6GK5004-1BD00-1AB2
Predikto
Predikto的独特优势在于，他的技术平台能够处理数百个不同的工业资产数据集，并自动完成80%的分析流程，以便快速从数据得出分析结论，提供可行的建议，让企业提前采取措施，避免故障，延长资产正常运行时间。
Predikto已经被联合技术公司收购。
3. KONUX
KONUX专注于铁路领域，他们结合了智能传感器和基于人工智能的分析，通过预测性维护计划和铁路的优化利用，实现更高的列车正点率和网络容量。
这家公司在2019年2月刚刚完成了B轮融资，***者包括阿里巴巴。KONUX的下一步计划是在中国开展业务。
6GK5004-1BD00-1AB2
Mtell的产品主要是解决非计划停机的问题。他可以帮助企业提高资产利用率，并通过准确预测何时发生设备故障，了解为何发生故障以及规定如何避免故障，从而避免意外停机。
Mtell的创新之处在于，提出了新的分析方法：***型维护。
简单的说，***型维护就好比你去***看医生，首先是症状分析，不仅仅是对现状进行分析，而是要回顾使用的历史，过去曾经出现的故障，以及当时故障如何解决的，根据这些信息进行***终的诊断。
Mtell通过机器完成这些工作，不仅通过传感器提供的信息，Mtell还要查看过去维护***的历史，过去出现故障时，这个故障怎么发生的，为什么会发生，通过这些信息决定未来该如何解决，这样做出一个故障的诊断。
目前Mtell已经被AspenTech收购。
5. Petasense
Petasense也成立于2014年，通过监控关键旋转机器的运行状况，提供预测性维护解决方案。
在电力、石油、化工、冶金等各种流程行业，设备振动数据和流程控制数据分别存储在两个***的系统中，彼此之间并不集成。预测性维护恰恰需要振动数据与运营数据紧密反馈和自动迭代。为了更好的解决这个问题，Petasense选择与OSIsoft合作，联合推出的预测性维护解决方案，正在被硅谷电力公司使用。
值得一提的是，OSIsoft成立于1980年，是一家实时数据管理软件制造商，旗下的PI实时数据库系统已经被广泛应用于流程行业。在2017年，这家公司被软银***数十亿美元。
6GK5004-1BD00-1AB2
如果你对这个领域的更多公司感兴趣，可以参看下表。
我们喜欢高估五年，却总是低估十年。这句话用在预测性维护这里，看来非常合适。
为了推进预测性维护的落地，摆在物联网企业面前的路没有捷径。物联网企业需要具备对行业中特定应用的深刻见解，并提供更完整的端到端物联网解决方案。