大了的。

本文原文作者：Eitan Vesely，CEChina整理翻译。