从历史上看，消费者和企业使用预防性维护来保持他们的车辆和机械以相对较高的效率运行。这种方法通常依赖于定期维护计划，这些计划试图在常见的机械问题和组件故障造成持久损坏之前解决它们。然而，这种基于时间的框架已被证明是具有成本效益和劳动密集型的。事实上，TheArcGroup的研究发现，全球只有18%的设备因老化而发生故障——82%的故障是在没有警告的情况下随机发生的，导致计划外停机、昂贵的维修和（在某些情况下）完全更换。由于物联网技术的最新创新，企业和最终用户在设备维护方面能够采取更主动的方法。例如，通过为生产机械配备连接的传感器，制造商可以实时跟踪性能、预测潜在故障并制定更具适应性的维护计划。现代汽车也有同样的好处——增强的连接性让消费者更清楚地了解他们汽车的性能和状况。当检测到机械问题时，先进的物联网系统可以发出自动维护警报，通知车主需要维修。这些功能将预防性任务转变为预测性过程，利用历史数据和趋势来为更好的维护决策提供信息。但究竟什么是预测性维护以及它如何使企业和消费者受益？定义预测性维护正如工业和系统工程师协会指出的那样，预测性维护通过使用监控和诊断技术有助于消除不必要的维护活动。在工业应用方面，大多数制造商已经使用物联网传感器来跟踪环境因素，从环境温度到振动等等。在将所有这些数据输入智能资产管理平台并使用人工智能和机器学习工具进行分析后，管理人员可以更准确地预测设备何时会遇到特定维护问题。此过程有助于增加正常运行时间、控制维修成本、延长资产寿命并保持高标准的人身安全，从而使企业受益。更具体地说，普华永道2018年的一项研究发现，预测性维护可以帮助制造商：将设备成本降低12%将正常运行时间延长9%将安全、健康和质量风险降低14%将机器成本降低12%延长20%的使用寿命当然，获得最有效的预测性维护需要正确的数据架构、分析工具和IT专业人员来帮助理解所收集的所有原始信息。工厂经理必须能够分析结构化和非结构化数据，这可能需要一些前期投资。这是因为大多数遗留系统和商业智能平台并非旨在处理大量物联网数据或适应数据分析的最新进展。与大多数IT相关计划一样，预测性维护需要近乎持续的优化和流程转换，以确保获得最佳结果。评估预测性维护用例为了帮助企业领导者和消费者了解预测性维护的真正潜力，突出具有有意义和持续影响的特定用例通常很有帮助。由于几乎每个行业都采用了物联网，因此很容易找到这种做法如何导致更智能、更敏捷的IT系统的示例。以下是每个技术决策者都应考虑的一些引人注目的用例：防止停电：无论是由于严重风暴还是设备故障，公用事业都在不断改进其基础设施，以减少停电的频率和持续时间。例如，IBM与电力公司之间的合作带来了各种创新，这些创新有助于实现资产管理自动化并快速确定停电原因。最近的概念验证涉及使用预测分析来识别可能对高压线路构成风险的树木和其他植被。减少车辆故障：作为创建“零故障公共交通系统”的持续努力的一部分，国际公共交通协会越来越有兴趣将预测性维护与智能资产管理相结合。（来源物联网家庭网络）一种可能的应用是为所有公共车辆（公共汽车、火车等）配备物联网传感器，让交通管理人员了解性能问题和机械效率低下。这些举措可以帮助减少故障并创建基于需求的日常维护，从长远来看将使通勤者受益。保护敏感的供应链：德勤指出，随着世界的联系越来越紧密，运输公司被迫利用新的物流流程和数据分析工具来保护运输货物的安全。这对于易腐货物尤其重要，因为易腐货物在从生产现场运输到最终用户时依赖于制冷系统。借助物联网传感器，供应链经理可以实时监控运输集装箱和单个物品，并确保所有HVAC系统可靠运行。
