关键资产一旦发生故障，其后果往往不可估量，由此引发的意外停车可能会导致每年数十亿美元的损失。为能够更加主动地防止意外停车，制造企业和工业组织纷纷开始采用预测性维护及其他各种先进技术，以期有计划地安排停车事件。为帮助客户鉴别和防范关键资产停车事件，罗克韦尔自动化宣布推出全新的预测性维护即服务产品。
　　该服务以客户的关键资产为应用对象，从传感器、控制系统和智能机器等互联技术获取数据并进行分析。借助 FactoryTalk Analytics 分析平台和机器学习技术，罗克韦尔自动化工程师能够判断运行状态是否正常控制工程网版权所有，同时构建数据模型控制工程网版权所有，以帮助预测、监控故障，降低故障发生的几率，从而促成预测性维护的实现。
　　“通过收集并分析大量的历史数据，我们现在可以预见在未来的哪个时间点可能会发生故障。”罗克韦尔自动化远程监控和分析产品经理 Phil Bush 说道。“这使得最终用户能够有预见性地解决问题CONTROL ENGINEERING China版权所有，最大限度地减少对生产运营的影响，而不再像以往束手等待故障的发生，然后在紧迫匆忙中排除故障。”
　　以罗克韦尔自动化的一个石油和天然气行业客户为例，在未部署预测性维护解决方案之前控制工程网版权所有，该客户曾发生过一次轴承故障事件，导致的维护费用和生产力损失合计超过 300 万美元。通过与罗克韦尔自动化共同查阅故障资产逾一年的历史数据，工程师发现轴承冷却系统已有六个月未正常运行。而如果当时已经部署了预测性维护服务，该客户就可以在故障发生前发现轴承故障及其发生原因。
　　该全新服务对于石油和天然气等行业的重要性尤为突出，在这些行业中，关键资产的正常运行时间决定着企业的盈亏。这一重要性还体现在需要连续执行生产运营的关键机器上。此外，原始设备制造商 (OEM) 可在某一资产上实施这项服务控制工程网版权所有，利用预测功能延长正常运行时间，并将应用成果推广到所有类似的客户资产上。
　　借助这项服务，客户可以监控预测并分析警报细节，而无需另外构建自己的数据模型或设计自己的解决方案。罗克韦尔自动化将为客户提供数据收集、机器学习和工程设计等方面的支持，以构建模型、验证和监控模式及预测，并随着数据集的发展持续更新这些模型。