在与 Ayla Networks 合作之前，Ozner 已经在使用云连接来识别和解决水过滤系统故障以及监控滤芯是否更换。但是，在 2015 年 6 月，Ozner 高管与 Ayla 讨论了该公司如何利用物联网技术进一步改善其供水系统。他们喜欢从 Ayla 那里听到的消息，但高管们需要确保 Ayla 的敏捷物联网平台能够提供 Ozner 所需的安全性和可靠性。

对于工业冷水机制造的全球领导者来说，整个生产过程的可靠性至关重要。冷水机是制冷系统，它产生冰水，为工艺或工业应用提供冷却。其中一位领导者寻求一种方法来应对资产绩效问题，甚至在它们发生之前。嵌入式智能确保冷却设备的最大可靠性（预警）。预警阶段意味着冷却装置仍然可以工作，但可能会出现症状，告诉制造商在不久的将来可能会发生故障。当时没有连接互联网的冷水机组在这个预警阶段几乎没有提供任何洞察力。

首先，飞机制造商难以通过健康预测来监测飞机系统的健康状况并提供预测性维护见解。其次，飞机制造商需要一种能够提供上下文咨询并调整工作分配以匹配技术人员经验和专业知识的解决方案。

车队经理正在转向预测分析，以掌握维护情况并在部件故障发生之前减少它们。然而，管理车辆传感器生成的大量新数据具有挑战性。

CPG 发生压缩资产故障，导致服务中断，并有可能引起客户不满。

客户以卓越的工程设计和以客户为中心的理念而自豪，让客户的思想放心，不用担心机器故障。他们可以轻松地为客户提供出色的维护服务，但有些流程可以自动化，从而为客户提供更少的停机时间和更有效的维护计划。

Hirotec 需要确保连续运营并最大限度地减少其制造设施的计划外停机时间。计划外停机代价高昂，并且会影响 Hirotec 准时向客户交付货物的能力。

石油和天然气公司在从数据中学习以了解资产的不同运行状态和故障模式时遇到问题，并利用这种学习在故障发生之前提供足够的警告，以便运营商可以计划纠正措施，从而优化其运营和维护预算。

为了保持其在热塑性弹性体国际市场的份额，AES 最近扩大了其佛罗里达工厂，增加了一条新的生产线。虽然现有生产线使用带有传统模拟 I/O 的 PROVOX 分布式控制系统运行良好，但 AES 希望在新生产线上采用先进技术，以提高经济性、效率和可靠性。 AES 官员急于让这条生产线投入生产以满足收到的订单，但两次飓风减缓了建设速度。

要监控的资产：生产钢筋的压线机客户面临以下挑战：取决于机器的正常运行时间。压实机内的压力缸无法控制压缩和速度，从而导致捆绑线圈出现问题。生产最后阶段出现设备故障导致整线停工，能说是瓶颈吗？未配备传感器以产生数据的关键资产。

客户希望使用 Oracle 融合中间件平台上的 SOA 技术在现有内部部署和基于云的应用程序之间实现实时、无缝、基于云的集成，这是一种临时工作人员解决方案，用于收集、跟踪、管理和报告信息以进行入职、维护和使用简化和集成的业务流程，以及简化与后端系统和多个 SaaS 应用程序的集成，让临时工下班。

认识到预测性维护 (PdM) 的最新进展和可负担性，该公司决定在其设施之一中试行 PdM 计划。期待积极的结果，我们希望逐步寻求更广泛的实施。

当流体压力突然降低时，气蚀是离心泵中可能发生的一种情况。减压会降低液体的沸点，如果发生沸腾会产生蒸汽泡。这更有可能发生在压力通常最低的泵入口处。当蒸汽泡向压力较高的泵出口移动时，它们会迅速塌陷（返回液态），从而产生可能损坏泵组件的冲击波。

客户投资组合中大约有 17,000 口井采用了梁泵人工举升技术。虽然与其他人工举升技术相比，游梁泵技术相对便宜，但游梁泵经常出现故障，故障率从每年 66% 到 95% 不等。意外故障会导致数周的生产损失、紧急维护费用和昂贵的设备更换。

全世界的火车运营商都有望创造奇迹，即永远不会迟到。因此，要满足严格的服务和可用性目标，高效的维护计划非常重要。支持数据的功能对西门子来说是必须的。反应性维护（事故发生后）和例行的预防性维护及其目视检查和定期更换组件已不再足够。我们已经转向更具成本效益、基于状态的预测性维护。通过诊断传感器数据的传输和远程监控来测量组件的实际状况；数据也用于分析模式和趋势。这有助于预测组件何时可能发生故障，因此可以在发生任何不良情况之前对其进行修复。为了确保这种方法的商业可持续性，西门子需要使用和再利用现有数据，创建一种“火车互联网”。为此，他们正在近乎实时地分析传感器数据，这意味着他们可以非常迅速地做出反应，确保客户运输服务不会中断。 “在影响运营之前，仅使用来自火车的数据很难定义每个问题”，克雷斯解释道。然而，最近的成功案例证明一切皆有可能。

建筑设备的意外故障可能会给设施运营商带来重大问题。例如，制冷系统停机会导致零售商损失昂贵的易腐品或药店的药品。 HVAC 系统停机时间推动了对紧急维护活动的需求，并导致客户满意度下降。

Oseco 对工业 4.0 来说是全新的，Oseco 需要找到一种精益且快速的方法来成功实施状态监测。

一家领先的石油和天然气公司以及 GE 最值得信赖和创新的合作伙伴之一，无法整合独立的设备问题检测能力。由于维护计划问题和过时的软件系统导致计划外停机，该公司正在亏损。他们认为，精心设计的 IT 资产组合将产生比他们更强大的洞察力，使他们能够使用实时洞察力和预测分析从陆上设施监控海上设备。

施耐德电气位于法国的勒沃德勒伊工厂被世界经济论坛公认为世界九大最先进的“灯塔”工厂之一，大规模应用了第四次工业革命技术。它在制造过程中的关键机器上遇到机器健康和计划外停机问题。他们正在寻找一种能够轻松利用现有机器数据源、机器操作员无需复杂设置或大量培训即可使用且投资回报快的解决方案。

在保时捷汽车经销商处进行汽车维修的通常做法是让工厂代表或区域工程师上门帮助诊断问题，有时将有故障的总成运回公司总部进行损坏分析。对于客户和经销商来说，所有这些都需要花费时间和金钱。

由于拥有丰富的数据和不足以进行分析的熟练资源，Nissan 热衷于扩大使用数据影响维护的好处。它决定启动一项基于状态的维护计划，以将数千种不同资产的生产停机时间减少多达 50%。 Senseye 因其以机器学习为基础的强大预测产品而被 Senseye 所吸引。

一家大型建筑骨料厂运行 10 台大马力二级破碎机驱动电机和相关传送带，每小时生产 600 吨产品。所有重型设备都需要维护，但在必要的维护是计划外和计划外的任何时候，总生产商的成本都会大大增加。产品必须在紧迫的时间内供应给客户，以履行合同、避免处罚并防止未来业务的损失。此外，其中一个驱动电机的突然故障会导致岩石堆积在不需要的位置，从而延长停机时间并增加成本。显然，预防性维护比意外故障更可取。因此，该公司每年两次聘请外部供应商在电机上安装传感器、进行振动研究、测量轴承温度并尝试评估电机的健康状况。但这还不够。意外的故障继续发生。骨料生产商决定升级到基于状态的监控 (CBM) 传感器系统，该系统可以持续实时监控电机，应用数据分析来检测电机行为的变化，然后再发展为重大问题，并通过电子邮件或文本提醒维护人员，他们碰巧在哪里。有线传感器网络成本过高。聚合工厂有许多重型车辆在移动，因此必须保护任何电缆。但该工厂占地 400 英亩，电缆必须挖沟到许多地方。电缆无法正常工作。骨料生产商需要无线解决方案。

鉴于油价长期低迷，世界上最大的勘探和生产公司之一正在尽可能精简运营。因此，操作参数没有得到有效监控，机器中的设备故障也没有被注意到。

为了扩大运营规模，loT Systems 的客户需要一个系统来监控真空泵，并在任何地方、任何时间和任何设备上以近乎实时的速度为管理人员提供可操作的数据。真空泵是立式炉的一部分，可根据客户的确切规格在精确的温度和压力下制备半导体晶片。如果泵即将发生故障而经理没有看到警报，则可能会导致报废事件，使客户收入损失，因计划外停机而延迟生产，并增加总体制造成本。管理人员无法实时看到警报，除非他们亲自在地板上走动，随着客户规模的扩大，预测性维护和防止报废事件变得更加困难。

欧洲最大的综合电力公司之一正在寻找分析解决方案，以可靠地预测设备故障并改善其燃煤电厂的基于状态的维护。凭借多样化的煤炭、石油和天然气/CCGT 发电厂，该公用事业公司在全球超过 50GW 的发电组合一直面临着精简全球运营并将发电成本（资本支出和运营/维护 O&M 费用）降低 7-10 的压力%。

- 避免资产故障并减少设备停机时间- 识别系统和设备行为的细微变化- 获得新出现设备问题的预警- 实时监控整个车队的关键资产的运行状况和性能- 改进维护计划 y 获取知识以优化工厂人员之间的信息共享

安赛乐米塔尔的旋转资产经常在恶劣的环境中运行。该公司位于比利时根特的热轧带钢厂的输送机在生产过程中运送炽热的热钢板。在这样的情况下，振动和声学分析等传统的基于接近的技术会失败：传感器无法处理高温。 “在钢铁行业，资产经常在不适合敏感传感器技术的条件下运行，”安赛乐米塔尔北欧工业数字化经理 Andy Roegis 说。 “我们热轧带钢厂的传送带是生产过程的关键部分，但几乎不可能使用手动或基于振动的技术来评估其状况。”

鉴于石油和天然气市场的极端波动，一家全球石油和天然气公司正在尽可能精简运营。因此，该公司无法每天监控每个涡轮机的数百个传感器，导致设备维护问题被忽视。

Leica Microsystems 将其成功归功于提供创新产品和卓越的客户服务。为了扩大其领导地位，该公司开始为其共聚焦显微镜和组织处理器系列探索更积极的服务方法。 Leica Microsystems 项目团队开始寻找一种全球软件，以允许从被动服务公司转变为主动服务公司。他们的计划侧重于避免停机和预测全球潜在问题，以预防问题为目标。因此，客户不仅可以从最短的产品停机时间中受益，还可以从更快的服务和更高的生产力中受益。为了获得该计划的批准和资金，团队需要向管理层证明这种服务战略转变将优化仪器正常运行时间并降低服务成本。

预测性维护是指帮助确定在役设备状况以预测和/或优化何时应该执行维护的技术。预测性维护是工业 4.0 革命最重要的优势之一。