施耐德电气位于法国的勒沃德勒伊工厂被世界经济论坛公认为世界九大最先进的“灯塔”工厂之一，大规模应用了第四次工业革命技术。它在制造过程中的关键机器上遇到机器健康和计划外停机问题。他们正在寻找一种能够轻松利用现有机器数据源、机器操作员无需复杂设置或大量培训即可使用且投资回报快的解决方案。

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。

凭借丰富的传感器数据，但缺乏执行手动分析的熟练资源，Nissan 热衷于扩大使用数据和机器学习来影响维护的好处。 2016 年，它决定启动一项预测性维护计划，以将数千台不同机器的生产停机时间减少多达 50%。 Senseye 因其深厚的领域经验和跨站点扩展能力而被 Senseye 所吸引，这得益于其获得专利的人工智能技术。

SCCC 承诺为东盟地区运营一个展示数字工厂，并已在智能工厂设备和传感器上投入巨资。他们需要一个能够利用现有投资并与 SAP PM 维护系统集成的预测性维护系统。

寻求改进运营决策、安全管理和可持续性。这些举措的一个关键要素是资产维护，约占 Cameco 采矿业务总运营成本的 25%。改善资产管理始于自动化数据收集。过去，Cameco 一直在努力分析来自资产的多个常规状态监测数据。结果，该公司发现在发生资产故障时很难理解出了什么问题。