预测性维护使用传感器、网关和管理系统来预测制造、石油和天然气以及食品加工行业何时会发生设备故障。预测性维护彻底改变了传统的基于状态的设备维护，但物联网和机器学习可以进一步提高工人的生产力和安全性。物联网通过预测性维护对工业设备进行监控和维护，从而降低硬件故障的可能性。维护团队通常会完成基于状态的维护，直到传感器可用且价格降低为止。团队将对关键设备进行物理检查或依靠压力表等基本技术来确定条件。预测性维护早期依赖于最佳实践、行业平均水平或等待设备停机来确定何时执行维护。许多组织已经将预测性维护系统作为其业务战略的组成部分。机器学习模型等预测性维护技术的进步可能会刺激进一步的投资。尽管COVID-19大流行引起的变化迫使组织减少运营和人员预算，但预测性维护的总体支出预计将在未来几年增加。Gartner预测，到2022年，基于物联网的预测性维护支出将从2018年的34亿美元增加到129亿美元。组织需要什么基于物联网的预测性维护？IT管理员可以部署IoT传感器进行预测性维护，以监控机械指标，例如振动、泄漏和油位，以检测设备是否充分发挥其潜力。使用冲击脉冲监测和红外线的传感器有助于及早发现火灾和有毒空气污染。IoT传感器连接到支持多种连接方法的网关，包括有线、Wi-Fi、蜂窝和LPWAN。这些网关从设备收集数据并将其发送到云管理系统，例如MicrosoftAzure、IBMCloud和RackWare混合云平台。在云中，组织可以使用高级分析来检查大量信息。此过程提供的智能可以减少设备故障并为员工创造更安全的工作环境。计算机化维护管理系统软件（有时称为企业资产管理软件）也可以使用此数据为企业提供集中工作请求、自动化资产跟踪和报告。工程师仍然必须探索预测性维护公式，尤其是在机器学习领域。人工智能技术使预测性维护更进一步，并根据分析洞察力，规定潜在的行动以在问题发生之前解决问题。例如，计算机软件初创公司Augury筹集了资金，以扩展其无线传感器的预测性维护产品，这些无线传感器记录电机、压缩机和泵的振动、温度和磁性指示器。组织可以使用这些传感器将数据上传到云软件，报告机器的健康状况。基于物联网的预测性维护在多个行业都有应用。许多组织已经在大型和小型工作场所使用或考虑实施预测性维护硬件和软件。.受益于预测性维护兴起的行业包括石油和天然气行业、食品和饮料行业、制造公司、IT服务和能源行业。物联网随着预测性维护的出现而发展，预测性维护是一种监控和维护工业设备以降低硬件故障可能性的方法。石油和天然气公司一直处于使用预测性维护的组织的最前沿。例如，壳牌石油使用C3.ai和MicrosoftAzure云软件的技术来预测压缩机和阀门何时需要维护。硬件和软件都监控引导钻头穿过页岩矿床的设备。田纳西州诺克斯维尔或德国埃森等地的化工厂安装传感器以减少维护时间。在这些工厂中，用于维护的工具通常会创建孤立且未连接的数据孤岛。通过支持物联网的预测性维护，将数据持续传输到云端可以让员工更准确地识别工作条件和错误。食品加工业是预测性维护的另一个主要采用者。组织使用红外摄像机等传感器来检测机器内部的高温；声学监测，以根除设备内的液体、气体或真空泄漏；振动或油液分析，以确保设备的可靠性，这在食品制造中是必须的。
