工业物联网资产维护几乎是所有制造商的首要目标。法新社
首先是工业物联网基础设施投资会暂缓，2017年初GE(General Electric)和西门子(Siemens)等大企业在工业物联网的投资毫不手软，但GE已宣布减少投资和吸纳新客户的成本。
第二是非监督式机器学习(ML)成长动力强，随着这些技术发展，未来无需“训练”数据标签即可透过高阶算法分析感测数据，以便工厂采用低接触式的数据分析手法。
第三是汽车制造业会成为工业物联网资产维护的领头羊，向来比其他工业领域更看好预测性维护(PM)的策略和营运优势，以便降低非预期停机时间。
第四是工业物联网预测性维护会促进顶线增长(top-line growth)，不仅可提高开机时间，亦可提高产品良率。
第五是资产维护走向全方位，不只是预测性维护，其他数据维护流程也逐渐普及和发展。工厂正积极采用各种方法来实现自动化，以改良回修排程、存货管理和产品检测。
第六是大数据专家风光不再，以往制造业高阶主管总以为非要召募大数据工程师不可，但如今已不用在内部成立类似团队，未来第三方供货商所提供的方案皆内含专业咨询服务。
第七是转为多资产预测性维护方案，鉴于大数据分析广泛应用，工厂正在寻求单一的多资产预测性维护方案，而不局限于特定供货商或资产类别。
第八是代工制造(OEM)转为服务模式，OEM大多正朝着软件即服务(Saas)模式迈进，2018年硬件供货商将连同产品搭售预测性维护等服务。
第九是供货商生态系新秀辈出，工业物联网资产维护吸引不少投资挹注，传统供货商也会积极投资和收购新创公司。
第十是工业分析师预测失准，当逐渐逼近2020年，我们会发现过去对于IT热门技术的预测夸过其实。
