6GK5898-8MR00对于预测性维护在方案推进中面临的困难和风险，大家的判断更趋于客观。很多企业除了担心安全性、***回报分析、IT与OT难以融合之外，对于技术知识的欠缺、数据的可移植性、供应商的风险以及方案切换中的变数，都进行了重新评估。从现实情况上来看，虽然提升工业互联网的安全性、加速IT与OT的彼此融合、给出确定性的***回报分析，一直都是企业关注的问题。但两年过去了，这些方面似乎仍旧没有取得预想中的进展。从应用实施的优先级上来看，预测性维护处于***阵营的地位没有变化。然而，质量控制超越了预测性维护，成为***受企业青睐的工业互联网应用。另外，设备远程监控、生产现场的资产***也成为热门应用。服务商和供应商推进预测性维护的意愿，比作为客户的工业企业更为强烈。或许是因为相比于设备远程监控，预测性维护有更大的盈利潜力，因此处于供应商一头热的象限。很多企业还乐于尝试与设备维护相关的增强现实或虚拟现实应用，但供应商数量和能力有明显不足。从国内情况来看，与国外有所不同，但整体上可供借鉴。再来看看市场的整体情况。预测性维护市场，乃至整个工业互联网市场，被不少企业持续看好。综合Gartner、IDC、MachinaResearch、思科、贝恩等多方分析数据来看，工业互联网在整个IoT领域势必会占到很大的份额，到2021年整个市场规模有望翻番，达到2000亿美元。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&PCapitalIQ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AWSIoTGreengrass和MicrosoftAzure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。6GK5898-8MR00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。1、***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。6GK5898-8MR00)