这是一个转型的时代。数字化裹挟着制造业狂奔突进，触发了产业服务及商业模式的加速创新，产业价值链、供应链和行业生态正在加速分解、整合与重构。在这种趋势下，不断增加的新型服务业态，如全生命周期产品维护服务，产品运营、数字化营销和在线支持服务等，逐渐成为制造企业新的利润中心。传统制造业靠着“产品为王”一骑绝尘的时代已然一去不复返，智能化，服务化转型不仅是必然趋势，更是现实之举。
预测性维护，服务化转型的重要抓手
尽管巨大的服务市场令制造企业格外垂青，然而在服务化转型发展方面，传统制造业却依然步履蹒跚。以产品维护为例，传统的维护方式主要是事后维护和预防性维护：事后维护主要是“救火队“模式，往往故障已经发生损失已经造成;预防性维护则采用例行检修，人工现场维保，常常因为过度维护导致能源浪费和人力成本剧增，或者由于某些事故征兆容易被忽视或者维护人员的责任心不足，维护不到位的情况也长期存在。
在诸如电梯，工程机械，工业洗衣机，工业空调，数控机床等领域，这些重型资产不仅设备价值高，且销售分布区域广。采用传统维护方式，其不可预测的突发故障和冗长的备件及维修周期，将严重影响着客户的正常业务运行并极大的增加了安全风险;想象一下：在繁华的都市，一台电梯的突发故障可能牵动着数十个家庭的平安幸福;在繁忙的乡村，一台大型收割机的突然趴窝影响的可能是数百亩农田正常收割和大量农产品的腐败变质;在热火朝天的生产现场，一台智能机床哪怕非正常停机1个小时，影响的可能也是数十亿项目的正常交付……
预测性维护模式的出现彻底改变了企业的服务模式和流程。预测性维护的显著特点是让“物”说话，通过物联网联接产品及周边监测传感器，实时监测和了解产品运行和使用情况，并通过云端大数据分析平台进行预测分析，提前感知设备故障，且可远程服务和提前排查故障隐患，使得产品维护维护变得更加便利，运营更加可靠，成本也更低。
驱动预测性维护，从边缘计算物联网(EC-IoT)开始
然而，在预测性维护模式启用过程中，企业也面临着一些现实挑战。以工程机械为例，需维护的设备可能分布在全球的各个角落，而每台设备一天产生的数据量将大于10G，如果将这些数据全部采集并上传到云端进行分析处理，势必将给网络带来巨大的负担并因此产生巨大的联接成本，而且如果数据分析和控制逻辑全部在云端实现，也难以满足关键业务的实时性要求。伴随联接设备数量的剧增，如何解决海量终端的联接和管理，海量数据的实时分析和处理，成为保障预测性维护落地的现实难题。
基于边缘计算的物联网(EC-IoT, Edge Computing-IoT)可以有效构建预测性维护方案。EC-IoT方案由终端通信模块，边缘计算网关(华为AR500系列产品)和敏捷控制器共同构成，终端通信模块支撑物联终端传感网络智能互联，边缘计算网关就近提供智能服务，敏捷控制器通过开放的API/eSDK与不同合作伙伴的行业应用系统开放对接，同时应用云管理的架构实现不同行业海量无人值守终端的智能联接和高效管理。EC-IoT解决方案具备广泛行业适应性，为行业客户提供全流程的产业服务及商业模式创新，为预测性维护提供基础支撑。
那么，EC-IoT怎么在预测性维护中发挥作用的?
首先是创新性的将边缘计算(Edge Computing)架构引入物联网领域，在靠近设备或数据源头的网络边缘侧，部署融合网络、计算、存储、应用核心能力的边缘计算网关和终端通信模块，为边缘计算提供包括设备域，网络域，数据域和应用域的平台支撑。设备域通过终端通信模块支撑现场设备的实时智能互联;网络域为系统互联、数据聚合与承载提供实时联接及管理服务;数据域提供边缘数据聚合及优化服务，并保障数据的安全与隐私性;应用域则基于开放接口，实现边缘行业应用本地化部署，支撑边缘业务运营;
基于这个架构，不同的行业就可以根据自身的业务特点在边缘部署本地部署定制化行业应用，合理适配预测性维护数据分析模型，实时执行数据清洗、数据分析并根据数据分析结果触发预定义的业务响应策略，***时间发现设备潜在故障;同时提供本地存活，一旦与云端联接故障，数据可以本地保存和处理，联接恢复后，本地高价值数据自动同步到云端，确保为云端提供完整的产品运营视图。
其次是边缘计算与云计算互相协同，云计算聚焦非实时、长周期数据的大数据分析，能够在周期性维护、故障隐患综合识别分析，产品健康度检查等领域发挥特长。边缘计算聚焦实时、短周期数据的分析，能更好地支撑故障的实时告警，快速识别异常，毫秒级响应;此外，两者还存在紧密的互动协同关系。边缘计算既靠近设备，更是云端所需高价值数据的采集单元，可以更好地支撑云端应用的大数据分析;反之，云计算通过大数据分析优化输出的业务规则也可以下发到边缘侧，边缘计算基于新的业务规则进行业务执行的优化处理。
以电梯行业为例，到2020年全球电梯保有量预计达2000万台，以边缘计算物联网构建的梯联网采用边缘计算网关，联接电梯控制器及各类传感器，实时采集电梯的运行数据并基于本地轻量级数据分析模型进行实时预分析，比如通过对电梯噪声频次，强度的分析，可***时间进行电梯故障隐患预判，发现潜在故障;再基于云端大数据分析对电梯进行全面数据分析，全面了解电梯各部件的“健康指标“，而分析结果又可以及时的反馈到边缘侧，实现边缘分析模型的优化，达到更智能的电梯预测性维护，即提前预知电梯可能发生的故障，提前维护保养。
***是云管理架构，部署在云端平台的敏捷控制器，可实现边缘计算网关的计算资源、协议，应用和数据的统一管理和自动化部署，将网络管理全面云化。同时，具备无缝扩展能力，可支撑***别的物联网终端统一云管理。利用云管理实现了网络从规划、部署到运维的全生命周期管理，结合可视化管理组件，全网状态实时监控，海量设备即插即用，业务自动化部署，降低运营成本50%以上。
海量预测性维护市场，驱动产业价值链延伸
作为服务化转型的重要抓手，在降低维护服务成本的基础上，预测性维护正在具有全新的价值考量。由预测性维护所提供的服务和运营模式变革也延伸了产业的价值链和制造企业的盈利范围。
据第三方机构数据统计，预测性维护可以降低业务非正常中断时间，从而有效规避了设备增值运营的风险，将从设备销售到长期的设备租赁运营或者维护服务模式转型。比如，通过远程的预测性维护手段则可以有效监控甜菜收割机运营过程中设备运行状况，提高设备可靠性，降低设备故障率达70%以上，很大程度上降低了设备趴窝的可能性，为客户提供更优质的服务，这也同时是新的增值服务带来企业的持续竞争力提升的表现。
预测性维护的好处远不止于此，通过预测性维护可获取不同地区，不同环境下设备的实时运行状态参数，将这些数据进行深入挖掘分析，从而形成一个产品大数据宝库;有了这个宝库，设备制造商可以更好的优化产品设计，降低产品不良品率，同时也可以为企业的数字化精准营销提供源源不断的数据支撑，成为制造商经营转型的重要工具和手段。
如今， EC-IoT解决方案已经在梯联网，电力物联网，城市及照明物联网，智慧能源，智能制造，工程机械，车联网等领域有了成功的应用，EC-IoT解决方案将成为预测性维护的重要支撑，使能服务化转型。
