2024年容知日新研究报告：智能运维百亿蓝海，行业龙头领跑掘金

1 智能运维和健康监测龙头，工业自动化“必选项”

1.1 深耕工业设备智能运维解决方案，软硬件一体化布局

PHM（故障预测与健康管理）系统，指通过识别和抓取目标设备运行中的相关信息并进行数据分析，确定故障性质、部位和起因，准确预报设备故障的程度和趋势，并提出相应的运维策略。 公司深耕工业设备智能运维，致力于成为专业的工业设备智能运维整体解决方案提供商。容知日新成立于 2007 年，自成立以来，专注于向客户提供工业设备状态监测与故障诊断解决方案，起步于手持系统，围绕智能算法和诊断系统扩张业务。

1、产品体系丰富阶段（2007-2011 年）：成立初期，主营产品为手持系统产品，较为单一。2008 年公司自主研发的有线系统产品，率先应用于冶金关键机组以及风电行业的风力发电机组状态监测与故障诊断领域。2010 年，公司自主研发的无线系统产品正式上线，开启各类机泵、通用风机等稳态设备的无线监测应用，初步形成以有线系统、无线系统和手持系统为核心的产品体系架构，产品结构不断丰富。2、诊断服务提升阶段（2012-2016 年）：随着核心产品体系的构建，公司业务规模不断壮大，项目实施经验不断丰富，积累了丰富的设备状态监测与故障诊断案例。在此基础上，公司不断加强诊断服务研发，构建了以智能算法为核心，以大数据平台为架构的云诊断中心，大幅提升了远程设备状态监测与故障诊断智能化水平和服务能力，更好的向客户提供状态监测与故障诊断系统解决方案。3、全面快速发展阶段（2017 年至今）：公司充分利用多年以来项目实施和技术服务形成的经验和规模优势，加大研发投入，优化产品和技术服务体系。公司不断开发如位移传感器、静态双轴倾角传感器、塔筒倾覆监测系统、煤机监测产品、叶片监测系统、大机组监测系统等适应多行业、复杂工业场景的新产品，与风电、石化、冶金等行业的多个大型知名企业或其下属子公司保持了良好的合作关系。

拥有较为完整的技术和产品体系，是国内同行业为数不多的打通了从底层传感器、智能算法、云诊断服务和设备管理等环节的公司之一。公司经过多年的研究、开发和应用，积累了丰富的研究成果和应用开发经验，构建了涵盖自制核心部件、数据采集与分析、智能算法模型、智能诊断平台和智能设备管理的完整技术与产品体系，在数据采集端、信号监测与故障诊断方面均具备一定优势，可以为不同行业的用户提供专业的、定制化的工业设备状态监测与故障诊断系统解决方案。其中核心工作原理是以传感器收集物理信号，智能算法进行实时监测和故障诊断。公司自主开发的传感器可用于收集振动、温度、位移、冲击等物理量，通过有线或无线设备向上传递至服务器，利用智能算法对其进行处理，从而完成故障预警和设备状态分析。

一、全产业链布局，软硬件产品体系持续完善

状态监测与故障诊断系统同时结合了硬件（电路设计、结构、配件等）和软件(嵌入式软件、算法、应用软件等）设计与研发，属于硬件与软件一体化产品，两者是产品不可分割的部分，硬件是软件运行的载体，软件是实现产品功能的基础。

（一）硬件：主要包括数据采集、传输传感器以及数据采集通讯站。 手持系统硬件产品包含各类点检仪、无线信号采集器与频谱分析仪，该系统可以辅助点检人员对设备的振动、温度等参数进行采集与分析； 有线系统硬件产品包含各类有线振动、温度、油液传感器以及数据采集站，主要运用于风电行业； 无线系统硬件产品包括各类无线振温传感器、无线监测器、无线通讯站，适应生产环境较为恶劣的行业，如石化、冶金、煤炭等行业，进一步完善场景覆盖。

产品业务多元，无线系统增长加速。2017-2022 年，公司第一大收入来源为有线系统产品，其主要运用于风电领域，随着公司下游行业的进一步开拓，有线系统产品营收占比呈现下降趋势。公司无线系统产品收入占比快速提升，自2018 年的14.13%提升至 2022 年的 36.16%，主要得益于公司持续加强石化、冶金等行业的市场开拓；此外，无线系统有着更高的销售单价与毛利率，将持续带动公司的营收成长，并优化盈利能力。

传感器高度自制，降本增效明显。2018-2020 年间公司传感器自制率稳步提升，2020 年公司实现传感器自制率达 89.48%。2018-2020 年间自制传感器成本仅不到外购传感器成本的 50%，通过传感器自制，公司有效降低成本，同时可为各种场景量身定制数据采集方案，如煤矿内空间较狭窄，需体积更小巧的传感器；石油石化场景内，需符合防爆要求的传感器等等。

（二）软件：主要包括 ICS 点检系统、EPM 系统、CIDC 云终端中心、SuperCare智能运维平台以及 iEAM 智能设备管理系统。 ICS 点检系统：支持在点检过程中与各类手持仪器进行交互，提供分析数据与健康状态指标。 EPM 系统：与 ICS 系统功能相似，该系统支持与有线或无线数据采集站进行数据交互、数据计算，判定设备状态并提供健康状态量化指标；CIDC 云诊断中心：支持对数据进行智能预警与智能诊断，为远程诊断分析师提供数据与样本案例库，并且可以结合诊断分析师的评估和分析，提供故障诊断服务。 Super Care 灵芝设备智能运维平台：贯穿数据采集、边缘计算、信息传输、故障报警、诊断分析等各环节，将智能运维所需的流程集成于一个平台上，并且支持运维业务 DIY，更好的满足跨行业需求。iEAM 智能设备管理系统：包含企业设备资产的检修维护、备件库存处置报废及寿命统计分析等功能软件模块，帮助企业进行设备资产的全生命周期管理。

二、看护服务后收费，智能诊断中心提供全天候服务

构建了智能诊断中心，为客户提供 24 小时的在线监测与故障诊断服务，监测客户设备运行状态情况，排查隐患。与一般的监测设备生产和销售企业不同，公司通过大数据平台搭建和专家诊断系统的应用，成立了专业的远程诊断中心，为客户运维决策、备件采购等提供数据支撑，成为集产品、技术支持和云诊断服务为一体的解决方案提供商。公司远程诊断中心获得 DNV·GL 认证，通过与国际知名认证机构Mobius合作，能够提供 ISO18436-2 国际振动分析师培训和组织考试，该认证在全球范围内受到认可和接受。同时公司构建了完善的培训体系，为客户进行专业技术培训，助力客户组建自己的专家诊断队伍，增强了与客户之间的黏性。产品运维人员通过在线监测系统，对产品进行运行状态的及时跟踪与处理，保证监测产品与系统的稳定运转，并且及时了解产品的使用情况，为产品的持续改进优化提供信息来源。另外，售后人员还会对客户进行定期回访，收集客户的产品使用评价、服务评价、改进建议、新需求等，通过与客户的持续互动与交流，不断提升产品与服务的品质。

三、“卡位”战略初见成效，下游行业加速拓展

立足风电、石化、冶金行业，加速水泥、煤炭、煤化工等市场开拓。公司可在不同环境与工业场景下测量速度、位移、转速、振动等多个参数，对压缩机、机泵群、风机群等工业设备提供监测。主要产品为工业设备状态监测与故障诊断系统，已应用于风电、石化、冶金、水泥、煤炭、轨交等十多个行业。

下游市场开拓进入加速期。从下游行业端来看，由风电向其他领域不断扩散：公司目前“卡位”战略初见成效，营收结构呈现多元化，风电行业收入占比持续下降，石化、冶金行业收入占比由 2018 年的 27.63%显著增加至2022 年的49.56%。同时在2021 年，公司还进一步开拓水泥、煤炭等行业客户，增加了公司产品与服务的下游行业和应用场景。

主要客户均为行业龙头企业，前五大客户占比近年企稳。经过十多年的发展，公司积累了一批优质客户，与风电、石化、钢铁等行业的多个大型知名企业或其下属子公司保持了良好的合作关系。金风科技系风电行业新增风机吊装容量排名第一的企业 ， 2018-2020 年 来 自 该 客 户 的 销 售 收 入占公司总营收比例分别为15.01%/17.98%/9.72%，系公司第一大客户。中石化系石油化工龙头，2018-2020年始终位列公司前五大客户，收入占比分别为 10.63%/9.77%/6.10%。2020年钢铁行业龙头宝武钢铁集团成为公司前五大客户，销售收入占比6.14%。公司一方面在不断开拓下游市场，另一方面核心客户销售额也逐渐提升，合作关系逐渐加深。

公司持续拓展新行业，新赛道持续布局。不断在石化、钢铁、水泥、煤炭、港口、油田等多个非风电行业成功获得订单，整体业务规模获得较快增长，且非风电行业收入占比不断提升。同时随着公司应用场景的不断丰富和各细分行业的收入规模不断增加，公司抗风险能力大幅提升。同时下游营收来源更加多元，多个低渗透率赛道的开拓有望为公司中短期发展注入强劲动力。

1.2 业绩高速成长，盈利能力稳中有增

过去营收快速增长，2023 年受下游影响整体承压。2022 年容知日新实现营收5.47亿元，同比增长 37.76%；实现扣非归母净利润 1.16 亿元，同比增长42.86%。2017-2022年公司营业收入由 1 亿元增长至 5.47 亿元，CAGR 达40.47%，主要系1）风电叠加政策催化，存量项目建设并网加速，提振风电行业有线系统市场需求，风电收入快速增长；2）公司成功开拓石化、冶金市场，并与行业头部客户中石化、上海宝钢签约合作；3）公司推出无线系统升级版，在采集能力、传输距离等方面进行升级，带来了系统销售客单价的提升。净利润方面，公司归母净利润持续增长，由2017年的0.15亿增加至 2022 年的 1.16 亿，CAGR 达 50.55%。而 2023 年由于下游的石油、钢铁等行业的景气度下滑导致对 PHM 的需求有明显的下降。

毛利边际改善，公司盈利能力仍具韧性。2017-2022 年，公司综合毛利率水平维持在 60%以上，主要系行业进入壁垒较高、公司核心部件自给率高等因素。2022年度较 2021 年度主营业务毛利率上升 2.35 个百分点，主要原因系公司通过对产品升级迭代，部分产品使用国产芯片替代进口以及优化产品线缆成本等措施，强化成本控制和丰富产品组合带来风电、石化、冶金等行业毛利率不同幅度提升；同时其他行业毛利率的提升主要系当期公司积极拓展新行业，聚焦价值客户，挖掘轨交、有色和化工等需求度高、潜力大的新行业，实现业绩和盈利能力的提升所致。

期间费用率逐步下降，净利率保持高水平。管理费用：2018-2022 年间，公司营收的快速增加带来规模效应，叠加公司管理不断优化，公司的管理费用率有所下降；销售费用：销售费用率相对较高，主要由于公司加大新客户及行业拓展力度，广义销售人员（销售、交付、支持人员等）数量及平均薪酬逐年增加、宣传推广等费用增加所致。伴随着行业拓展成效显现，公司销售费用率逐年优化，2022 年下降至21.72%。研发费用：研发支出由 2018 年的 2457 万增加至 2021 年的9200 万，研发费用率一直保持在 15%左右，研发强度维持在较高水平，主要围绕数据分析、智能算法模型以及智能诊断等关键环节进行持续的研发投入。人均创收：公司人均创收出现逐年快速提升的趋势，2022 年达 83.01 万，同比增长 7.65%（主要系2021 年增长迅速）。

营运能力逐渐优化，收现能力静待改善。公司经营能力持续提升，2022年公司应收账款周转天数与库存周转天数分别为 204 天/157 天，存货周转天数出现些许下降，主要由于公司前几年收入体量快速增长，公司对于原材料和库存商品备货的管理更加得心应手。得益于公司优秀的经营能力，公司经营现金流自2019 年开始回正，2022 公司收现比与净现比出现下降，主要是应收账款较大导致的。主要是：1、公司客户属于风电、石化、冶金等行业且多为大型企业集团，其付款审批周期相对较长；2、受房地产走弱以及能源危机推升双焦价格的影响，于钢铁行业整体效益处于近年来较低水平，导致公司钢铁业务相关项目回款周期有所延长；3、中石化2022年10月开始推行数字化应收账款债权凭证结算方式，结算方式的切换影响了回款进度。

1.3 股权集中，股权激励制度完善

公司控股股东为聂卫华，实际控制人为聂卫华和贾维银（两人为一致行动人）。聂卫华直接持有公司 18.9%的股份，聂卫华、贾维银合计直接持有公司28.02%的股份，聂卫华通过安徽科容间接控制公司 11.57%的股份，两人合计控制公司39.59%的股份。

公司高管经验丰富，人才建设体系完善。公司董事长聂卫华拥有丰富的市场开拓经验，副总经理贾维银为技术背景，曾任西安交通大学机械学院教师、通用电气全球研究院上海分院研究人员，拥有多项发明专利，技术功底深厚；PHM 涉及的技术领域广泛，需要拥有一批既精通力学、机械、通信工程、软件工程、电子技术、故障诊断等多个专业学科，又熟悉风电、石化和冶金等行业设备运行特点的专业人才。这不仅要求从业人员有较强的学习和创新能力，还需要拥有长时间的经验积累和技术储备。截至 2022 年底，公司拥有研发人员共 236 人，现有获得Mobius 认证的国际诊断工程师 47 名，其中四级认证资质的有 6 名，三级认证资质的有15 名，二级认证资质的有26 名，注重吸收外部先进人才，建立了完善的人才建设体系和内部培训机制。同时今年 4 月份姚结兵先生担任公司总裁，姚结兵先生 2006 年至2022 年在华为技术有限公司先后担任研发经理，解决方案及营销部长，产品线行业总经理，海外国家VP及系统部部长，具有丰富的管理经验以及知识储备。

股权激励完善，核心技术人员均持有一定比例的股权，增强团队稳定性。公司股权激励则以业绩角度出发，以 2021 年为基础，2022-2024 年公司营收或净利润增速需分别为同比增长 40%/30%/30%。目前来看，2022 年完成股权激励第一归属期目标，公司股权激励的考核目标设定合理，形成稳定的核心团队，增强价值创造能力，促进公司良性发展。

2 PHM：工业软件运维管理类，解决工业设备检维修痛点

2.1 PHM 是工业自动化的重要组成部分

工业自动化主要分为控制系统、自动化仪表、工业软件、企业综合管理信息系统四类产品。在流程工业的自动化解决方案中，容知日新主要参与前三项产品的相关业务与研发，帮助客户实现安全生产、节能降耗、提高质量、降本增效、绿色环保等方面需求。

工业软件是对工业技术和知识的程序化封装、复用，是工业化的“灵魂”产品。在实际工业场景中，如汽车制造、船舶制造等，人们获得了诀窍、技能、经验，通过程序化、算法化、模型化等手段，封装成了工业软件。工业软件能够控制生产设备、优化制造和管理流程，提高生产率，是现代工业的“灵魂”。

PHM 属于工业软件中的运维管理类。从制造业生产周期的角度分类，工业软件包括研发设计类、生产制造类、运维服务和经营管理。研发设计类主要用于设计工业产品，数量虽少，却是“卡脖子”最严重的环节，主要包括CAD、CAE、CAM、EDA、PLM等；生产制造类主要用于生产过程中，主要包括 PLC、DCS、SCADA、MES等；运维服务类主要用于设备的维护、维修过程，主要为 MRO，PHM。而目前PHM 行业发展迅速，国内市场尚在起步阶段，公司逐渐展现技术的竞争力。

2.2 PHM 系统分状态监测、故障诊断和故障预测三个层级

有别于事后维护，PHM 系统分为状态监测、故障诊断和故障预测3 个不同的层级。工业设备的运维往往伴随高温、高压、潮湿、粉尘、油污等工况，设备一旦发生故障将带来较高的经济损失。传统的设备维护方式有事后维护和预防性维护，都无法避免设备的突发性故障，同时运维成本也较高。而设备的预测性维护是依靠设备状态监测与故障诊断技术，通过识别和抓取设备运行的相关数据进行分析，确定设备状态、故障性质，预测设备故障程度及趋势，并提出相应运维策略的运维方式，是智能运维的最新发展方向。主要有状态监测、故障诊断和故障预测3 个不同的层级，随着层级的提升，可有效地提高设备的安全性和自主保障能力，降低设备的维修保障费用和事故率。

PHM 包括传感器网络的数据采集和传输、装备状态监测、故障诊断、故障预测、健康管理和决策等。首先，PHM 技术通过部署在装备上的传感器网络收集反映装备健康状态的相关数据，如振动、转速、温度、电流及声发射等。由于复杂运行环境以及传感器故障等因素，获取的数据往往质量较差，因此需要有效的信号预处理方法来保障数据质量。常见的数据质量保障方法包括数据规整、数据清洗及数据恢复。其次，对于获取的数据，需要进一步从中提取故障敏感特征信息，其中常见的方法包括基于信号处理技术的人工特征提取、特征选择、降维以及深度学习方法。机器学习算法通过提取到的特征进行异常检测、故障诊断及预测。最后，PHM 技术根据故障诊断及预测状态制定维修决策，形成维修建议。经过几十年的理论研究和实际应用，PHM技术为提高系统的可靠性和安全性开辟了一条新的途径，并在技术进步和市场拓展的双重驱动下得到了迅速的发展，产生了巨大的经济效益和社会效益。

（一）健康评估技术

健康评估一般分为训练阶段和验证阶段，训练阶段主要基于健康状态下的历史数据，如列举 n 个特征、m 组数据，将 m×n 矩阵作为训练数据，通过监督学习和非监督学习均可生成健康评估模型，如图所示。其中，健康特征包含量化物理量、统计指标、虚拟指标三大类。

（二）诊断技术

基于历史数据、机理知识建立故障诊断模型，结合健康基准模型实现对影响装备安全可靠运行的异常和重要报警的定位、原因分析，辅助人员缩小故障范围，提高故障排除效率。故障诊断模型作为监控系统的后台模型，实时对系统的运行状态进行监测，追溯故障原因，实现故障诊断功能，提高故障定位效率，并有效提高设备管理水平。

（三）预测技术

预测技术包含故障预测及剩余使用寿命预测。故障预测可实现对已知故障进行有效预测，在故障发生之前进行主动干预，避免非计划性停机，逐步实现设备的智能化管理。剩余使用寿命预测评估部件或者系统的剩余使用寿命。实现预测的技术路线有基于可靠性、基于物理机理、基于数据驱动三种。基于可靠性技术路线通过概率统计进行定性预测，精度较低。基于物理机理技术路线根据全生命周期试验得到的机理模型，建立衰退模型，准确预判失效模式与发生时间。基于数据驱动技术路线通过数学方式，对连续信号、离散数据进行拟合，形成模型，可结合机理知识提高模型精度。

2.3 三重驱动为行业发展按下加速键

2.3.1 内生驱动：省时、降本、延寿，现代运维“必选项”

设备预测性维护有望有效保障设备安全运行、节约维护时间并降低维修成本。预测性维护有明显的降本增效的功能：最具代表性的是美军F-35 战斗机故障预测与健康管理系统，维修人力减少了 20%~40%，出动架次率提高了25%，总后勤保障成本降低了 50%。同时逐渐向民用市场拓展：在汽车领域设备预测性维护系统有望节约20%-50%的计划维护时间，降低 5%-10%的设备总维护成本，并提升10%-20%的设备运行时间；宝武运维试验线运行以来，故障预警准确率是90%，点检工作量下降了80%，非计划停机时间下降 30%，检修负荷下降 20%，有效降低检修成本，提高生产效率。

PHM 在设备的各个生命周期中发挥重要作用。随着工业设备的状态监测与故障诊断成为实现智能制造的重要环节之一，PHM 在各行业领域渗透率有望进一步提升。通常情况下设备生命周期为：1）设备在使用开始时，常常会由于操作和适配等问题而出现故障；2）随着产品需求和性能逐渐磨合，设备运行进入稳定期；3）到了使用后期，设备的故障率会因为老化、折损等问题而不断提高，最终设备报废。PHM的作用为在设备工业信息化和智能化升级的过程中，不断调整预测模型，定期进行检测，降低运维成本并制定全局最优的维护方案。因此，PHM 对于延长设备寿命具有重要意义。

2.3.2 技术驱动：物联网、通讯、深度学习，提升产品性能与准确性

新一代信息技术、人工智能技术的发展，将从优化建模角度推动PHM技术大发展。在服务型制造中，PHM 的主要业态模式为远程运维，其作用是基于设备物联，做设备级的监控、诊断、维护，产线级的生产过程管控，企业层面的资源计划和优化配置。PHM 是实现从设备端到服务增值的核心技术。建模仿真、大数据、边缘计算、物联网等新一代现代信息技术的发展，以及人工智能技术的迭代，将从优化建模角度显著推动 PHM 发展，增强其对于机械设备退化类故障的辨识能力，从而发挥PHM基于预测信息进行后续管控优化的作用。比如高可信 PHM 可以缓解深度学习不可解释的弊端，提高 PHM 模型的安全性和可靠性，最终实现高可信智能决策。

深度学习有望加速 PHM 行业快速发展。随着机械装备不断朝高速化、大型化、智能化方向发展，为了保障机械设备高效、安全、可靠运行，机械装备的工作环境恶劣，工况复杂，多系统相互耦合，其状态监测信息呈现出典型的“体量浩大、多源异构、生成快速、价值稀疏”的大数据 4V 特征。因此，“大数据”背景下的装备健康管理呈现出“三高”特点：(1)需要高容量的大数据存贮能力；(2)需要高效实时的数据处理能力；(3)需要高强的多源异构适应性。针对以上特点，亟需能从海量数据中自适应提取故障特征并进行有效诊断、评估和预测的数据处理方法。深度学习理论以强大的建模与数据处理能力，在图像处理、语音识别、自然语言处理等领域取得了巨大的成功，未来有可能将深度学习理论逐步引入到设备 PHM 当中，做了一些开拓性的工作。

2.3.3 政策驱动：制造业智能化转型升级，政策保驾护航

制造业转型升级需求带动行业发展。随着我国制造业转型升级战略推进，相关部门不断推出制造业转型相关政策，推动制造业综合实力持续增强。同时，国家也发力推动国有企业数字化智能化转型升级，加速信息化工业化融合，打造行业数字化转型示范样板。在制造业转型升级和国有企业数字化的战略背景下，越来越多的工业企业将要推动数字化、自动化、智能化改造，设备 PHM 系统可以推动设备运维向智能化新模式转变，下游需求进一步提高，迎来发展机遇。工业设备的健康管理是智能制造发展方向之一。2021 年工信部、国家发改委等8部门发布的《“十四五”智能制造发展规划》中明确提及“实施大型制造设备健康监测和远程运维，保证流程安全运行；打造全生命周期数据共享平台，实现全产业链优化”，并在工业软件突破提升行动专栏提及“故障预测与健康管理软件（PHM）、运维综合保障管理（MRO）”。随着工业自动化、智能化水平不断提升，工业设备的现代化运维管理已经成为工业数字化、智能化转型必不可少的部分。

3 大蓝海市场，公司先发优势明显

3.1 行业快速发展，市场竞争格局良好

近年来我国 PHM 产业取得了快速发展。我国的设备PHM 产业起步较晚，但经过多年快速发展，该领域从技术理论到应用实践都取得了巨大的进步。国内PHM的发展可分为四个发展阶段：阶段一，依靠现场技术人员在现场获取设备运行时的感观状态，如异常振动、异常噪音、异常温度、润滑油液中是否含有磨削物等，凭借经验来判断；阶段二，依靠测量仪器测量设备的某些关键部位，获取如频率、振幅、速度、加速度、温度等参数并记录下来，通过参数对比来确定故障点或故障隐患点；阶段三，结合计算机技术，通过状态监测仪器进行参数的测量、处理以及传输后，通过计算机来进行相关图谱的分析，常见的图谱有倍频谱图、倒频谱图、时域频谱图、幅值图等；阶段四、监测诊断手段由振动工艺参数的监测扩大到油液、扭矩、功率、甚至能量损耗的监测诊断；研究对象由旋转机械扩展到发动机、工程施工机械以及生产线；时空范围由当地监测诊断扩大到异地监测，即监测诊断网络。

全球 PHM 市场规模稳步增长，我国 PHM 市场规模迅速扩张。根据亿渡数据，2021年全球 PHM 市场规模为 69 亿美元，估计 2023 年为129.12 亿美元，2026年将会达到282 亿美元，2022-2026 年 CAGR 为 31.66%。2017-2021 年我国PHM 市场处于开拓阶段，其中风电、石化钢铁等应用领域为 PHM 市场发展提供动力。2021 年我国PHM市场规模达到 35.78 亿元，2017-2021 年 CAGR 为 28.07%；估计2023 年我国PHM市场规模为61.86 亿元，预计 2026 年我国 PHM 市场规模将扩大至161.37 亿元，2022-2026年CAGR为 36.48%。

设备预测性维护整体渗透率仍处于较低水平。随着近年来智能制造的推进，我国企业设备的数字化水平有所提升，但智能运维方面的渗透率仍较低。根据中国电子技术标准化研究院数据，截至 2020 年底，中国企业设备数字化率达到50%，但实施设备预测性维护的比例仅为 14%。在下游行业需求的刺激下，我们认为，未来中国企业设备预测性维护的渗透率将快速提升。

设备状态监测与故障诊断系统拓展至风电、石化和钢铁以外其他行业，市场空间广阔。市场对于设备智能运维模式的认知不足，下游各大行业市场成熟度参差不齐，市场渗透率较低，目前属于快速发展的初期阶段，在制造业转型升级的背景下，越来越多的工业企业推动数字化、自动化和智能化改造，推动设备运维向智能化新模式转变，是工厂智能化转型的重要方向。在智能运维模式日趋成熟和下游应用需求升级的共同推动下，未来发展空间巨大。同时由于技术路径、应用场景和市场推广不存在障碍，我国设备状态监测与故障诊断系统将全市场加速推广。

第三方运维厂商竞争格局较好，行业护城河显著。根据规模大小、技术研发实力以及提供诊断服务能力，国内企业大致可以分为三大类型：1）第一类第三方运维厂商具有较强的自主研发能力与专业的故障诊断分析团队，能够为客户提供个性化的综合解决方案，并拥有一定规模的网络化在线监测客户群体，其对应的盈利能力最为强劲，代表性企业有容知日新、博华科技、东华测试等；2）第二类厂商具有一定的技术研发能力，企业规模较小，专注于单个细分行业，代表性企业有威锐达等；3）第三类为设备集成商或产品代理商，自研能力相对薄弱，凭借在特定领域的客户开发能力进行产品集成与销售，盈利能力相对较弱，例如本特利品牌代理商希麦斯。总体来看，第一梯队的第三方运维厂商竞争格局良好，凭借齐全的产品矩阵、监测数据和诊断案例库积累、对下游行业的理解以及算法 Know-How 形成较强的先发优势，行业壁垒显著。

外资厂商实力突出，本土企业具备差异化竞争优势。国外主要参与者多为国际知名的设备提供商或大型的状态监测企业，企业规模较大，大多以产品销售为主，在中国市场专注于电力工业、石油开采、冶金等领域，代表性企业有SKF、BENTLY等。国外大型知名厂商大多产品定价较高，商务谈判条款和付款要求等较为严格，且实施较为完善的本地化后续支持和技术服务的难度相对较大。与国外大型厂商相比，国内从事工业设备状态监测与故障诊断服务企业规模相对较小，但是能够提供持续的本地化后续支持和技术服务，产品广泛应用于电力、石化和冶金等领域。以容知日新为代表的国内技术研发型企业凭借多年来的技术积累及市场开拓，正逐步成为市场的主要参与者，技术水平大幅提升，与国外同类产品已缩小差距，且随着国内市场的快速发展，国内同类企业在产业部分环节或细分领域具有较为领先水平。

有别于国外本地化管理方式，替代人工需求加速我国产业发展。国外的生产设备质量稳定，故障率整体较低，加上企业的设备维护流程规范、设备人员技术水平普遍较高，因此国外更多的将设备状态监测与故障诊断系统定位为辅助人工做好设备看护的一种工具，而非托管给第三方公司进行看护，因此并未形成大规模的远程故障诊断业务模式。在数据积累方面，国外更多的是本地化管理方式，不利于故障案例数据在第三方进行统一汇集，无法形成真正的大数据环境，这对智能诊断产品的迭代与长期发展造成了一定的限制。但国内工业设备企业对设备状态监测与故障诊断的需求更多倾向于完全替代人工模式。现阶段，我国现场设备运维人员数据分析能力十分缺乏，因此需要将数据传输至统一的远程数据中心，并且配备专业的数据分析人员对设备进行状态监测与诊断，上述需求为我国工业设状态监测与故障诊断产业的智能化水平不断提升创造了良好的环境。

3.2 工业互联网时代，通讯+AI 技术突破加速行业发展

工业互联网时代，大量底层数据有望促进产业进一步发展。对于设备的故障预测与健康管理，通过网络化在线设备状态监测，能够实现设备状态的传输与数据存储分析，实现工业设备的全覆盖、动态、连续监控，并且可以对监测数据进行诊断分析，预知和判定当前设备的损坏程度与危险级别，保证工业设备的安全与稳定运转。PHM应用需要大量底层数据，数据深度影响 PHM 系统可实现功能的层次。例如，中控技术的实时数据库软件 ESP-iSYS，实现了流程工业企业连续生产过程上万过程参数按秒级频率处理，具有实时处理和存储海量数据的能力，能够实现实时数据与关系数据库交互使用；支持数据库集群和双机冗余热备份；具备丰富的对外接口和完善的外围应用软件等。实时数据库软件帮助工业企业实现生产数据采集，累积形成每年万亿级数据的存储、加工及应用。

工业设备运维智能化是核心价值所在。传统的安装传感器收集、监测数据已经不能满足企业工业互联网建设需求。有 AI 加持的智能化故障预测才能为企业创造更大价值，体现工业互联网的价值，因此，基于数据的算法智能化分析和预测是未来智能运维厂商的核心竞争力。 PHM 有望向智能化、专业化、网络化方向发展。工业生产向大型化、高速化、自动化、流程化方向发展，为设备状态监测与故障诊断技术提供了广阔的应用前景。由基础学科支撑，我们判断，PHM 有望向三个趋势发展：1）智能化：随着对状态监测和诊断技术理论研究与开发工作的不断深入，且高精度、高性能和高信息量的现代化传感器技术不断获得突破和实现产业化应用，人工智能有望成为诊断方法的发展趋势；2）专业化：能够提供专业化设备状态监测与故障诊断软硬件系统、拥有丰富诊断技术人才的整体解决方案提供商将会成为主流；3）网络化：在线设备状态监测能够实现设备状态的传输与数据存储分析，实现工业设备的全覆盖、动态、连续监控，保证工业设备的安全与稳定运转。

3.3 公司注重研发，数据量和行业 know-how 形成公司先发优势

公司掌握智能运维 8 项核心技术，构建公司护城河。公司是高新技术企业、工信部智能制造试点示范企业、工信部服务型制造示范企业、安徽省服务型制造示范企业、安徽省专精特新中小企业、安徽省企业技术中心。经过长期积累，公司拥有覆盖数据采集与筛选、数据分析、智能算法模型及智能诊断服务等多个环节的核心技术，满足公司主营产品相关软硬件研发、迭代升级和新品开发的需求。公司基于核心技术开发出的状态监测与故障诊断系统应用于风电、石化、冶金等多个行业，为保障工业设备安全运行、提高生产综合效率、提升运维智能化水平等发挥重要作用。经过多年的技术积累，拥有 8 项核心技术，并将上述核心技术应用于系统方案设计、关键模块开发、线路结构设计、软件（嵌入式软件、算法、应用软件）开发等多个环节中。

公司在研项目陆续结项，为公司后续快速发展提供动力。针对智能场景系统，公司正式批量发布针对不同行业、不同场景的相关产品，能真正地解决一个装置或一个区域无人化问题。我们认为智能场景系统一方面能有效解决客户的安全问题，另一方面解决客户无人应用场景，通过减少工人来达到降本增效的需求。工业AI也在进行积极布局，早在 ChatGPT 火热之前，公司就已经从微软引进了数据科学家团队的领导，依据公司自身庞大的数据案例的资源，进行工业AI 的研发，将公司的优势转化为智能运维能力，适应时代的发展。

注重技术研发和产品创新，容知整体与境外企业相比无明显技术差距。在数据质量方面，境外企业在硬件采集技术、信号处理技术及相关技术理论知识的发展较早，有着比较稳定、可靠的数据质量优势。容知日新深耕行业十多年，构建专业的技术团队，与客户、行业专家构建了深度的合作关系，不断提升技术水平和行业认识，不断提高数据质量。一方面，通过边缘计算技术，在硬件端植入智能算法，实现更加精准的数据采集，以及实现更加及时、有效的本地化设备状态监测；另一方面，不断积累故障数据，了解客户的实际监测需求，深化行业认知，应用传统故障诊断算法技术以及人工智能算法技术，开发有效的智能报警与智能诊断算法模型，提供完善的远程故障诊断服务，逐步实现设备运维的少人化，甚至无人化。

除技术外，行业的经验、下游客户的认可，人才的培养以及市场地位都至关重要。从技术角度，要实现 PHM，除了海量的数据基础和大数据分析技术外，还需要有效结合行业知识、专家经验等形成更准确的模型，而这此正是当前很多企业推进PHM 应用的难点所在；另外，当前大部分 PHM 厂商的解决方案还不够成熟，聚焦状态监测与故障预测的居多，真正可以实现健康管理的很少，而能达到从感知监测、诊断到预测、维护管理整个闭环的方案则更少，在一定程度上影响了PHM的落地和下游客户对 PHM 价值的认可。

算法预测准确率是智能化关键指标，数据量和行业know-how 决定预测准确率高低。能够准确预测设备故障才能够为客户减少损失，故障诊断AI 算法模型的优化需要厂商拥有大量的设备运行数据和对行业设备的深入理解。不同行业对数据预处理和模型选取的方法上有着不同的要求，并且不同行业的工业设备在实际运行中存在各种各样的复杂环境和工况，所以运行 PHM 需要深度掌握所服务行业的设备制造和运行机理、了解设备运行的各类影响因素，这对行业 Know-How 方面提出了极高的要求。另一方面数据量需要长期积累，智能运维产品算法的精进需要长时间数据和案例的积累，厂商取得突破，拿下行业头部客户后，会积累更多数据和经验，进一步提升算法能力，获得更多客户认可，实现正向循环。因此，具备先发优势的厂商有望实现强者愈强。

工业设备状态监测与故障诊断服务行业具有较高的技术、行业经验以及品牌、市场壁垒。公司设计研发、生产和销售的状态监测与故障诊断系统已成功应用于风电、石化、冶金等多个行业。截至 2022 年末，公司累计远程监测的重要设备超110,000台，监测设备的类型超 200 种，成功诊断了多种类型工业设备的严重故障和早期故障，积累各行业故障案例超 14,000 例，助力客户的智能化转型，构建公司的技术壁垒，具有较强的市场竞争力。

公司较早进入状态监测与故障诊断领域，具备先发优势。经过多年积累和市场开拓，公司在技术、品牌、市场等方面已经确立了较为明显的优势地位。公司积累了大量的风电、石化和冶金等工业设备运行数据及经过验证的诊断案例库，能够提高诊断的准确性，丰富的行业经验与人才储备构成了该领域新进入厂商较难跨越的门槛。能够为不同行业和领域的工业设备运行提供可靠的状态监测与故障诊断服务，不仅要求提供服务的企业有着较高的技术水平，还要求相关技术、市场和服务人员具备丰富的行业经验积累。截至目前在公司所处细分领域拥有完整技术链产品和技术服务体系的竞争对手较少，公司凭借技术、品牌、市场等方面已经确立的市场地位，在市场开拓中具备较强的先发优势。

3.4 下游行业加速拓展，渗透率不断提升

PHM 系统下游应用前景广阔。随着传感器技术、芯片技术、计算机软件技术、大数据分析和人工智能的不断成熟和发展，PHM 在社会各个领域的应用市场前景十分广阔。作为国家现代装备制造业和工业互联网技术的重要基础部件组成部分，PHM产业的发展对提升风电、石化、冶金、煤炭、有色金属、建材、造纸、制药、环保、国防等国家支柱产业的工业设备智能化管理水平具有重要作用。根据华经产业研究院，2021 年 PHM 系统下游应用场景中航天军工、石油化工、风电、交通等领域销售额占比分别为 26.35%、23.54%、12.23%、9.16%。

PHM 在高设备单价、复杂度高、运维需求量大的行业具备更高成长性。PHM的开发需要算法与工程经验的深度结合，部分开发需在设备设计之初就同步融入有关传感器设计，较大的研发投入、较大的算力成本意味着下游资产端较高的支出。因此，设备投资较大，且对生产运行过程中的连续性、稳定性和高效性等要求较为严格的行业，对 PHM 的应用有更迫切的需求，及更佳的产品市场匹配度。军工、轨交、民航、石化、风电等行业，设备单价高昂且机理复杂、安全要求高、运维需求量大，有经验的维修人员缺乏，PHM 在这些领域具有广阔的成长空间。

公司目前主要下游应用领域为石化、风电、冶金、煤炭及水泥行业，潜在市场空间巨大，未来将重点开拓轨交、有色、化工等行业。其中，石化、钢铁和煤炭行业将加速发展，除政策推动的因素外，其整体对 PHM 系统的接受程度及需求意识较其他行业高。此外据公司年报，公司正积极拓展石化、轨交、港口、油田、矿山等新领域，有望进一步拓展可渗透空间。

3.4.1 石化：流程化与安全性，PHM 系统迫在眉睫

化工行业故障容错率低，监测系统对其意义匪浅。石化行业具有连续生产的特点，工艺技术复杂，且化工原料、产品易燃易爆，对工业设备的要求严格，安全管理要求较高，一旦出现突发故障可能会导致严重的后果。以2021 年为例，全国共计发生化工事故 122 起，造成 150 人死亡。提前预测、快速排障对于化工行业而言具有重大意义。2015 年 4 月，国家安监总局组织的对二甲苯生产企业安全专项检查中提出了“对二甲苯生产装置高温泵增加温度和振动监测系统，实现在线监测”的政策性要求，石油化工行业生产过程智能化、资产全生命周期管理智能化转型需求提升。此外，相比钢铁行业，化工企业更加分散、生产主体众多，第三方集中托管模式能够有效降低运维成本，由此更加彰显容知日新商业模式上的优势。

巨大的行业市场规模以及行业设备对状态监测和故障诊断需求的增加，状态监测与故障诊断系统在石化行业的前景十分广阔。石油化工行业在我国国民经济的发展中有重要作用，为社会发展提供必要的石油能源和化工产品，是中国的支柱产业之一。根据中国石油和化学工业联合会发布的数据，截至2022 年末，石油和化工行业规模以上企业 28,760 家，累计实现营业收入 16.56 万亿元，同比增长14.4%，占全国规模工业收入的 12%。巨大的行业市场规模，以及石化企业自身设备状态监测与故障诊断需求不断增加，为状态监测与故障诊断系统在石油化工行业的不断应用拓展提供了广阔的市场空间。截至目前，容知日新积累了 5,500 余个成功故障诊断案例，客户覆盖中石化、中海油、中国石油天然气集团、中化集团、河南能化、浙江荣盛等大型企业。

石化行业 PHM 市场空间预计达百亿元。根据《向特定对象发行股票审核问询函回复》可知，33 家大型石化企业的动设备台数为 132,000-198,000 台，全国7-1-11石化企业的动设备台数约为 268,263 至 402,394 台，即在不考虑新增产能的情况下，下游监测系统产品的潜在需求量约为 268,263 套至 402,394 套左右。考虑到容知日新向石化行业出售的主要设备为无线系统，2018-2022 年无线系统单价在3.4-4.0万元之间，我们假设单价为 3.5 万元/台，则公司产品对应的石化行业PHM市场规模约为 94-140 亿元。

3.4.2 风电：行业成熟稳定，前装市场标配

风电行业发电机组属于旋转设备，并存在价值量高、运维难度大等特点，PHM系统在风电领域普及尤为快速。1）风电机组单价较高，一般2 兆瓦以上的机组设备往往高达千万，相比一旦出现故障导致硬件损坏将带来高昂损失，对增加PHM监测设备带来的成本并不敏感；2）维修难度、维修耗时俱高，风电机组部署的地理位置较为特殊，通常位于荒漠、海岸、山脉，甚至海上，维修人员难以快速到场，部件及其他资源无法及时到位；3）风电机组故障或事故频发造成的经济损失或人员伤亡案例逐年增加，保障人员安全工作需求迫在眉睫。

风电机组配置智能运维系统已成“常选项”。为规范风电发展秩序和提升风电行业设备管理水平，国家能源局于 2011 年颁布行业标准《风力发电机组振动状态监测导则》，标准详细规定了风电机组振动状态监测系统类型、传感器安装原则、测量类型和测量值、振动状态监测系统技术条件、振动值评定方法，信号处理方法，及信号分析方法。虽然属于技术文件，不具有强制执行的功能。但基于风电场的运行环境恶劣，风力发电机组维修的成本远高于传统的其他发电方式，较大的拉低了风电场的整体运行效益。因此，为降低风力发电机组的运维成本，提升风力发电机组的故障诊断效率，在风电机组中配置在线振动状态监测系统，已成为业内有效、可行、可靠的手段。

风电维持高景气，23-25 年新增风机智能运维市场空间预计达20 亿元。就中国而言，《风能北京宣言》提出，综合考虑资源潜力、技术进步趋势、并网消纳条件等现实可行性，为达到与碳中和目标实现起步衔接的目的，在“十四五”规划中，须为风电设定与碳中和国家战略相适应的发展空间：保证年均新增装机50GW以上。2026年起中国风电年均新增装机容量应不低于60GW，到2030年总装机容量至少达到800GW，到 2060 年总装机容量至少达到 3000GW。考虑到容知日新向风电行业出售的主要设备为有线系统，2018-2022 年有线系统单价在1.6-2.6 万元之间且呈现逐渐下降的趋势，我们假设后续单价分别为 1.6//1.5/1.5 万元/台，则风电行业到2023-2025 年公司产品对应的 PHM 新增市场空间约为19.95 亿元。

3.4.3 冶金：降本增效明显，智能化改造已成趋势

PHM 帮助流程工业降本增效的典型应用场景。因为炼铁、炼钢、热轧和冷轧等流程型工业生产阶段自动化程度高、连续运行时间长、生产环境恶劣、对设备运行稳定性要求高，维持设备长时间运行是保障生产效率和安全的首要前提，状态监测与故障诊断系统提供的故障率优化往往能产生较为显著的经济效益改善。数据反馈，相比其带来的实际增效结果而言，PHM 设备投入完全在下游的接受范围之内。《钢铁工业调整升级规划（2016-2020 年》要求全面推进我国钢铁行业智能制造，建设关键设备状态监测体系，大规模的钢铁市场叠加行业本身需求，将为状态监测与故障诊断系统提供广阔空间。

钢铁行业需求旺盛，智能化已成变革方向。2022 年1 月，工信部、发改委及生态环境部联合下发《关于促进钢铁工业高质量发展的指导意见》，意见中提出大力发展智能制造。开展钢铁行业智能制造行动计划，推进5G、工业互联网、人工智能、商用密码、数字孪生等技术在钢铁行业的应用，在铁矿开采、钢铁生产领域突破一批智能制造关键共性技术，遴选一批推广应用场景，培育一批高水平专业化系统解决方案供应商。同时我国大型规模钢铁企业达数百家，关键设备众多，从矿山、炼铁炼钢到轧钢，钢材与粗钢产量保持较高产量，流程化管理市场空间广阔。

钢铁行业渗透率仍处低位，智能运维市场增长迅猛。作为钢铁行业龙头，宝钢集团一直以来积极推动“运维监测一律远程”，推出宝武智维平台，进行冶金业智能运维云边端建设。根据《中国宝武报》2020 年 5 月 22 日刊，宝武集团以支持“百万级设备接入”为目标，开展设备远程智能运维平台架构与功能升级，并提出“运维一律远程”三年全覆盖的要求，把智慧制造作为全集团的一项重要的任务来推进。根据宝武集团官网数据，2021 年度宝武集团实现粗钢产量11,994 万吨，宝武集团年度粗钢产能约占全国的 11.61%（全国 2021 年度粗钢产量为103,279 万吨）。考虑到容知日新向钢铁行业出售的的主要设备为有线系统，2018-2022 年有线系统单价在1.6-2.6 万元之间且呈现逐渐下降的趋势，我们假设后续单价为1.6万元/台，根据宝武集团来测算公司产品对应钢铁 PHM 行业市场空间预计在137.6 亿元。

3.4.4 煤炭：受益煤矿智能化，PHM 迎来行业东风

煤炭资源丰富，我国富煤、贫油、少气的资源特点决定了煤炭是我国能源消费的主体，在我国的一次性能源生产和消费中占据了主导地位。在未来相当长时期内，煤炭作为主体能源的地位不会改变。近年来，我国煤炭总体产量稳中有升。2022年全国原煤产量 45.59 亿吨，同比增长 10.49%。

煤炭行业动设备数量庞大，对防爆及安全生产要求明确。国家煤炭安全监察局2020 年 5 月印发《煤炭安全生产标准化管理体系基本要求及评分办法（试行）》，文件明确要求主要提升系统、主通风机系统、压风系统、排水系统等要求有电动机及主要轴承温度和振动监测，主通风机系统具备振动监测及报警功能。作为多工作场景高度配合的产业，除了文件中重点提到的通风、提升、排水系统以外，还有选煤厂的皮带机、破碎机、离心机，各类工作面移动设备，采矿区的摇臂等大量动设备需要安装监测系统。

智能煤矿建设加速，PHM 系发力方向之一。2020 年，我国工业和信息化部印发了《关于加快煤矿智能化发展的指导意见》，要求中明确了煤矿主要设备均需配置温度和振动监测，主通风机系统需具备监测警报功能。同时中国煤炭工业协会《煤炭工业“十四五”高质量发展指导意见》提出在 2025 年建成煤矿智能化采掘工作面1000处以上。截至 2023 年 6 月，全国煤矿智能化采掘工作面已经达到1300 余个，有智能化工作面的煤矿达到 694 处、产能每年达 21 亿吨；智能化建设投资总规模接近2000亿元，已完成投资超过 1000 亿元，现场应用的煤矿机器人达到31 种、1000台套，约 300 台无人驾驶车辆在 30 余处露天煤矿开展试验。228 处非煤矿山在破碎、运输、给水排水、在线监测监控等环节实现智能化。且智能化煤矿百万吨死亡率为0.024，不到平均水平的 50%。

3.4.5 水泥：智能制造转型助力 PHM 的市场推广

水泥生产设备大多具有大型、高速、长期连续运行等特点，其故障维修成本高，维修周期长，事故发生造成的经济损失大，做好水泥生产设备的管理和预测性维护非常重要。关键主机设备的备件储备也是水泥设备维修面临的棘手问题，如辊磨、回转窑、球磨机等主机设备的齿轮箱，其价值较高，如存一台备用，则资金占用量大，若无备件，遇损坏时，维修周期长，经济损失大。

2021 年 5 月，国家市场监管总局、工业和信息化部、国家发展改革委等七部委下发《关于提升水泥产品质量规范水泥市场秩序的意见》。意见明确，2025年年底前，水泥企业产能利用率基本回到合理区间，产业智能化、绿色化明显提升，质量水平和高性能产品供给能力显著增强。积极推动智能制造数字转型行动，贯彻落实工业和信息化部印发的《建材工业智能制造数字转型行动计划（2021-2023年）》，开展建材工业信息化生态体系构建行动、建材工业智能制造技术创新行动，促进水泥行业生产方式的自动化、智能化、 无人化变革；培育一批集智能生产、智能运维和智能管理为一体的智能工厂，切实提高产品质量、运营效率、设备管理和安全环保水平。

3.5 无人化场景智能，定义全新应用市场

容知日新“1+N+X”智能运维产品与场景解决方案面向全球发布。公司聚焦多领域，发布皮带机、天车、往复式压缩机、煤炭三机、叶片、大机组、机泵、“两磨一烧”、轧机、螺栓等多个专项场景监测系统。比如，皮带机智慧巡检系统以多元感知、感通融合，真正实现无人巡检；智能天车场景方案有效解决天车安全隐患高、故障隐蔽性高、监督要求高，工作量大、点检难度大、故障隐患大等难题，已在中信泰富特钢集团、本钢集团成功应用；而针对变桨轴承监测故障信号获取难，变桨状态识别难，采集信号分析难，容知日新通过工况、冲击及相关算法技术的突破，3难已成为 3 准，也在中国华能集团、中国三峡集团成功应用。智慧输送皮带一体化解决方案多元感知，实现无人化巡检。长期以来，在皮带运维体系中，“人”“机”“环”“料”四大关键环节一直面临着诸多挑战。智慧输送皮带一体化解决方案以“多元化”+“全方位”智能监测，实现周期性皮带状态巡检、关键部位 24 小时监测、异常及时识别和远程状态掌控，并通过多种采集设备内部的边缘智能算法，进行异常的联动复核，实现数据采集多元化、皮带状态可视化、异常识别智能化、诊断运维远程化、现场应用免维化，最终实现皮带无人化巡检。目前，容知日新智慧输送皮带一体化解决方案已在冶金、煤炭、水泥等多行业客户现场进行安装部署。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）