梅赛德斯-奔驰和他的合作伙伴 GAZ 选择西门子作为其在俄罗斯雅罗斯拉夫尔新发动机工厂的维护合作伙伴。新工厂能够为俄罗斯市场生产柴油发动机，用于本地生产的 Sprinter Classic。除了面向当地市场的发动机外，雅罗斯拉夫尔工厂还将生产备件。梅赛德斯-奔驰俄罗斯公司和他的合作伙伴需要一个服务合作伙伴，以确保这些生产线在维护合作安排中的运行。挑战包括协调整个维护管理操作，特别是检查、纠正和预测性维护活动，以及优化备件管理。西门子开发了一种定制的维护解决方案，其中包括所有电子和机械维护活动（整体工厂维护）。

Hirotec 需要确保连续运营并最大限度地减少其制造设施的计划外停机时间。计划外停机代价高昂，并且会影响 Hirotec 准时向客户交付货物的能力。

在保时捷汽车经销商处进行汽车维修的通常做法是让工厂代表或区域工程师上门帮助诊断问题，有时将有故障的总成运回公司总部进行损坏分析。对于客户和经销商来说，所有这些都需要花费时间和金钱。

由于拥有丰富的数据和不足以进行分析的熟练资源，Nissan 热衷于扩大使用数据影响维护的好处。它决定启动一项基于状态的维护计划，以将数千种不同资产的生产停机时间减少多达 50%。 Senseye 因其以机器学习为基础的强大预测产品而被 Senseye 所吸引。

预测性维护是指帮助确定在役设备状况以预测和/或优化何时应该执行维护的技术。预测性维护是工业 4.0 革命最重要的优势之一。

虽然仍然需要机械服务，但汽车数字化程度的提高导致需要固件和软件更新来补充服务和维修。来自联网汽车的实时数据无需在汽车发生故障后进行维修，而是实现了预测性和主动性服务。这为原始设备制造商增加与最终客户的直接关系创造了新的机会。反过来，维修店也需要适应这些新情况，创新新的商业模式，以确保未来的竞争力。

当制造商（如世界顶级汽车制造商和汽车零部件供应商）在其工厂生产零部件时，传统的 QA 测试仅限于验证全天随机下线的零部件的质量。执行所需的详细测试非常耗时，尽管随机测试，有缺陷的部件仍可能通过。如果有缺陷的部件导致召回或事故，制造商可能面临代价高昂的诉讼或对其声誉造成无法弥补的损害。

到 2025 年，伦敦交通局将必须满足严格的排放控制规定。这意味着购买和运营新的混合动力或全电动零排放巴士车队。因此，许多原始设备制造商 (OEM) 和运营商将不得不开发新技术来帮助他们以足够快的速度进入市场以满足需求。

戴姆勒公司正在寻找一种方法，通过有针对性的工艺调整，最大限度地提高其斯图加特工厂完美生产的气缸盖数量。该公司还希望提高生产力并缩短其复杂制造过程的加速阶段。