早在幾年前，對於工業製造來說，「預測性維護」以殺手級應用的級別被寄予厚望，但是隨著IoT企業的布局推進，大家隨之發現一個問題，如果不能降低運營成本，工業預測性維護的應用在某種程度上將成為空談。
全球領先的戰略諮詢公司貝恩諮詢曾對計劃採用預測性維護的企業進行過調研。對比2016年和2018年的兩次數據，真正實施和計劃採用預測性維護的企業比例都有所下調。究其對預測性維護的期待從熱衷趨於理性的最大原因還是成本考量。
1「預測性維修」的成本為什麼那麼高?
預測性維護(Predictive Maintenance，PdM)是指通過對設備運行狀態進行持續測量和監控，使用工業數據建模和數據分析技術預測和診斷設備故障，在設備故障發生前提前採取修正措施。不同於一般的遠程設備狀態監控，不論是從時間成本、經濟成本還是技術成本上，預測性維護都有很痛的難點。
01時間成本
預測性維護要實現，前期需要大量歷史數據的支撐。工業系統是相當複雜的。不同的工業企業有不同的生產線和運行流程，涉及的工業設備種類更是多種多樣。這就給數據的收集工作帶來了極大的挑戰。從時間上來看，僅僅只是收集數據就會耗費大量的時間，更何況後期還需要對這些數據進行歸納和處理，這將會是一個極其漫長的過程。
02經濟成本
由於「預測性維護」涉及到的產品規格不一，面臨定製化程度高，項目很難標準化，無法快速複製的特點，對物聯網企業來說，難以快速突破市場，對於工業企業來說，勢必導致成本極高，難以承受。
03技術成本
相比於商業或者或者網際網路場景，工業場景設備類型多，運行工況複雜，涉及到數據採集的傳感技術，數據傳輸的通訊技術，數據處理技術和數據分析的算法策略等。此外，工業算法需對工業及工業設備運行基本原理有一定的認識，這對行業技術人員提出了更高的要求。從市場上的技術來看，目前的算法模型還很難達到預測性維護的要求。
2「Edge AI+ZETA」組合拳直擊痛點
痛點雖在，但也掩蓋不了預測性維護將是大趨勢這一事實。就此，縱行科技打出了一套組合拳：「Edge AI+ZETA +算法前置」，使預測性維護成本降低至20%以內，性價比堪稱最高，在滿足大部分中小型企業並沒有足夠的技術儲備和資金能力實現智能化升級的痛點需求之外，還能覆蓋廣闊的工業應用場景，推動預測性維護應用普及。
工業場景動、靜、電、儀管理系統
01採用無線傳輸，不影響工廠設備運行
在工業場景中進行數據獲取，如果採用有線傳輸，需在工廠裡進行大量施工安裝，同時還會影響設備正常運行，導致經濟成本的增加。就此，縱行科技推出無線智能終端，該終端可由電池供電，不需要布線，可以輕鬆搭載在旋轉設備上，收集原始數據。
02國產技術搭建專網，實現數據安全採集和高數據量的傳送
由於「預測性維護」涉及到的產品技術方面的機密太多，工業企業對通信技術的選擇往往很謹慎。由此，縱行科技採用了自主研發的純國產ZETA通信技術，可搭建專網，保證數據的安全、私密性。同時，ZETA具有自主可控、低成本、低功耗、廣覆蓋等特點，支持超窄帶寬的多信道通信、多跳網狀網絡的分布式接入、以及低功耗的雙向通信，針對工廠複雜環境，相比Wi-Fi、lora、NB-IoT等，ZETA的穿透性更強、成本更低、具有高接收靈敏度和抗幹擾性。此外，ZETA自研了Advanced M-FSK物理層調製技術，在低功耗的基礎之上可滿足工業大型設備較大數據的回傳需求，對傳統的LPWAN功能進行了補缺。
03搭載Edge AI，靈活便捷的同時降低成本
Edge AI，除了邊緣計算的快速、安全、可靠和可拓展的四大優勢之外，最大的優勢在於能有效降低成本。一是，邊緣計算可避免大數據量通訊，不佔用雲端資源，使預測性維護的實施方案極其靈活、輕便，從而可使成本降到最低。另外，縱行科技把Edge AI進行前置，移植到智能終端內部，實現數據的即採集即處理，能最大限度延長終端電池壽命。
04以典型旋轉設備切入，可快速複製推廣
工業設備70%的故障都可以通過設備振動信號監測出來，縱行科技針對常見旋轉機械設備研發了基于振動信號分析的智能監測終端，結合ZETA窄帶通信和邊緣智能的優勢，打造「輕量瘦身」的預測性維護應用，用20%的成本覆蓋80%的典型旋轉設備故障模式，具備大規模複製推廣的條件。
3推出「機理+AI」算法，使故障告警準確率能達到95%
為了深入研究設備機理、分析工業場景並獲取有效故障數據樣本，縱行科技與上海交通大學、同濟大學和上海大學等院校展開了戰略合作，深入研究設備運行和故障機理，降低對數據的依賴，並通過仿真和試驗測試的方法積累了大量數據，建立了十餘種故障模型。與此同時，縱行科技針對具體工業場景和設備工況採用定製化算法進行加強分析，從而提升設備監測的有效性，更全面的把控設備的運行狀態。例如對於多工況的設備，通過GMM算法實現對採集數據的工況分類，確定各工況下特徵分布情況，進而自適應地確定設備啟停和異常的報警閾值;對於穩定工況的特徵值，通過概率統計、衰退模型、時序模型等方法或算法對設備狀態和剩餘壽命評估。
通過「機理+AI」的方法，縱行科技推出了ZETA Edge-AI智能終端，該終端的故障告警準確率能達到95%，誤報率低於1%。ZETA Edge-AI智能終端採用了最高配置：使用MEMS加速度傳感晶片使產品能達到29kHz(3dB)的頻響，程序設置25.6kHz的採樣率，有效分析0-10kHz頻段的頻譜，能涵蓋90%以上旋轉機械設備的故障特徵頻段。同時，單次採集1.28s的振動數據，保證頻譜有0.78Hz解析度，能精確定位故障或特徵譜線。
在功能方面，ZETA Edge-AI智能終端通過對旋轉設備長期監測進行歷史數據的縱向分析，採用閾值判定、趨勢分析和概率統計等方法對設備狀態進行評估，及時發現設備異常狀態，並可實時同步到平臺端和移動端，用戶無論辦公還是在家，都能第一時間獲取設備異常的信息。對於常見的故障類型，包括轉子不平衡、不對中、安裝鬆動、軸承和齒輪損壞等，智能終端也能給出具體故障類型判斷，協助用戶進行故障排查和定位，提高故障處理效率。
基於低成本和高性能的優勢， ZETA Edge-AI智能終端有望推動預測性維護應用普及，給工業預測性維護的發展帶來更大的信心。