6GK1907-0FC10-0AA5
为了抓住未来发展机会，很多工业制造商和设备运营商都在大举***和布局。
根据S&P Capital IQ标普资本数据库的统计，西门子、施耐德、ABB等工业自动化巨头都在扩展自己的能力圈，持续增加对于云平台、边缘分析、软件功能和系统集成等方面的并购与***。亚马逊的AWS IoT Greengrass和Microsoft Azure也在持续增加工业领域的渗透率。就开发者的支持度而言，PTC、微软、IBM、GE和亚马逊占有明显***优势。
6GK1907-0FC10-0AA5
虽然前景一片光明，但当下预测性维护市场发展不及预期却是不争的事实。
究其原因，主要3点，也是整个物联网领域的通病。
■***回报率难以计算
■转变商业模式，先要转变思维
■基础不扎实，数据量不足
我们一个一个来说。
■***回报率难以计算
***回报率ROI如果算不清楚，就意味着***慢，效果很难评估，工业企业的推进意愿自然不会提升。
工业场景中包含众多要素，人、机、料、法、环。预测性维护主要与“机”挂钩，其中不同行业属性、不同企业类型，机械的种类很多，预测性维护产生的价值有天壤之别。
从整个产业链条上来看，可以将与“机”相关的产业链简单粗暴的与汽车行业做个类比。汽车的价值链包括车主、4S店、车厂、汽车零部件的各级供应商。“机”的价值链包括***终应用企业（***终用户）、设备服务商（代理商、集成商）、设备制造商、各类工业自动化厂商。
围绕预测性维护开展业务的物联网企业，在传统产业链条中需要找准自己的切入点。
预测性维护的价值要通过***终用户体现，对应的企业数量非常庞大。保守估计，国内实施了ERP或者供应链管理系统，拥有基础信息化能力的工厂，有接近300万家。
6GK1907-0FC10-0AA5
如果从大企业切入，这些企业往往选择自建预测性维护能力，即便选择与新型物联网企业合作，由于预测性维护本身同时涉及软件和硬件，物联网企业有可能面临定制化程度高，项目难以进行标准化，无法广泛***的窘境。
如果从中小企业切入，则可能会更惨。面对如此大量的企业，如何有效的触及，并将预测性维护提供的价值变现，这里面存在不少坑。
工业体系经过多年的发展已经相当成熟，很多机械的维护维修，利润空间本身就不高。新型物联网企业有可能会发现折腾了这些年，即便有了一定的规模，也不一定能真正赚到钱。
因此面对中小企业，物联网企业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深度服务的能力，才能立足。
再从设备类型上来看，工程机械、注塑机、数控机床、空压机…行业集中度不同，设备制造商提供服务的能力也不同。因此留给提供预测***务的物联网企业的生存空间也不同。
高价值设备，或者重要型设备，它们的维护维修，更多是由***终用户自己完成的，很少外包给物联网服务型企业。有些非重要型设备，很长时间不会发生故障的设备，或者发生故障后具有维修时间弹性的设备，会外包给设备服务商提供维护维修服务。
这时，物联网企业作为技术提供方，处于***终用户与设备制造商这两端之间，可能伴随着数据和设备资产所属权的争议。
另外，完成从传统维护维修到预测性维护的转变，还需要好的心态、以及时间和金钱。
有些情况下，***终用户并不希望“独吞”停机风险。他们希望设备服务商在合作协议中，保证设备的正常运行，如果发生停产损失，设备服务商需要承担一定的赔偿责任。这自然过滤掉了一些只能在PPT上提供预测性维护的公司。
同时，从用户角度来讲，要为预测性维护服务付多少钱合适呢？
预测性维护带来的收益，如果转化为财务指标，需要经过完整的周期性分析和验证。只有算得清楚经济账，***终用户才会愿意长期为预测性维护的价值买单。