根据市场研究公司VansonBourne的一份报告，意外的机器停机每小时给制造商造成26万美元的损失，82%的制造商每年至少经历一次机器停机。这是一个高成本和常见的问题，但有一个可行的解决方案，首先通过物联网推进过时的维护方法。
传统的机器维护方法在限制或消除计划外停机方面做得不多。例如，使用反应式方法时，技术人员只有在休息时间开始增加时才会介入。
预防性方法可能会更好地在早期发现问题，但只有在机器开始显示出故障迹象时，才会安排维修。因为大多数工厂都依赖其中一种或两种方法来进行机器维护，所以绝大多数工厂仍然会遭受计划外停机的困扰。
另一方面，预见性维护为技术人员提供了足够的预警，在问题导致计划外停机之前解决问题。由于联网传感器的出现，工厂第一次可以采取完全主动的方法来维护机器。
这些物联网传感器可以连接到设备上，实时监控关键机器健康数据，然后将数据输入预测性维护平台，该平台应用数据分析，一旦出现危险信号，就能识别它们。然后，该平台可以向技术人员自动发送实时警报。
这种新一代技术有望将机器健康监控(过去一直是维护团队忽视的一个领域)转变为制造商可以利用的资产，以减少计划外停机时间。方法如下:
VansonBourne的报告还显示，计划外停机事件平均持续约4个小时，在此期间损失的生产率可能会使制造商损失超过100万美元。
停机会带来巨大的成本，因为计划外的停机会导致生产因未知原因而停止，技术人员必须尽快进行诊断和修复。这项工作是被动的，所以没有办法知道诊断和维修需要多长时间。
计划好的机器停机时间更容易接受。制造商可以提前为这些事件做好准备，并准确地安排他们计划要做的事情。然而，生产仍然受到影响，因为设备可能会因为不必要的维护而关闭。
预测性维护工具使用机器运行状况监视来区分机器何时需要维护，何时不需要维护。这样，工厂就可以计划停机事件，只纳入当前需要关注的设备。技术人员能够尽早做出反应，并以敏锐的洞察力将对生产的负面影响降到最低。一旦这些主动干预成为常态，意外停机就变得非常罕见。
假设你有200台机器。其中两个濒临失败，25个很糟糕，50个过早磨损，其余的都是健康的。一个由五名技术人员组成的团队计划在未来6个月内进行6次维护，其中5次维护时间为1小时，第6次维护时间为8小时，可以完成一些重要的工作。船员们如何最大化每个机会?
预测性维护工具回答了这个问题。机器健康数据显示哪些设备需要立即关注，哪些设备可以推迟。此外，机器健康数据有助于确定机器需要维修的地点和方式，以便技术人员能够在最短的时间窗口内产生最大的影响。每一个机会。
通过明确指出技术人员需要在何处、何时、为什么和如何响应，维护团队可以使用有限的资源，甚至使大型工业环境(或多个站点)免受导致计划外停机的问题的影响。
换句话说，维护可以为更大的机器性能一致性和稳定性奠定基础，而不是等待下一次灾难。当工厂能够优化每个维护机会时，他们就可以为长期的维护做好准备。他们可以为每台机器制定个性化的计划，开始订购备件，并根据员工的技能组织员工。
有了足够的微调，每个人都知道该做什么，这样计划的停机时间才能系统地进行。每个人都可以使用相同的准备和经验来减少意外停机。
计划外停机常常让人觉得不可避免——这是一场代价高昂的灾难。但那是在基于物联网的机器健康监控驱动的预测性维护时代之前。停机时间再也不会和以前一样了。