在訓練預測性維護演算法時，在真正機台上建立所需的故障條件通常很昂貴，或有時根本無法做到。對於這類情況的解決方式之一，是利用從真正在運作中的機台取得的現場資料來調整一個實體的3D模型，並建立數位分身用來設計能夠佈署於真實設備的控制器的預測性維護偵測演算法。

工業設備損壞所導致的損失，除了替換設備的花費之外，最大費用還來自於強制停機所衍生的問題，一條生產線的停擺可能造成每分鐘幾千美元的損失。以固定週期執行例行性的維護雖然可預防意外停機，不過並不能保證完全不會發生設備損壞。

因此，如果讓機器可以自動辨識其中某個零件即將故障，甚至知道哪一個零件需要更換的話，便能有效地減少意外停機的情形。計畫性的維護保養，並不是以固定的間隔時間進行維護，而是只在需要的時候才執行，因此預測性維護（predictive maintenance）的目標：即在於利用感測器資料來預測機台何時需要保養，以避免發生停機。
...
...