挑战在于收集和筛选这些数据，识别表明资产故障可能性很高的模式，识别最紧迫的问题，并为工程师提供正确的信息，并有足够的准备时间让他们采取有效的行动。 “以前，我们只使用了我们收集的运营数据的 10% 到 12%，这是行业平均水平，”Benn 评论道。 “当我们搜索、整理并将正确的信息转发给正确的人时，我们可能响应太晚以避免影响运营，或者不得不在最后一刻更改我们的维护计划，这会降低效率。我们的挑战是主动提供及时、可操作、有效的信息，而不是被动或回顾性评估。” “我们想要的是一种识别传感器数据模式的方法，这将为我们提供资产故障的早期预警。我们看到了使用分析技术从我们已经拥有的系统和数据中提取更大价值的机会，这将帮助我们避免例如可预防的故障并可能节省数百万美元。