改善状态监测和诊断以及整体系统优化是当今使用机械设施和技术系统的一些核心挑战。该主题不仅在工业领域，而且在任何使用机器的地方都发挥着越来越大的作用。过去根据计划进行维修的机器，以及延迟维护意味着生产停机的风险。今天，来自机器的过程数据用于预测剩余的使用寿命。记录特别关键的参数，如温度，噪音和振动，以帮助确定最佳运行状态甚至必要的维护时间。这允许避免不必要的磨损并且可能在早期检测到可能的故障及其原因。

在这种监测的帮助下，在设施可用性和有效性方面产生了相当大的优化潜力，带来了决定性的优势。例如，有了它，ABB可以将停机时间减少多达70%，将电机使用寿命延长30%，并在一年内将其设备的能耗降低多达10%。

这种预测性维护（PM）的主要元素，如技术术语所知，是基于状态的监测（CBM），通常是旋转机器，如涡轮机，风扇，泵和电动机。使用CBM，可以实时记录有关运行状态的信息。但是，没有做出关于可能的故障或磨损的预测。它们只是通过PM来实现，从而标志着一个转折点：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，检测变化并对服务寿命进行详细计算。