横跨18世纪后半叶和19世纪上半叶的第一次工业革命使世界发生了翻天覆地的变化：机械化和引擎驱动的生产工艺和工具取代了人工方法。第一次工业革命催生了工厂制度和大规模生产。
 
而在200年之后，21世纪的制造业将被工业4.0，也就是第四次工业革命所颠覆。先进的数字技术正被用于优化和自动化生产，包括上游供应链流程。工业4.0的最终目标是嵌入在机器和组件中，并采用始终连接的传感器将实时数据传输到网络IT系统。反过来，这些应用机器学习和人工智能算法来分析和获取这些大数据的见解，并根据需要自动调整其过程。
 
工业4.0的革命本身并不是大数据，因为制造商已经在很长一段时间内生成了大量的实时生产和质量数据。然而，由于缺乏能够真正利用这些不同数据源并提取总体见解以提高质量和生产力的平台，这些孤岛数据的浪费并不罕见。换句话说，其症结不是生成和收集数据，而是能够有效地从中提取价值。
 
最大的挑战：从制造业大数据中提取价值
 
工业4.0大数据来自许多不同的来源：

•产品和/或机器设计数据，如阈值参数

•来自控制系统的机器操作数据

•产品和过程质量数据

•工作人员实施的人工操作记录

•制造执行系统
 
•有关制造和运营成本的信息
 
•故障检测和其他系统监控部署
 
•物流信息，包括第三方物流
 
•有关产品使用、反馈等的客户信息
 
其中一些数据源是结构化的(例如传感器信号)，一些是半结构化的(例如人工操作的记录)，还有一些是完全非结构化的(例如图像文件)。然而，在很多情况下，大多数数据或者是未使用的，或者只是用于非常具体的战术目的。工业4.0大数据通常没有战略利用的一个关键因素是不兼容的技术、系统和数据类型之间的互操作性较差;第二个关键因素是传统IT系统无法存储、操作和管理高速生成的大量不同数据。
 
因此，企业需要的是能够充分利用机器学习、人工智能和预测分析制造大数据的价值的先进平台。
 
工业4.0大数据愿景
 
如今，制造商寻求通过收集、分析和共享所有关键功能领域的数据来实现真正的商业智能。在这种体系结构中，生产系统不仅效率更高，而且能够及时响应不断变化的业务需求，其中包括来自合作伙伴和客户的信号。
 

文字、图片来自企业网