제조 환경의 예측 유지보수는 극심한 비용 비대칭성을 특징으로 하는 어려운 최적화 문제이며, 실패를 놓치는 경우 경고 오보보다 약 50배 더 많은 비용이 발생한다. 이 연구는 10,000대의 CNC 기계 데이터셋에 대해 8개의 예측 모델(기존 통계적 접근 방식부터 인과 추론 방법론까지)을 평가했다. 인과 추론 모델(L5)은 연간 116만 달러의 비용 절감(70.2% 감소)을 달성하여, 상관관계 기반 의사 결정 트리 모델(L3)보다 연간 약 8만 달러 더 높은 성능을 보였다. 인과 모델은 최고 재현율(87.9%)을 달성하면서 경고 오보를 97% 감소시켰고(165개에서 5개로), 정밀도 92.1%를 달성했으며, 훈련-테스트 성능 격차는 2.6%p에 불과했다.
