工業互聯網的“殺手級”應用，預測性維護，發展不及預期。是可以理解的。

因為預測性維護，需要用到的技術難度含量太高了。“預測性維護”，是先對可能的情況做出預測判斷，再去根據預測到的可能出現的情況去做維護。后者并不難，其難度在于“預測”。

“預測”不簡單，它要用到大數據和云計算技術。而大數據技術，是建立在收集大量的應用信息的基礎上。在沒有足夠的數據支撐的情況下，大數據技術就變成了一句空話，失去了現實的意義。

舉一個簡單的例子，普通的車床。如果想應用預測性維護這項技術，維護普通的車床，從而實現，使車床盡可能不停的工作。那么，就要把普通車床運行中可能產生的所有的問題和解決方案的數據全部收集齊。這個工作說起來簡單，但在實際應用中，做起來卻不是那么容易。這是最難辦的。其次，收集起來的問題的解決也不那么容易。因為一臺普通的車床，產生的問題是多樣的，又是復雜的。可能，這個問題的產生，要產生不同的結果；也可能同一個結果對應了不同的問題。

另外，從事這項技術研究的人的規模，也影響了技術進步的速度。目前從事這項技術研究的人相對，比較少。這也從客觀上影響了這項技術的突破速度。

綜上所述，工業互聯網的“殺手級”應用，預測性維護，發展不及預期是可以理解的。