制造业以其产生的大量数据集而闻名。这些数据集包括来自生产流程的结构化和非结构化数据，但在工业 4.0 出现之前，这些数据长期以来一直无人收集。
精益生产方法等早期的先进技术利用了数据。为了实施精益流程，制造商必须采集与机器相关的数据和库存使用情况，以减少浪费。收集到的数据集用于计算机器利用率指标，如整体设备效率（OEE），并确定可用资源的数量。
应用数据实施精益生产极大地减少了单个机器和操作中的浪费，但并不能提供对整个工厂运作的全面洞察。要实现这一目标，需要整理生产周期中每个环节的数据集，以优化生产率。
获取工厂车间的大数据
利用大数据深入了解生产流程首先要从采集数据开始。首先，从配备 Wi-Fi 等现代通信技术的机器上收集数据，与从采用模拟技术的传统设备上收集数据是两码事。现代设备可以插入网络，将数据传输到云端或集中式数据汇总平台，而传统系统的数据则必须提取并传输到集中式平台。
如今，专为工业领域打造的智能设备可插入传统系统的模拟输入/输出或端口，以采集数据。从传统设备采集数据所面临的挑战并不是制造商在采集全设备数据时唯一面临的问题。传统上，与车间环境有关的数据（如温度、设施布局）以及与物料处理系统有关的数据都被归类为非结构化数据，难以捕获。
现在，物联网赋予了制造商从车间采集非结构化数据的能力。物联网还能在整个工厂车间实时捕获和流动数据，为数字化转型技术提供分析车间运营所需的数据。
制造业大数据使用案例
一旦制造商成功实施了收集车间数据的流程，利用捕获的数据集就是下一个阶梯。利用大数据的用例包括
1.预测性维护
目前，历史数据集最流行的使用案例是通过预测性规划来优化维护策略和减少停机时间。预测性维护涉及获取车间资产的历史运行数据，以确定资产及其组件的故障模式。
成功的预测性维护策略可将因设备故障造成的计划外停机时间减少 75%。全球最大的化学制造公司巴斯夫（BASF）的预测性维护战略就是一个例子。为了消除设备意外停机带来的挑战，该公司使用施耐德电气的 IIoT 解决方案实施了数据采集战略，以采集机器数据。
利用大数据，该公司能够捕获与 63 个车间资产中设备健康状况相关的 100 个状态变量。通过分析采集到的数据，巴斯夫大幅减少了停机时间，延长了机器的生命周期。
2.状态监测
预测性维护通过数据收集工具积极监控机器性能，而状态监测则试图实时发现工厂运营中的异常情况。在车间部署 IIoT 和智能设备使制造商能够捕获驱动状态监测应用所需的数据。数字孪生等数字化转型工具利用收集到的数据集来构建物理工厂运营的虚拟表示。然后，数字孪生被用于监控生产车间内的操作流程。
对风力涡轮机进行实时监控，以确保最佳性能并深入了解涡轮机的运行情况，就是状态监控应用的一个例子。德国和丹麦的状态监测公司 Brüel and Kjær Vibro 的例子突出了实时资产管理的重要性。该公司使用遍布风力涡轮机装置的 100 多个传感器持续监测涡轮机的运行。利用状态监测，该公司能够防止损坏，准确定位潜在故障点，并深入了解涡轮机的运行情况，从而做出明智的决策。
3.生产预测
获得 "假设 "问题的正确答案是确定生产周期所需的资源数量以满足波动需求的最佳方法。假设 "评估还有助于制造商决定如何分配可用资源，以满足需求期限并提高客户满意度。获取需求数据和与生产相关的数据可以帮助制造商进行准确的生产预测。
来自历史需求周期的数据为需求预测奠定了基础，而车间数据则可以评估生产流程，以满足不断增长的需求。
例如，国防承包商 BAE 系统公司依靠模拟技术来分析其生产数据。由于预期需求会增加，该承包商需要制定一个优化的计划并合理分配资源，以满足生产截止日期的要求。为此，公司利用历史数据创建了工厂运营仿真模型。模拟模型帮助 BAE 公司回答了与生产能力和资源分配有关的问题。BAE 还制定了基于风险的进度计划，以确保以高质量的产量满足客户需求。
4.提高产量
深入了解帮助制造商实现优化生产率的各种因素组合，是重新创建优化流程的最可靠方法。要有效提高产量，首先要获取供应链数据、库存数据、机器利用率数据，并将最佳工作流程附加到这些统计数据中。优化后的数据成为基准数据，可以反复重新创建。
原始设备制造商 Fastenal 利用大数据集为其运营流程开发基准数据。利用分析后的基准数据，原始设备制造商每月可节省约 100 个小时的不必要操作时间。利用基准数据，原始设备制造商提高了生产率和能力，从而有效地满足了需求要求。
5.实施工业 4.0 商业模式
第四次工业革命的目标是实现智能工厂，在智能工厂中，数据可以实时交换和分析，以确保资产能够在没有人为干预的情况下做出准确的决策。要实现工业 4.0，就必须从工厂车间采集大数据集，发现简化机器决策过程的模式。利用大数据和机器学习，可为工厂车间内的设备提供采取具体行动所需的历史背景。
结论
要实现未来的智能工厂，就必须提高数据采集能力，并利用仿真建模、数字孪生和预测技术等工具来获得洞察力。这里重点介绍的用例只是利用数据改善生产运营的部分方法的一个子集。制造商有望通过开发更多创新方法来使用大数据，从而不断突破应用界限。