從歷史上看，消費者和企業使用預防性維護來保持其車輛和機械以最高效率運行。這種方法通常依賴于預定的維護程序，這些程序試圖在常見機械問題和部件故障造成持久損壞之前解決它們。然而，這種基于時間的框架已被證明成本效益低，勞動強度大。事實上，The Arc Group的研究發現，全球只有18%的設備因老化而出現故障——82%的故障是隨機發生的，沒有任何預警，導致意外停機、昂貴的維修和（在某些情況下）完全更換。

得益于物聯網技術的最新創新，企業和最終用戶能夠在設備維護方面采取更積極的措施。例如，通過為生產機械配備連網傳感器，制造商能夠實時跟蹤性能，預測潛在故障，并制定更具適應性的維護計劃。現代汽車也具有同樣的好處——增強的連接性使消費者可以更清楚地了解其汽車的性能和狀況。當檢測到機械問題時，先進的物聯網系統可以發出自動維護警報，以通知車主需要維修。這些功能將預防性任務轉化為預測性流程，該流程利用歷史數據和趨勢來告知更好的維護決策。但是，預測性維護到底是什么？它對企業和消費者有什么好處？

定義預測性維護

正如工業和系統工程師協會所指出的那樣，預測性維護通過使用監測和診斷技術來幫助消除不必要的維護活動。在工業應用方面，大多數制造商已使用物聯網傳感器來跟蹤環境因素，從環境溫度到振動等等。將所有這些數據輸入到智能資產管理平臺中，并使用人工智能和機器學習工具進行分析后，管理人員可以更準確地預測設備何時會遇到特定的維護問題。此流程可通過幫助延長正常運行時間、控制維修成本、提高資產壽命并維持較高的人身安全標準來使企業受益。更具體地說，普華永道2018年的一項研究發現，預測性維護可以幫助制造商：

▲將設備成本降低12%

▲將正常運行時間增加9%

▲將安全、健康和質量風險降低14%

▲將機器的壽命延長20%

當然，要充分利用預測性維護，就需要正確的數據架構、分析工具和IT專業人員，以幫助理解所收集的所有原始信息。工廠經理必須能夠分析結構化和非結構化數據，這可能需要一些前期投資。這是因為大多數遺留系統和商業智能平臺都不是為處理海量物聯網數據或適應數據分析的最新進展而設計的。像大多數與IT相關的計劃一樣，預測性維護需要近乎持續的優化和流程改造，以確保最佳的可能結果。

評估預測性維護用例

為了幫助企業領導者和消費者了解預測性維護的真正潛力，突出顯示具有意義和持續影響的特定用例通常是有幫助的。由于物聯網已被幾乎所有行業所采用，因此很容易找到這種實踐如何帶來更智能、更敏捷IT系統的例子。以下是每名技術決策者都應考慮的一些引人注目的用例：

▲防止停電：無論是由于強烈暴風雨還是設備故障，電力公司都在不斷改善其基礎設施，以減少停電的頻率和時間。例如，IBM和電力公司之間的合作帶來了各種創新，這些創新已幫助實現資產管理自動化并快速確定停電的原因。最近的一個概念驗證涉及使用預測分析來識別可能對電力高壓線構成風險的樹木和其他植被。

▲減少車輛故障：作為創建“零故障公共交通系統”的持續努力的一部分，國際公共交通協會對將預測性維護與智能資產管理相結合越來越感興趣。（來源物聯之家網）一種可能應用是為所有公共車輛（公共汽車、火車等）配備物聯網傳感器，以使運輸管理人員知道性能問題和機械效率低下。這樣的舉措可以幫助減少故障并創建基于需求的日常維護，從長遠來看，這將有利于通勤者。

▲保護敏感的供應鏈：德勤指出，隨著世界之間的聯系日益緊密，運輸公司不得不利用新的物流流程和數據分析工具來保護貨物在運輸過程中的安全。這對于易腐貨物特別重要，因為易腐貨物在從生產現場運輸到最終用戶時依賴于制冷系統。借助物聯網傳感器，供應鏈管理人員可以實時監控運輸集裝箱和單件物品，并確保所有暖通空調系統均可靠運行。