隨著新一代信息技術與制造業的深度融合，工業企業的運營管理，越來越依賴工業大數據。工業大數據的潛在價值也日益呈現。隨著越來越多的生產設備、零部件、產品以及人力物力不斷加入工業互聯網，也致使工業大數據呈現出爆炸性增長的趨勢。

工業大數據的價值體現

工業大數據是以工業4.0數據分析和特色收集為基礎，對設備、裝備的質量和生產效率，以及產業鏈進行更有效的優化管理，并為未來的制造系統搭建無憂的環境。它通過工業傳感器、無線射頻識別、條形碼、工業自動控制系統、企業資源計劃、計算機輔助設計等技術來擴充工業數據量。

從應用端來看，工業大數據的價值有以下幾點：

第一，它能夠以較低的成本滿足用戶的定制化需求;

第二，工業大數據分析使得制造過程的信息透明化，從而提高了效率，提升了質量，降低了成本和資源的消耗，實現了更有效的管理;

第三，工業大數據能夠提供設備全生命周期的信息管理和服務，使設備的使用更加高效、節能、持久，并減少了運維環節中的浪費，提高了設備的可用率;

第四，它實現了全產業鏈的信息整合，讓整個生產系統協同優化，使其變得更加動態靈活，進一步提高了生產效率。

此外，一提到大數據，人們首先會想到在互聯網和商業等環境中，利用大量的行為數據來分析用戶行為和預測市場趨勢等應用。但是對工業大數據的定義和應用卻很難直觀地理解和想象，而工業大數據的挑戰和目的則要通過“3B” 和 “3C” 來理解。

工業大數據應用的“3B”挑戰：

Bad Quality——在工業大數據中，數據質量問題一直是許多企業所面臨的挑戰。這主要受制于工業環境中數據獲取手段的限制，包括傳感器、數采硬件模塊、通信協議和組態軟件等多個技術限制。對數據質量的管理技術是一個企業必須要下的硬功夫。

Broken——工業對于數據的要求并不僅在于量的大小，更在于數據的全面性。在利用數據建模的手段解決某一個問題時，需要獲取與被分析對象相關的全面參數，而一些關鍵參數的確會使分析過程碎片化。舉例而言，當分析航空發動機性能時需要溫度、空氣密度、進出口壓力、功率等多個參數，而當其中任意一個參數缺失時都無法建立完整的性能評估和預測模型。因此對于企業來說，在進行數據收集前要對分析對象和目的有清楚的規劃，這樣才能夠確保所獲取數據的全面性，以免斥巨資積累了大量數據后發現并不能解決所關心的問題。

Below the Surface——除了對數據所反映出來的表面統計特征進行分析以外，還應該關注數據中所隱藏的相關性。對這些隱藏在表面以下的相關性進行分析和挖掘時，需要一些具有參考性的數據進行對照，也就是數據科學中所稱的 “貼標簽” 過程。這一類數據包括工況設定、維護記錄、任務信息等，雖然數據量不大，但在數據分析中卻起到至關重要的作用。

工業大數據分析的“3C”目的：

Comparison(比較性)——從比較過程中獲取洞察，既包括比較相似性，也包括比較差異性。比較的維度既可以是在時間維度上與自身狀態的比較，也可以是在集群維度上與其他個體的比較。這種比較分析能夠幫助我們將龐大的個體信息進行分類，為接下來尋找相似中的普適性規律和差異中的因果關系奠定基礎。

Correlation (相關性)——如果說物聯網是可見世界的連接，那么所連接對象之間的相關性就是不可見世界的連接。對相關性的挖掘是形成記憶和知識的基礎，簡單地將信息存儲下來并不能稱之為記憶，通過信息之間的關聯性對信息進行管理和啟發式的聯想才是記憶的本質。相關性同時也促進了人腦在管理和調用信息時的效率，我們在回想起一個畫面或是情節的時候，往往并不是去回憶每一個細節，而是有一個如線頭一樣的線索，你去牽它一下就能夠引出整個場景。這樣的類似記憶式的信息管理方式運用在工業智能中，就是一種更加靈活高效的數據管理方式。

Consequence (因果性)——數據分析的重要目的是進行決策支持，在制定一個特定的決策時，其所帶來的結果和影響應該被同等地分析和預測。這是以往的控制系統所不具備的特性，也是智能化的本質。工業系統中的大部分活動都具有很強的目的性，就是把目標精度最大化，把破壞度最小化的 “結果管理”。結果管理的基礎是預測，例如制造系統中，如果我們可以預測到設備的衰退對質量的影響，以及對下一個工序質量的影響，就可以在制造過程中對質量風險進行補償和管理，制造系統的彈性和堅韌性就會增加。

工業4.0的基礎特征在于互聯與高度融合，互聯包括設備與設備、設備與人、人與人、服務與服務的萬物互聯趨勢，高度融合包括縱向、橫向的“二維”戰略，它們的目標都是使設備數據、活動數據、環境數據、服務數據、公司數據、市場數據和上下游產業數據鏈等能夠在統一平臺環境中流通，這些數據將原本孤立的系統相互連接，使設備之間可以通行交流，也使生產過程變得透明。此外，由于企業的核心開始從“單點對多點”的數據中心模式轉變成以用戶為核心的平臺式服務模式，從而形成了基于社區、以用戶為核心的服務生態系統。