从历史上看，消费者和企业使用预防性维护来保持其车辆和机械以最高效率运行。这种方法通常依赖于预定的维护程序，这些程序试图在常见机械问题和部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成本效益低，劳动强度大。事实上，The Arc Group的研究发现，全球只有18%的设备因老化而出现故障——82%的故障是随机发生的，没有任何预警，导致意外停机、昂贵的维修和（在某些情况下）完全更换。
得益于物联网技术的最新创新，企业和最终用户能够在设备维护方面采取更积极的措施。例如，通过为生产机械配备连网传感器，制造商能够实时跟踪性能，预测潜在故障，并制定更具适应性的维护计划。现代汽车也具有同样的好处——增强的连接性使消费者可以更清楚地了解其汽车的性能和状况。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，以通知车主需要维修。这些功能将预防性任务转化为预测性流程，该流程利用历史数据和趋势来告知更好的维护决策。但是，预测性维护到底是什么？它对企业和消费者有什么好处？
定义预测性维护
正如工业和系统工程师协会所指出的那样，预测性维护通过使用监测和诊断技术来帮助消除不必要的维护活动。在工业应用方面，大多数制造商已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。将所有这些数据输入到智能资产管理平台中，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的维护问题。此流程可通过帮助延长正常运行时间、控制维修成本、提高资产寿命并维持较高的人身安全标准来使企业受益。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%
▲将正常运行时间增加9%
▲将安全、健康和质量风险降低14%
▲将机器的寿命延长20%
当然，要充分利用预测性维护，就需要正确的数据架构、分析工具和IT专业人员，以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都不是为处理海量物联网数据或适应数据分析的最新进展而设计的。像大多数与IT相关的计划一样，预测性维护需要近乎持续的优化和流程改造，以确保最佳的可能结果。
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，突出显示具有意义和持续影响的特定用例通常是有帮助的。由于物联网已被几乎所有行业所采用，因此很容易找到这种实践如何带来更智能、更敏捷IT系统的例子。以下是每名技术决策者都应考虑的一些引人注目的用例：
▲防止停电：无论是由于强烈暴风雨还是设备故障，电力公司都在不断改善其基础设施，以减少停电的频率和时间。例如，IBM和电力公司之间的合作带来了各种创新，这些创新已帮助实现资产管理自动化并快速确定停电的原因。最近的一个概念验证涉及使用预测分析来识别可能对电力高压线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，国际公共交通协会对将预测性维护与智能资产管理相结合越来越感兴趣。（来源物联之家网）一种可能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，以使运输管理人员知道性能问题和机械效率低下。这样的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，这将有利于通勤者。
▲保护敏感的供应链：德勤指出，随着世界之间的联系日益紧密，运输公司不得不利用新的物流流程和数据分析工具来保护货物在运输过程中的安全。这对于易腐货物特别重要，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，供应链管理人员可以实时监控运输集装箱和单件物品，并确保所有暖通空调系统均可靠运行。