虽然物联网只是最近才成为一种“东西”，但业内人士都知道，几十年来，制造业一直在收集大量数据。但随着连通性和分析能力的提高，真正掌握数据必须提供的功能已成为越来越近的现实。
预测分析及其实现预测性而非被动维护的能力对制造商来说是一个重大的游戏规则改变者。施耐德电气软件公司信息、资产和运营软件副总裁Rob McGreevy指出，施耐德电气一直非常重视优化企业资产绩效管理(APM)，其Avantis PRiSM是该工作的最新成员，可以捕获所有高保真的过程数据，以诊断资产健康状况。
Avantis PRiSM预测分析实时监控关键资产的运行状况和性能，以预测设备故障或衰减点。人工智能、高级模式识别和复杂数据挖掘提供的功能可以降低维护成本，提高可用性、可靠性和容量。
在Wonderware大会周二上午举行的题为“过去、现在、预测、预防”的会议上，Keith Chambers、Sean Gregorson和Paul Shelton将解释Avantis PRiSM如何帮助您从生产资产中获得更高的可靠性和性能。
Avantis PRiSM可以在故障发生前几天、几周或几个月提供设备问题的预警通知和诊断，这些警告在传统维护实践中可能会被忽视。
McGreevy在施耐德电气2015年Wonderware大会上对行业媒体和分析师表示:“这款产品的价值非常高。“我们93%的客户报告了设备故障。”
例如，在一个案例中，一个公用事业公司遇到了蒸汽模型涡轮机的零星问题;这种情况不断升级，最终导致该装置关闭以采取纠正措施。但在维护完成后，除了新的问题之外，还会出现类似的零星问题循环。
使用Avantis PRiSM分析机组的原始历史数据，很明显，如果安装了这样一个工具，就可以提供早期预警，发现涡轮机热膨胀问题正在发展，并在一年中成为慢性问题。通过建模练习，该工具能够检测故障模式，并在故障发生前6个月发出早期警告。该模型表明，轴承振动是一个症状，而热膨胀问题是问题的主要原因。在热膨胀问题导致轴承振动问题和机组关闭之前，积极的补救维护可以纠正热膨胀问题。
这样不仅可以避免大量的维护成本，而且还可以通过增加机组可用性来增加销售。在这种情况下，由于避免了35天的停机时间和相关的维修成本，估计可以节省数百万美元。
