運用と保守活動は一般的に膨大な量の構造的、非構造的データを生み出しているにもかかわらず、運用と保守のグループが的確な判断を下すのに活用できているのは、これらのデータのほんの一部に過ぎない。システムから生み出される運用データの大部分は、プロセス・ヒストリアンの履歴記録の中に蓄積されているか、さもなければどこにも残っていない。運転状態や十分に機能していない設備に対して予知しそれに対処するためにデータを必要としているユーザにとって、ここに取組むべき課題がある。
産業用プロセスや設備のパフォーマンスを現状より正確に予測できるように、企業は、連続時系列あるいはストリーミングのセンサ・データを機械学習のアルゴリズムに結合する新たなプロセス分析機能ソリューションに投資し始めている。設備のパフォーマンスや可用性を高めるために、プロセス分析機能は、機械やプロセスを学習し、特殊なデータ・パターンを特定し、特定の時間軸上での時系列データを検索し、すべての関連するイベントを素早く効率的に相互に関連付ける必要がある。これには、運転員やエンジニアによる観察情報に加えて、制御システム、保守システム、さらにラボ・システムから生み出される時系列データが含まれる。
米フロリダ州オーランド（Orlando）で開催された2016年ARC インダストリ・フォーラムにおいて、CSX の機関車エンジニアリングの部長であるユセフ・アブドル・モティ（Yousef-Abdul Moty）氏は、予知保全（predictive maintenance）に関する同社の長期戦略を発表した。米国に本社を置く鉄道輸送会社のCSX は、21,000マイルの線路（固定設備）と4,000台の機関車編成（移動設備）を運用している。（Peter Reynolds）