近些年，很多工厂都纷纷配置了支持现场总线或HART协议的设备，这些设备可以读取数据并获取一些相关的其他信息。除了基本的诊断数据，获取的其他信息一般使用不到，但是这些信息却具有很高的利用价值。那么，应该从何处着手才能有效利用这些数据呢？
其实，只需投入少量的精力和资金，就可以从这些信息中受益颇多。例如，从消防喷淋设备到旋转设备，都可加以尝试。也可以从相对容易忽略的手动阀开始，将调节情况记录下来。这个记录范围可以无限扩展，详细的记录信息可用来分析现有故障，确保现有资源能够得到最有效的利用。
菲尼克斯电气行业管理流程负责人Stephan Sagebiel参与过多个项目，他的独特见解为公司创造了巨大的经济效益。他指出：
诊断信息的范围非常广泛，这些信息可以被多个用户群使用。许多监控系统，如热量记录系统，仅仅是为整体系统的维护提供故障警报。这类系统无需筛选大量的数据，监测过程通过测量电流即可实现，非常简单，但如果不监测不及时发现故障就会导致严重的后果。
对于水泵和压缩机而言，来自一台或几台设备的原始数据所提供的信息量并不足以生成维护计划。但如果将上千个水泵的数据上传到云平台就能弥补信息量不足的缺点，从而能够实现对重复故障现象的预测。凭借大量的振动、输出和其他测量数据，人工智能（AI）系统能够准确预测：哪个水泵会在何时发生故障？应在何时进行维护？应在何时更换机器？
受制于机械应力，旋转设备很容易出现故障。大数据分析和人工智能（AI）可将大量的过程和监测数据转变为可靠的预测性维护计划。云服务实现了互联网的无限计算力，与本地控制系统和应用程序相比，可为预测性维护奠定更加坚实的基础。即使在涉及大数据分析和人工智能时，利用大量数据来加强监测并提升效率也比许多人想象得要简单。
Sagebiel认为：
每家工厂的运营者都可以采取一定的措施来提高系统的可用性，并逐步改进维护策略。并不是所有的数据处理都需要在“云”中完成。条件允许时，工厂运营者采取常规的数据处理方法即可。菲尼克斯电气可以提供相关技术支持，不仅限于帮助安装本地报警器，或帮助增强棕色土地（污染荒废土地）站点的设备数据采集，也可以帮助安装相应的数据采集设备。
