我們的生活被工業機器所左右，食衣住行相關所需都來自工廠。這些工廠有數百萬個機器，為了維持正常運行，這些工業機器必須進行維修；穩定度工程師使用不同方法來進行維護，包括被動式維護以及預測性維護（Predictive Maintenance；PM）。

　　Petasense創辦人Abhinav Khushraj指出，利用工業物聯網（IIoT）科技，工廠正在改變資產維護的方式。過去的被動式維護，也就是「使用到故障」（Run-to-Failure），這是最簡單的方式但卻難以預測，長期而言往往需支付巨大代價。

　　非預期的停機，導致生產力損失與營運成本上升，也可能產生額外的維修與替換成本。制造商必須準備許多零件，并確保維修人員隨時做好準備；機器故障也可能危害員工的安全。「使用到故障」的模式對于非關鍵的機器是可行的，但如果是重要的設備，勢必需要更周全的方法。

　　預測性維護，是一種按照時間表的維修模式。根據預先界定的時間，而不考量機器的實際狀況，也就是每月、或每季定期進行維護。預測性維護可以延長設備受命，并提供更好的效率，但也可能產生額外成本。比如預測性維護會定期停機，導致生產力下降；另外也會有連續性的勞工成本。

　　此外，許多零件與設備可能還能使用；而定期維修之間的故障，也可能產生風險。預測性維護持續監測機器狀況，在問題發生以前預先警告。多數應用都會用到感應器來監測各種參數，包括震動、溫度與超音波。

　　預測性維護，還可以再細分為有線的預測性維護，將感應器以實體線路連結到控制室，然后透過管理系統觀察數據。然而大型工廠會需要昂貴的聯機成本，如果只是用于小部分的關鍵資產，是比較合理的方式。

　　無線的預測性維護，在工業機器上裝設無線感應器，可以持續穩定地搜集數據，并傳輸到本地服務器或云端，然后透過人工智能提供自動化分析，實時監測工業機器的健康狀況，并找出故障問題。事實上，最有效的維護計畫往往結合上述各種方法；多數機器設備透過無線方式監測，少部分透過有線連結，而非關鍵的資產則采用被動式維護。