工业互联网的“杀手级”应用预测性维护,为何发展不及预期因为预测性维护，需要用到的技术难度含量太高了。“预测性维护”，是先对可能的情况做出预测判断，再去根据预测到的可能出现的情况去做维护。后者并不难，其难度在于“预测”。
“预测”不简单，它要用到大数据和云计算技术。而大数据技术，是建立在收集大量的应用信息的基础上。在没有足够的数据支撑的情况下，大数据技术就变成了一句空话，失去了现实的意义。
举一个简单的例子，普通的车床。如果想应用预测性维护这项技术，维护普通的车床，从而实现，使车床尽可能不停的工作。那么，就要把普通车床运行中可能产生的所有的问题和解决方案的数据全部收集齐。这个工作说起来简单，但在实际应用中，做起来却不是那么容易。这是最难办的。其次，收集起来的问题的解决也不那么容易。因为一台普通的车床，产生的问题是多样的，又是复杂的。可能，这个问题的产生，要产生不同的结果；也可能同一个结果对应了不同的问题。
另外，从事这项技术研究的人的规模，也影响了技术进步的速度。目前从事这项技术研究的人相对，比较少。这也从客观上影响了这项技术的突破速度。
综上所述，工业互联网的“杀手级”应用，预测性维护，发展不及预期是可以理解的。