麥肯錫(McKinsey)的“人工智能：下一個數字前線”報告指出，人工智能(AI)將實現預測性維護(Predictive Maintenance)，而事實上目前這已經不再只是空談。

工業4.0持續推動數據科學的發展，人工智能已經可以偵測機器何時需要維修

據Venture Beat報導，工業4.0持續推動數據科學的發展，人工智能已經可以偵測機器何時需要維修;連網的機器產生的數據，可以實時追蹤其變化，當數據顯示機器的績效出現下滑，維修人員會在機器真正故障前進行維修，先一步關閉生產線。

GE(General Electric)開發出“數字仿真”(Digital Twins)技術來監控真正機器的狀態。當出現問題時，可以模擬出現場的狀態，這是過去作不到的。這些運作中的“復制替身”，目前已經達到65萬個。

電梯公司Schindler也利用預測性維護，在電梯中安裝了許多傳感器，能夠了解何時必須進行維修，并強化電梯的整體安全。

在許多領域中，預防性維護是很重要的。舉例來說，紐約州宣布其交通局正面臨緊急狀態，只要原因在于預防性維護不足。許多基礎設施，包括高速公路、橋梁和下水道等基礎設施已經老化，因此必須了解哪里需要維修、何時需要維修，才能控制成本、避免災難發生。

另外，汽車制造商如果在設計時間與量產過程中能透過機器學習來發現問題，可以大量減少汽車因設計瑕疵必須召回而產生的成本。聯邦航空管理局(FAA)每天處理4.3萬個航班，航空業面臨的維修需求非常龐大，預防性維護提供更簡單、更安全、更經濟的維護方法。

在操作上，第一步就是必須讓機器配備傳感器，以實時追蹤數據。這些數據透過網絡，進行大量儲存與處理。最后，透過自動化來找出固定模式，并發覺異常狀況。如果需要時，技術人員就會出動解決問題，藉此達到最高的投資報酬率。