物联网传感器的影响是多方面的，不过对于工厂来说，可能没有什么比预测性维护更重要的了，尤其是对于计划外的设备停机，给企业带来了巨大的经济损失。据 Carbonite在2015年的一项研究估计，小型企业的停机成本可能高达每分钟 427 美元，而大中型公司的成本飙升至每分钟 9,000 美元以上。
另据德勤（Deloitte）的一份报告，预测企业资产的故障可以将设备正常运行时间增加20%，将生产效率提高25%，并将故障减少70%。此外，该研究还发现，预测性维护可以将维护成本降低25%。这可以成为许多行业的救命稻草，这引发了一个问题，什么是预测性维护，它有哪些优势？
什么是预测性维护？
预测性维修（Predictive Maintenance，简称PdM）是以状态为依据(Condition Based)的维修，在机器运行时，对它的主要（或需要）部位进行定期（或连续）的状态监测和故障诊断，判定设备所处的状态，预测设备未来的发展趋势，以及可能出现的故障模式，预先制定预测性维修计划，确定机器应该修理的时间、内容、方式和必需的技术和物资支持。
预测性维护集设备状态监测、故障诊断、故障（状态）预测、维修决策支持和维修活动于一体，是一种新兴的维修方式。预测性维护可以监测的传感器种类繁多，比如常见的温度、湿度、振动、声音、光波以及电流传感器等。
随着概念的成熟，预计预测性维护将变得更加普遍。Markets and Markets一份报告预测，到2026年，预测性维护市场的估值可能达到159亿美元。
预测维护的优势
基于时间的维护计划可能能够避免计划外停机，但低效率的资产维护也可能迅速增加运营成本。主要风险是过于频繁地维护资产，导致不必要的支出，用于更换仍然可以使用的资产零件或设备。监测这些相同的资产，并以更高效的计划进行维护，可以比定期维护节省高达12%的费用。预测性维护对工厂设备监测的优势如下：
降低维修成本：研究数据表明，可降低维修成本25-30% 消除生产宕机：研究数据表明，可降低生产宕机达70-75%
降低设备/流程的停机：研究数据表明，可降低设备/流程停机35-45% 提高生产效率：研究数据表明，可提到生产效率20-25%
节省材料成本：研究表明，可节省材料成本达19.4% 减少库存维护和维修：研究表明，可减少库存维护和维修达17.8
高投资回报率：研究表明，预测性维护的平均投资回报周期为14.5月
ZETA预测性维护方案
作为新兴的LPWAN技术，ZETA技术研发商纵行科技推出了ZETA预测性维护方案，打造了“ZETA+Edge AI”边缘智能终端，能直接在设备上进行数据采集、计算分析从而辅助决策，不仅能满足工业各种复杂场景的灵活部署，也真正解决了工业场景中数据采集“最后一公里”的数字化难题。
Edge AI，除了边缘计算的快速、安全、可靠和可拓展的四大优势之外，最大的优势在于能有效降低成本。一是，边缘计算可避免大数据量通讯，不占用云端资源，使预测性维护的实施方案极其灵活、轻便，从而可使成本降到最低。另外，纵行科技把Edge AI进行前置，移植到智能终端内部，实现数据的即采集即处理，能最大限度延长终端电池寿命。
ZETA Edge－AI智能终端的故障告警准确率能达到95%，误报率低于1%。ZETA Edge－AI智能终端采用了最高配置：使用MEMS加速度传感芯片使产品能达到29kHz（3dB）的频响，程序设置25.6kHz的采样率，有效分析0-10kHz频段的频谱，能涵盖90%以上旋转机械设备的故障特征频段。同时，单次采集1.28s的振动数据，保证频谱有0.78Hz分辨率，能精确定位故障或特征谱线。
ZETA预测性维护方案能够长期监测分析历史数据，采用阈值判定、趋势分析和概率统计等方法对设备状态进行评估，及时发现设备异常状态。对于常见故障，包括转子不平衡、不对中、安装松动、轴承和齿轮损坏等，ZETA智能终端也能给出报警以及故障类型判断，协助用户进行故障排查和定位，提高故障处理效率，保障工厂设备运转不停。它能极大地节省开销、增强系统的可用性，避免或最小化故障停机时间，有时候还能挽救生命。
基于低成本和高性能的优势，ZETA预测性维护方案可以为工厂设备监测以及数字化管理、工厂资产保值带来更大的信心。目前，ZETA预测性维护方案已经在泰国暹罗水泥集团、南方水泥等国内外大型化工企业内落地应用。