想象一下，一个机器人停止在工厂车间工作，而工程师正在尝试对其进行修复场景如下：

1、工程师1：“ 机器人为什么停下来？”

2、工程师2：“电路过载并烧断了保险丝。”

3、工程师1：“ 为什么电路过载？”

4、工程师2：“轴承润滑不足。”

5、工程师1：“ 为什么润滑不足？”

6、工程师2：“机器人的油泵没有循环足够的油。”

7、工程师1：“ 为什么？”

8、工程师2：“因为进水口被金属屑堵塞了。”

9、工程师1：“ 为什么堵塞？”

10、工程师2：“没有过滤泵。”

“为什么”的数量是从轶事观察中得出的，这种现象经常（不经常）需要五次“为什么”的迭代才能找到任何给定问题的根本原因，这样做的想法是，五次询问“为什么”，将足以找到解决机械和过程问题的方法。

连续提出上述情况中提出的五个问题，这些问题已经确定了问题的根本原因，现在使工程师可以解决问题

初是为较早的工业时代设计的，“五个为什么”的技术与以往一样重要。因为，当与机器学习，数据科学和认知计算等当今现代技术集成时，“五个为什么”被提升到一个新的水平，在其中他们不仅可以简单地确定问题的根本原因，而且还提供了规避性的措施失败。

为什么这五个为什么仍然相关？

召回是“五个为什么”对现代工业仍然至关重要的一个重要原因，它们在制造过程中仍然是一个长期存在的问题，导致成本高昂，有时甚至破坏了客户对安全性的信心，连接工厂的现实相当复杂–机器每天工作24/7，每天都要经受严格的磨损，这可能会导致设备意外故障，数据是工业4.0引擎的动力，准确的数据分析是成功实施基于预测性维护的应用程序的前提，这是因为，即使在现代化的工厂车间中，并充满了插入到工业物联网（IIoT）中的传感器，在噪声中筛选和识别正确信号的能力仍然是困难，耗时且复杂的。

尽管通常使用的是肤浅的，标准的，格式化的监视工具和仪表板

但除了这些精美的图表之外，还会发生什么，公司能否找到真正的答案所在？对于公司而言，重要的是从发现事实的纯粹阶段转变为本质上仍然是反应性和预防性的。这可能会造成严重的误导，因为它仅提供故障发生时间的部分指示（而不是深入了解导致故障的原因或如何完全避免故障）。

寻找针吗？使那些互联网数据堆更小

物联网的未来涉及数十亿互联“事物”将产生数万亿千兆字节的数据，所有这些都将创造出数万亿美元的市场，同时由于所生成数据的精细化程度提高，导致数据量大幅增加，如今，数据科学和机器学习正在利用所产生的大量数据来应对非常具体的挑战。在这里，发现异常本身可能是一项艰巨的任务，因为其中大多数是极为罕见的事件，因此分析这些偶发事件本身是非常困难的。现在，在这种情况下，通过对大量数据进行手动深入分析和可视化来异常检测此类庞大数据集中的稀有事件，就等于在大海捞针中寻找针头！

关于数据本身的更深层次的问题出现了

检查数据是否相关，音质是否良好以及模型是否由从数学关系转换为因果关系的算法生成，所有这些都需要回答，虽然今天已经可以实现人为因素和技术的集成，但是遗憾的是，这尚未得到适当实施，例如：安全气囊制造商高田已因客户受伤甚至死亡引发的高调召回卷入了困境，召回事件如此广泛，以至于该公司于申请破产，而许多受伤的司机正在提起法律诉讼，高田是否实施了采用“五个为什么”的机器学习和预测维护技术，是否可以避免发生这些不幸的事件？我们永远不会知道。

“五个为什么”与现代技术的融合存在一些限制

没有系统是的。在使用这种技术时，有时可能很难区分原因因素和根本原因，有时当不需要或不需要系统的拥护者来测试这种工业灵魂搜索方法产生的根本原因时，在推导上也缺乏严格性，解决此绊脚石并确保“五个为什么”仍然有意义的诀窍是使其始终立足于观察，这与熟练使用系统相结合，将使该方法成为一种可行的方法，以支持现在和将来的大数据和机器学习技术，为了从机器学习和工业物联网中获得巨大收益，公司将不得不自动化基础流程，以帮助他们轻松地进行“洞察”。

未来前进尽管传感器可以帮助人们与机器交互

认知预测维护技术将随着时间的推移而发展并变得“更智能”和更直观，发生这种情况时，我们将使“五个为什么”技术自动化，具有更强“思考”能力的新机器可以在数千家工厂和数百万个传感器中采用询问技术，当然这种规模的规模对于人工而言是不可能的。

机器还可以提供一个答案，该答案需要得到人类主管的短暂且非技术性的批准

以便维护团队知道要求哪些问题才能得出适当的结论，例如，通用电气在全球拥有数百家工厂，而且没有可行的方法可以让人工团队询问所有避免和防止技术故障所需的“原因”，随着预测分析和认知机器学习的发展，机器可以为GE做到这一点，从而在过程中提供快速且可行的解决方案。

随着传感器的使用持续增长和激增，使用“五个为什么”的机器的优势将在整个行业中感受到

传感器和工厂设备将通过IIoT进行组合，从而使高级警告和预测性维护变得更好更高级，反过来这将为工厂带来更安全的工厂，更少的召回和更多受保护的员工队伍。