资产绩效管理(APM)，就像许多其他不断发展的企业应用程序一样开始向云转移．高级分析和大数据方面资产的可靠性非常适合在云中合并。预测的可信度通常取决于用于预测的数据的数量。
使用工厂中三台车床的数据来预测可靠性是可能的，但使用世界各地数千台运行中的车床的数据则为预测增加了另一层信心。这就是为什么如此多的制造设备原始设备制造商开始提供可靠性服务作为其产品提供的一部分。
加入竞争的还有传统的可靠性和可靠性供应商CBM (Condition-Based Maintenance)软件他们已经意识到，通过聚合所有客户的数据，他们也可以提高分析的质量。
作为物联网(IoT)继续蓬勃发展，将会有越来越多的数据可用。随着云计算中似乎无限的计算能力，云APM分析的增长已成定局。这带来了新的商业机遇和挑战，在这篇文章中，我们将分别考察这两方面。
物联网和云开创了新的基于apm的商业机会
为正在销售的产品增加额外价值并不是一个新概念。制造商不断地为他们的产品添加特性和功能，以创造产品差异化以及更高成本的模型，提高利润率。
如上所述，原始设备制造商开始提供的增值服务之一是面向pdm的分析。作为制造设备的设计者和建造者，原始设备制造商通常处于最佳位置，可以使用机器的性能数据来预测机器的可靠性。由于停机时间对盈利能力有重大影响，特别是在实践精益方法的组织中，提高机械可靠性可以增加重大价值。
另一方面，随着越来越丰富的数据推动可靠性的可预测性的提高，提供新服务的机会出现了。通用电气、卡特彼勒(Caterpillar)和约翰迪尔(John Deere)等财富100强供应商已经提供了一段时间的产能，比如几磅的推力(来自通用电气的喷气发动机集团)、数吨的推土(Cat)或数英亩的耕地(Deere)。规模较小的制造商所面临的风险在于，定价与所涉及的风险保持一致。较大的制造商通常拥有更好的数据，可以相应地降低风险和价格，早期进入服务的企业也是如此，这些服务基于过去销售的资本产品的功能，而不是实际销售产品。
但是有了物联网和基于云的预测分析在美国，即使是小型原始设备制造商也可以降低风险，并对服务进行有竞争力的定价。此外，由于他们可以从设备上的传感器获得丰富的信息，他们可以用高技能的技术人员提供专业服务，比他们产品的最终用户可能要经济得多。这将创建一个场景，其中资产的实际所有权可能由OEM保留。在这种情况下，除非合同另有规定，否则OEM可能拥有资产性能数据。
当OEM提供知识时，谁拥有数据?
当最终用户拥有资产，但却将数据发送到云端，与使用类似设备的其他制造商的数据进行汇总，以便更好地预测可靠性时，所有权问题就变得更加复杂。在这种情况下，事情会变得有点混乱。
由于数据是聚合的，显然它并不都属于一个来源。只要数据是纯粹以机器性能为中心的，那么很明显，双方都有利益，甚至可能共享所有权。但是，当数据以生产为中心时，可能需要执行适当的分析，它就变得更加复杂。
作为制造商，我的制造操作的馈送和速度可能是高度专有的，实际上是我竞争优势背后的驱动因素。大多数制造商肯定会反对他们的信息属于任何人，而不是他们自己，特别是如果他们也拥有生产资产。他们只是从OEM那里购买产能，这就变得有点模糊了。
与许多技术进步一样，隐私和数据所有权问题管理起来可能比技术本身更复杂。作为个人，我们通常会通过使用Facebook和LinkedIn等社交媒体放弃相当多的隐私。然而，在商业世界中，当涉及到数据所有权时，仍然存在一种更加保守的趋势。
随着制造商开始将数据转移到云端进行分析，特别是随着物联网的使用，数据量不断增长，他们需要仔细考虑数据所有权问题。APM已被证明是物联网中最被提及的可验证的价值主张，并且可能是物联网部署中最活跃的功能领域之一，因此预计数据所有权问题将在游戏早期超过APM。
不要想当然地认为，如果你拥有资产，你就拥有数据。而且，如果您购买的是产能而不是实际资产，请确保您已经采取了适当的步骤来保护您的生产数据，即使资产性能数据属于OEM。
