音频文字.

Erik：Gijs，谢谢你今天加入我。

吉斯：欢迎。是的，很高兴能上播客。

Erik：我认为这将是一个有趣的话题，因为这里的主题是预测性维护，它必须是工业物联网的第一个用例。所以，这是我们大多数听众都熟悉的东西。但我认为我们会找到一些有趣的方法来从商业角度解决这个问题，并从不同的角度来看待它。所以，我很期待这个，因为这是一个话题——至少，对于我们物联网的人来说——一直都在出现。但在我们开始讨论之前，我很想了解您最终是如何设置 Sensorfy 的。我认为与创始人交谈以了解一些背景故事总是很有趣。这个概念是从哪里来的？

吉斯：好问题。谢谢你，埃里克。好吧，我的名字是 Gijs Meuleman。我确实有埃因霍温大学的电子工程背景，特别是射频微电子学。在 2012 年完成学业后，物联网还是比较新的。实际上，我认为我可以在这里做得更好。我看到了很多潜力。我刚开始作为一名企业家。老实说，我并没有考虑那么多。我最初是一名工程顾问，负责开发物联网解决方案。当时，我也没有那么忙于考虑可扩展性。随着时间的推移，我们实际上在广泛的行业中开发了各种物联网解决方案。从这些解决方案中，我们构建了我们的技术堆栈——一组模块化硬件和软件组件——现在可以帮助我们为客户制定预测性维护解决方案。

Erik：所以，在您于 2015 年在埃因霍温科技大学成立此项目之前，您已经做了几年研究人员。您在那里使用的东西是否可以直接转移到预测性维护，或者是更基本相似的技术但不同的解决方案？

Gijs：嗯，在某种意义上是相似的。我实际上获得了射频微电子学博士学位。我对射频收发器了解很多，它是物联网解决方案的一部分或重要组成部分。我不喜欢做研究员，所以两年半后我真的辞职了。然后我决定创办自己的公司。

埃里克：是的，明白了。除了您认为您可以比 2015 年市场上的产品更好地进行预测性维护这一事实之外，为什么要创办自己的公司？为什么不加入——我不知道——西门子或这里的一些大玩家？是什么让你有底气说“我作为一个比较新鲜的毕业生，能走出来在这个市场上赢”？

Gijs：嗯，一个非常好的问题，Erik。嗯，正如你在我的个人资料中看到的那样，我从 2009 年开始就已经是一名企业家了。我在学习期间做了一些兼职工作，所以这对我来说更像是一个自然的选择。

埃里克：好的。知道了。我也看到，你成立了一家专注于房地产的投资公司，非常有趣和雄心勃勃。实际上，它看起来像一个有趣的公司，你在那里做什么。但我可以看到你确实有创业的生活。

吉斯：是的，没错。这是一个有点失控的爱好，但这是一个不同的话题。

Erik：是的，这是描述它的好方法。伟大的。好吧，让我们谈谈预测性维护这个话题。同样，这是我们大多数听众都相当熟悉的解决方案。为什么它是您决定关注的特定解决方案？实际上，我认为这很有趣，因为很多科技公司会说，“我们专注于特定的垂直领域。我们专注于技术堆栈的特定层，”但是您选择了一个特定的用例来专注于您的业务.让您觉得适合业务范围的预测性维护怎么样？

Gijs：非常好的问题。正如我之前提到的，我们最初是一家通用的物联网解决方案提供商，我们做了很多不同的物联网解决方案。三年前，我们决定将更多的注意力集中在某个细分市场上。我们仔细研究了我们多年来开发的产品，其中很多都是关于预测性维护的。我认为这个领域的商业案例非常清楚。这帮助我们决定专注于这个利基市场，主要是因为我们在该领域获得了一些经验。

Erik：我认为这是一个明智的决定。我认为企业家经常有饥饿的眼睛，对吧？所以，他们想找到一个尽可能大的问题，并设想他们未来的独角兽。但如果你专注，成功就容易多了。所以，我有兴趣从几个角度来看待这个问题，这只是基于我个人在预测性维护方面的经验。也许第一个角度是定义业务案例，只是从成本和效率的角度来看。然后我们也可以从商业机会或围绕这个改进你的商业模式的机会来看待它。但仅从成本的角度来看，我最近看到或参与过一些案例。

第一个有点消极。所以，那是在看汽车生产线。你看着它，你说，好吧，预测性维护在这里很有意义。然后你更深入地研究它，你说，嗯，现实是，至少在中国这里，产能过剩，所以无论如何他们都在以 85% 的速度运行。他们有很多预定的停机时间。然后你有所有这些工程师，你不会因为他们是国有企业而解雇他们，或者因为他们无论如何都需要他们用于其他目的，所以你不会节省员工人数。然后生产线都有稍微不同的设备，所以如果你想部署它，你最终会做一堆不同的迷你项目。商业案例就这样被杀死了。

然后你看另一个案例，这就是离岸赢。你认为，好吧，用直升飞机将某人带到那里的往返费用为 100,000 美元，这是一个杀手级的商业案例。所以，你有两种不同的情况。一个很难证明，尽管我认为该公司实际上正在重新审视它。第二个很容易证明。作为这方面的真正专家，您如何评估不同的参数来决定这个特定的商业案例是否有意义、潜在意义或没有意义？

Gijs：这是一个非常好的问题，Erik。首先，您在预测性维护领域拥有什么，有不同的参与方。当然，您拥有资产所有者，这通常会直接受益于使用基于行业的预测性维护。但我们主要服务于工业 OEM 市场。我们通过将我们的技术集成到他们的设备或资产中来做到这一点。这是我们的重点。当然，我们会评估每一个机会，看看是否有明确的商业案例。我们看到的是，大多数司机，尤其是在欧洲，是技术人员短缺。尤其是物联网和预测性维护，将有助于以相同数量的技术人员为更多客户提供服务。这是在这里非常有价值的东西。

埃里克：是的，这是有道理的。我认为，实际上，现在在世界各地，这似乎都是一个问题。好的。所以，劳动力短缺。尽管如此，我想，在我刚刚给出的案例中，您会认为可能存在短缺，但实际上并没有。另一方面，将技术人员派到那里是一项极大的挑战。你还有其他变量吗？我想，您必须在一定程度上评估您的客户，并确定这是我们能够长期服务的客户，还是他们会发现这实际上是是不是提供价值？您将评估清单上的任何其他内容，以确定谁将成为 OEM 的长期客户？

Gijs：我们关注的其他参数之一是多远——如果资产失败会发生什么？有时影响非常大，代价高昂。当然，这是一个重要的参数。我们看到的第二个问题是，好吧，这家 OEM 是否也能够扩大规模？通常，创业要困难得多。如果将 OEM 作为在全球范围内的成熟企业，这有助于扩展解决方案，并确保他们可以收集足够的数据集以真正实现预测性维护。

Erik：所以，我们正在研究另一个案例，这是一家生产非常大型设备的公司。它可能花费1000万美元。它们通常会根据客户的要求进行定制。所以，也许一些百分比会被标准化。但通常，它们会有不同的自定义参数。这意味着，我认为，训练一个模型、预测性维护模型，然后将其应用于他们车队中的所有机器，通常会更加困难。因为他们都会有一点点——他们将收集不同的数据。他们将以不同的方式运作，以不同的方式行事。而如果我只是卖一个泵，我可能有 10,000 个单位的泵模型，从根本上说，硬件都是一样的，所以扩展它会容易得多。那么，您如何看待这些将在 OEM 设备中进行定制的情况？

Gijs：所以，我们主要为——我所说的，我们主要为 OEM 工作。他们有非常相似的设备。因此，我们的客户之一是一家大型自动门供应商。您会看到，尽管门的形式可能不同，但您检测到的运动以及您可以基于此开发的算法非常相似。所以，我认为如果你为资产所有者服务，那么资产种类就会有更多的可变性。为所有不同类型的设备提供机器学习模型要困难得多，而且它们有相当多的变化。

埃里克：好的。那是个很好的观点。好的。因此，当您从更多组件级别与 OEM 合作时，您会看到它，也就是说，好吧，它们是不同的。但它们都使用相同的铰链。他们都使用相同的引擎。您可以围绕它进行标准化。是否有您认为最有价值或最容易进行预测性维护的组件的候选清单？

Gijs：我们基本上专注于三个市场。那就是建立资产。那是真正的组件，那是工业设备。在这些市场中，我们看到如果它是线性运动，我们很容易增加价值。因此，任何振动数据或线性运动，我们都有相当多的经验。然后很容易检测或更容易检测故障模式和机制并快速帮助客户。所以，这实际上是我们在选择新客户时考虑的参数之一——以确保我们能够成功。

Erik：那么，线性运动，那是什么样的？活塞起火？给我几个例子。

Gijs：是的，好问题。建筑物内资产，自动门，电梯，自动扶梯，您可以在真实中想到。我们已经对真实的或真实的本身、真实的组件道岔、道岔系统进行了相当多的准备分析。对于工业设备，它可能确实是液压设备或其他移动的线性移动部件。

埃里克：好的。有趣的。为什么你发现线性更容易评估？

Gijs：评估起来并不容易，但我想说我们在这方面拥有大部分经验。所以，更容易成功。此外，在那里，你必须找到一个利基市场。例如，市场上还有其他参与者可以从电压或电流中获得预测性维护。

埃里克：哦，有趣。好的。所以，更多的是你在过去的 X 个项目中积累了这种经验。这有多可转移？支持 100 号客户与 1 号客户或 10 号客户的工作量是多少？

Gijs：多年来，我们构建了物联网技术堆栈。它是一组模块化的硬件和软件组件。这使我们能够为客户快速构建量身定制的预测性维护解决方案。因此，这有助于他们更快地扩展，尽管会有一些整合。总是会有一些整合。因此，我们特别关注每个 OEM 的规模。

埃里克：好的。但是你能给我几个小时吗？我只是好奇。如果我们看看客户 10，或者如果你要尝试做一个新的——如果你说，“好吧，我们要超越线性，我们要开始研究电压，”什么会是你需要付出多少努力才能弄清楚如何做电压与做下一个线性，一个线性客户的下一个项目？我只是好奇，因为这些规模经济在物联网中非常重要。这是一个如此分散的行业，寻找规模经济实际上具有挑战性。当你找到它们时，如果你真的能弄清楚如何扩展它们，它们就非常有价值。

吉斯：是的，确实如此。小时数是困难的。但我能说的是，这就像一个项目真正工业化的吞吐时间。我想说，它可以从 3 个月到 12 个月不等。这取决于检测故障模式的难度。大多数情况下，所需的大部分时间是真正分析数据和开发模型。

Erik：这似乎是个大问题。我的意思是，很多这些工业系统都是经过设计的——当然，它们都是为了不失败而设计的。他们中的很多人很少失败。因此，您可能有很多数据，但故障数据很少。数据收集和训练过程是什么？您是否基本上与客户合作，对他们的设备进行一系列压力测试以迫使其失败？您如何确保拥有需要使用的数据？

Gijs：这确实是我们与客户一起做的事情。有时他们可以模拟故障以确保我们捕获这些数据。

埃里克：好的。所以，它主要是一个模拟。但我想在现实世界的模拟中进行模拟。

Gijs：在现实世界中，是的，确实如此。

Erik：如果是 3 到 12 个月，这里的大部分时间是多少？是制造训练数据，还是更多地与他们合作找出商业模式，或者他们将如何将其整合到他们的服务中？

Gijs：基本上，这是一个产品开发周期。因此，您可能必须确保您有正确的要求。首先导出一个原型。您开发软件，将其集成到系统中，开始收集数据。然后从这些数据中推导出一个模型。这需要相当长的时间。我们客户的外部系统之一，他们正在开发这样一种产品，可以检测道岔系统中的故障。这是一个相当大的挑战。

Erik：投票系统是什么？

Gijs：它用于铁路道岔。这是一个相似的名字。在铁路中，当您在交叉路口有两条轨道时，这称为道岔。

埃里克：好的。我在有关铁路事故的报纸文章中看到过铁路道岔这个词，所以我能体会其中的价值。好的。伟大的。所以，这是在部署方面。然后我们从成本节约的角度讨论了一些好处。我认为您作为企业关注的一件事是帮助您的 OEM 客户也围绕此开发新的业务模型，看看他们如何使用预测性维护来修改他们的收入模型。在围绕此开发新的、可能更高的利润收入流方面，您认为哪些有趣的案例或成功案例？

Gijs：这是一个非常好的问题。如果您看一下原始设备制造商，传统上，他们有更多的交易业务模式。所以，他们卖掉他们的零件。他们将资产出售给资产所有者。然后，当出现故障时，他们会提供备件。可以通过预测性维护启用的有趣模型之一是远程监控您的资产，并在产品出现故障时及时向资产所有者发出警告。因此，其中一个机会是使用预测性维护使他们能够销售长期服务协议。然后随着时间的推移，他们会更多地了解他们资产的失败。这可以帮助他们过渡到更加注重结果的商业模式。他们实际上是保证资产和资产所有者的表现。这对他们有直接的好处，因为他们希望以最低的总拥有成本尽可能长时间地使用资产。这是 OEM 向基于服务的商业模式过渡的机会，我们现在看到这种模式越来越多地发生。预测性维护真的可以做到这一点。

Erik：我想你可以用不同的方式做到这一点。因此，最简单的方法就是在顶部添加一个 SaaS 解决方案。所以，我卖给你硬件，然后我以任何价格卖给你，每个资产每月 100 美元。我卖给你这个预测性维护解决方案。更具变革性的方式是说，我将把资产出租给你。我拥有资产，但您使用资产。然后我使用这个软件来确保我可以优化正常运行时间等等。就在这里采用不同的模型而言，您认为今天的市场在哪里？

Gijs：是的，所以，这是正确的。您通常以月费开始。在这里，您可以向他们提供有关资产健康状况的一些见解。然后，随着您作为 OEM 的信心成熟，您可以将注意力更多地转移到基于结果的方面，实际上，正如您所说，租赁设备并确保设备始终运行，没有停机时间。这是一个完全基于结果的商业模式。我目前看到的是仍然存在混合。因此，在这个周期中已经很远的公司仍然使用基本费用，更基本的月费。当正常运行时间高于预期时可能会有奖励，或者当正常运行时间低于预期时可能会减去。

埃里克：哦，这很有趣。我还没有听说过这种奖金结构，但这是有道理的。这很常见吗？

Gijs：这还不常见，但我看到有几家公司，工业公司正在朝着这个方向发展。如果你能弄清楚它并且它真的非常有效，那么我认为你可以成为你所在行业的赢家之一。

Erik：这是一个有趣的概念。我的意思是，这对我来说是物联网领域最有趣的领域之一。就是这种关系有很大的创造空间，对吧？当您拥有数据时，您可以真正重塑与客户的关系。也许有时在这里隐藏的另一件事是使用您正在处理的数据以及对其他功能的见解，对吗？如果您将价值创造视为堆栈，那么您拥有堆栈中的一个元素。它为您的维护团队减少了人工费用。另一个要素是减少停机时间。您还有其他事情，例如可能将数据提供给您的研发团队，以便您的研发团队可以更准确地了解失败的地方，并且他们可以设计出更出色的下一代产品。您是否看到这些公司付出了很多努力来真正剖析数据并研究如何将其用于预测性维护核心工作之外的其他功能？

Gijs：我还没有注意到它，但我确实看到了它的价值。您实际上可以看到设备在现场是如何使用的。然后在此基础上，您可以制作您的下一代设备。您可以从中得出规范。我完全同意。但这些都是长期周期，我还没有看到一个例子。

埃里克：是的，没错。那就是问题所在。在这个市场上设想某些东西总是比在现场实际实现它更容易，对吧？

吉斯：是的。

埃里克：好的。凉爽的。好吧，告诉我更多关于贵公司的信息。我们现在已经知道你在做什么。你提到了行业。你通常和谁一起工作？是不是更多的中型企业？是大型企业吗？我猜这主要是欧洲的吗？谁是您的典型客户？

Gijs：这是一个很好的问题。我提到的是，我们的客户是我们的原始设备制造商。通常，拥有现有市场的成熟 OEM，他们确实看到了设备服务化的机会。大多数情况下，我们为欧洲客户服务，但他们将设备运送到世界各地。

Erik：就——我不知道你是否对此有那么大的了解。但就终端市场而言，尤其是采用服务化模式的市场，我觉得欧洲可能有点走在前沿。我认为，在我所在的中国，让人们采用这种方式有点挑战。即使是云，现在在中国的工业领域也常常行不通。因此，在采用其中一些系统之前，还有一些问题需要在人类层面上得到更多解决。但是，您是否对终端市场有足够的了解，哪些市场最准备好或最愿意开始关注基于云的软件或新的商业模式？

Gijs：我确实在那里有一些知名度。事实上，您提到的，虽然将数据发送到云端仍然是一个挑战——尤其是在石油和天然气行业——他们不想共享他们的数据，通常是在工厂之外。但多年来，我已经看到了云的大量采用。越来越多的公司意识到了好处，并愿意将数据发送到云系统并看到它的好处。

Erik：有一个明确的趋势线，对吧？这只是一个行业、行业、国家/地区的问题，这是如何发展的。

吉斯：是的，没错。

Erik：嗯，你和谁一起工作呢？如果一家公司说我们将开始考虑提供这种新的数字服务。而在过去，我们只销售硬件，这是否更多地被视为纯粹的技术集成，可能是产品经理领导参与，是你的接触点？还是 CTO 或业务部门负责人参与的更多战略主题？谁是围绕采用这些解决方案做出决策的典型利益相关者？

Gijs：实际上，我们从两层看到它们。当然，管理必须参与。必须有一个关于数字化的愿景以及公司希望如何利用它。然后我们的典型接触点是研发。因此，他们已经定义了一项策略，并认为预测性维护是他们希望在下一个产品中解决的主题之一。这就是我们的用武之地。我们帮助他们制定战略要求，帮助他们整合技术，真正做到，为他们消除复杂性。之后，我们帮助他们进行数据分析和模型设计，当然这只有在收集了各种数据点之后才能完成。

Erik：每一个都是一个独立的项目本身。那么，您的产品是什么样的？听起来您已经构建了一些标准化软件，但您也可能使用了更多现成的硬件，并且您拥有自己的服务。这看起来像一个包？

Gijs：我们的技术——我们构建了不同组件的技术堆栈。我们为传感器配备了标准化硬件。我们可以定制它。我们在云中有一个集成的软件层。我们有一个内部中心，我们可以在其中分析数据并真正整合模型、预测性维护模型，并向他们展示洞察力。但通常，它也是与边缘系统的集成。

埃里克：明白了。谈到云，您是否建立在任何特定的云上？你是不可知论者吗？

Gijs：我们与许多不同的云供应商合作过，但我们在 AWS 和他们在那里使用的技术堆栈方面拥有大部分经验。

埃里克：好的。知道了。那么当您查看网络安全等主题时，您是否依赖 AWS 来保护数据？有没有你必须参与这些主题的领域？

Gijs：是的，所以，大多数云提供商都有解决方案，使用证书并确保您从设备或网关发送到云的数据实际上是安全的。我们在这些解决方案的基础上进行构建，这可能在 AWS 中，但您在 Azure 或 Google Cloud Shell 中拥有它们。

埃里克：好的。所以，这不是什么大问题。预测性维护是否总是一个独立的系统，因为您部署了传感器等等？在某些情况下，您可能需要来自流程上游、下游的外部数据？情况是否如此，或者您是否总是可以使用您将直接部署在 OEM 设备上的传感器来完成这项工作？

Gijs：嗯，这是一个组合。由于我们集成了技术，我们还集成了设备内部可能已经可用的电子系统系统。所以，我们从那里提取数据。最重要的是，我们通常根据我们正在查看的特定设备使用几种不同的传感器。

埃里克：好的。所以，你可能正在看，我不知道，电压或只是能量流，像这样的东西也可能是相关的。

吉斯：是的，确实如此。

埃里克：好的。知道了。伟大的。您是否可以浏览一两个案例，只是为了让我们了解端到端的情况？我也很想听听您的一些客户的一些结果？

Gijs：这是一个很好的问题。我可以深入研究的一件事是我们为大型自动门 OEM 制造的产品。我们已经建立了一个传感器，它被安装在门上，可以根据振动、温度测量不同的参数。基于振动事件和一些边缘分析，我们可以检测到几种故障模式。所有这些故障模式都被发送到云端。然后，技术人员可以直接与这些数据进行交互。然后在此基础上，他们还可以自动安排维修技术人员在实际故障发生之前去那里。当然，这有助于在人数相同的情况下为更多客户提供服务，同时也有助于减少任何计划外停机时间。

Erik：在这种情况下，什么才是好的成功率？我想你可以从两个角度来看待它。您可以预测的故障发生前的时间段是多少？您是提前六个月还是提前两周预测？那么预测的准确度是多少呢？这里通常有什么好的范围？

Gijs：是的，这是一个很好的问题。但实际上，我不知道。

埃里克：好的。为什么是这样？我的意思是，对于这种特定情况？

Gijs：对于这个特定的案例，是的。

Erik：如果我们只是更一般地看待，而不是在这种情况下。但总的来说，你会认为是什么——我想这取决于具体情况。但合理的范围是多少？因为我认为这里的挑战是，你总是可以完成一些事情。正确的？但问题是，它是否足够准确，会产生重大影响？

吉斯：是的，这是真的。你也不想要太多的误报。所以，它是准确的。好吧，某些类型的设备可能有三到六个月的窗口期。但这实际上取决于您正在查看的设备。

埃里克：好的。所以，像这样的地方——但我们会提前几个月、几个月提前通知。

Gijs：是的，这是可能的。

Erik：那么准确率，有什么标准范围你会说是好的，还是根据情况而定？

Gijs：是的，这是我无法一概而论的事情。

Erik：我猜，在某些情况下，你看到的是 99.XXX 的准确度。在其他情况下，稍微少一些。

吉斯：是的。

埃里克：太好了。然后，我想我的最后一个问题。我想我们已经从几个不同的角度讨论了这个问题。关于预测性维护，我们在这里遗漏了什么对于人们理解很重要的东西吗？

Gijs：嗯，我想说的是，预测性维护不是从技术开始的。我们应该真正从商业模式开始。这是一项很棒的技术。有很大的潜力，可以从中获得很多好处。但是您应该首先考虑商业模式。然后技术和所有的技术堆栈将在以后出现。

埃里克：是的，这是有道理的。我认为这可能与许多公司的看法相反。他们想做一个试点项目，然后他们想查看非常直接的成本收益，这是一种非常简单的看待方式，但通常不是全面的方式。伟大的。那么，对于有兴趣了解更多关于预测性维护的人与您联系或与团队取得联系的最佳方式是什么？

Gijs：最好的方法是访问我们的网站。这是 www.sensorfy.ai/contact。你可以伸出援手。如果您是 OEM 并希望通过服务化和预测性维护来增加您的业务，或者如果您参与 OEM 公司内部的预测性维护，我们可以帮助您消除复杂性并快速为成功做好准备。

埃里克：太棒了，吉斯。感谢您参加今天的节目。

Gijs：是的，谢谢你邀请我。