В статье представлен обзор современных подходов к реализации предиктивной аналитики (Predictive Analytics) и обнаружению аномалий в телеметрических данных промышленного оборудования. Рассматривается эволюция стратегий технического обслуживания: от планово-предупредительных ремонтов (ППР) к обслуживанию по состоянию (CBM) и проактивному сервису. Проведен сравнительный анализ методов машинного обучения – от статистического анализа временных рядов до глубоких нейронных сетей, с учетом специфики их внедрения на российских предприятиях. Особое внимание уделено проблемам работы с гетерогенным парком оборудования, дефицита размеченных данных об отказах и задачам импортозамещения программного обеспечения для инженерного анализа.