供應商和客戶之間的這種利益沖突一直存在。設備制造商如何通過預測性維護技術來保持盈利能力，而又不影響工業設備更換和服務合同帶來的收益?

　　盡管不能直接解決機器供應商與用戶之間的利益沖突，軟件即服務(SaaS)的定價模型仍將繼續獲得市場份額。圖片來源：Interact Analysis

　　預測性維護技術

　　預測性維護技術通常涉及到的工業自動化產品有：智能傳感器(例如振動傳感器、溫度傳感器等)、便攜式監視設備、專用預測維護軟件以及專用于預測維護功能的網關。工業自動化硬件通過收集相關數據來測量設備的性能，例如用于機器振動和機器溫度的智能傳感器。

　　然后，通過應用了機器學習算法的軟件來檢測這些讀數中的異常。隨著時間的流逝，經過振動傳感器和溫度傳感器訓練的這些軟件算法，可以更好地預測工業設備何時會出現故障。

　　盡管狀態監視這一概念已經出現一段時間了，但是更復雜的預測性維護產品的市場仍然非常年輕。大多數預測性維護解決方案都是按單位銷售的，供應商通常對每個傳感器按年或按月收取費用，這樣可以訪問用于進行分析的專用軟件。這種定價方法將繼續增長，但它不能直接解決機器設備供應商和用戶之間的利益沖突。

　　機器即服務模型

　　創新技術應用的改變可以解決這種利益沖突，并且將成為未來預測性維護技術實施的主要趨勢。該概念被稱為機器即服務(MaaS)。

　　MaaS模式采用軟件即服務(SaaS)的模型，重新考慮價格并將其應用于機器。它不是按年度訂閱來定價的解決方案，而是根據性能進行定價。客戶和供應商之間已就關鍵績效指標(KPI)達成一致;合同的價格取決于這些目標實現的程度。

　　例如，在此模型下，生產各種類型包裝機的Pearson Packaging公司采用了新的定價策略。該公司沒有直接出售機器，而是保留了設備的所有權，并根據包裝箱的數量(無論是豎立的還是密封的)向客戶收費。

　　這種方法可以激勵機器制造商盡可能長時間保持機器的運行，并盡可能延長正常運行時間，而這兩個方面都可以通過預測性維護技術解決。

　　工業數據所有權

　　工業數據所有權是采用預測性維護的一個障礙，MaaS模型有助于克服這一障礙。數據所有權是實施預測性維護解決方案的用戶與工業自動化或OEM廠商之間的關鍵討論點。

　　研究表明，由于數據可能被惡意方用來收集商業秘密或未公開的運營信息，因此制造商在共享其工廠的運營數據時通常會比較保守。歐洲的制造商通常對共享此數據最敏感，美國次之，亞太地區則最不敏感。

　　預測性維護產品的供應商，通常會通過使用數據來改善其產品的功能，間接實現數據的商業化。畢竟更多的數據可以更好的訓練算法。

　　有人擔心，預測性維護供應商會將數據出售給經紀人，或出售給使客戶能夠對現實運營數據中的趨勢產生自己見解的應用程序，直接實現數據的商業化。預測性維護供應商出售運營數據的能力可導致客戶的安全問題。

　　MaaS不能完全解決數據所有權問題;但是由于必須共享數據才能使該模型運行，因此我們認為MaaS是人們共享此類機器數據風險較小的一種。

　　通過MaaS模型，可以協調供應商和客戶之間的激勵機制，將兩者置于同一團隊中，為合作共享數據打開大門，并可以據此優化預測性維護以更有效地運行機器。

　　更好的服務定價模型

　　電機設備制造商SKF就在其軸承產品上采用了MaaS模型。該解決方案產品的定價，圍繞降低軸承的歷史故障率而定。而且，這類模型協調了供應商和客戶的激勵機制，因此現在雙方都期望通過延長設備的使用壽命而不是通過討價還價來獲得收益。

　　當然這類模型肯定不是"一刀切"。向最終用戶銷售時，此類模型效果很好。但是，向機器制造商銷售時，"由誰付費"的問題變得更加復雜，因為機器制造商并不是設備的最終使用者。這并不是說設備制造商在向機器制造商出售產品時不能采用這種模型，只是需要進行更多的協商才能確定誰在機器的安裝位置監視軸承狀況等細節。

　　由于需要為每個客戶協商特定目標，因此該模型需要更主動的銷售流程，并且可能適用于最關鍵的應用程序。減少的設備資本支出和激勵措施的結合，使該模型對制造商具有吸引力，并且是從競爭對手中脫穎而出的有效方法。

　　隨著時間的流逝，MaaS模型可能會變得越來越普遍，新業務模型將有助于推進預測性維護技術的廣泛采用。預測性維護的價值主張變得越來越顯著，已不容忽視，并且最近隨著智能傳感器和新的創新商業模式的出現，該市場已經為快速增長做好了準備。、