改善状态监测和诊断、优化整体系统，是当今使用机械设施和技术系统的核心挑战。不仅在工业领域，任何使用机器的领域，这个问题都越来越受到大家的关注。

过去，机器是按照计划进行维护的，延迟维护可能会带来工厂停产的风险。然而今天，来自机器的过程数据可以用于预测其剩余使用寿命。特别是温度、噪音和振动等关键参数记录可以用来确定机器的最佳运行状态，甚至是必要维护的时间。这样就可以避免不必要的磨损，还可以及早发现故障及其产生原因。借助这种监控优势，机器在设施可用性和有效性方面都具有相当大的优化潜力。

预测性维护（predictive maintenance，简称PM）的核心是基于对机器状态监测（condition-based monitoring，简称CBM），通常是旋转机器，如涡轮机、风扇、水泵和马达等。通过CBM，机器运行时的状态信息都可以被实时记录下来。但是，该设备无法对可能发生的故障或磨损进行预测。虽然如此，通过PM来实现机器预测，标志着转折点的到来：借助更智能的传感器和更强大的通信网络和计算平台，可以创建模型，检测机器变化，并对其使用寿命进行详细计算。

为了创建更富有意义的模型，我们需要分析振动、温度、电流和磁场数据。如今，有线和无线通信方法允许各工厂或公司对设备进行监控。通过基于云系统产生的附加分析，以简单的方式使操作员和维修技术人员能够访问到机器状态信息数据。但是，机器上的本地智能传感器和通信基础设施是这些附加分析的基础。