工業4.0的革命本身并不是大數據，因為制造商已經在很長一段時間內生成了大量的實時生產和質量數據。

1

最大的挑戰：從制造業大數據中提取價值

工業4.0大數據來自許多不同的來源：

·產品和/或機器設計數據，如閾值參數

·來自控制系統的機器操作數據

·產品和過程質量數據

·工作人員實施的人工操作記錄

·制造執行系統

·有關制造和運營成本的信息

·故障檢測和其他系統監控部署

·物流信息，包括第三方物流

·有關產品使用、反饋等的客戶信息

工業4.0大數據通常沒有戰略利用的一個關鍵因素是不兼容的技術、系統和數據類型之間的互操作性較差；第二個關鍵因素是傳統IT系統無法存儲、操作和管理高速生成的大量不同數據。

2

工業4.0大數據用例

平均而言，受訪者表示，到2020年工業4.0實施（包括大數據分析）將使其生產和運營成本降低3.6%，累計節省4210億美元。

以下是一些說明工業4.0大數據愿景如何為制造商帶來可衡量價值所選定的實際例子：

·合并質量和生產數據以提高生產質量：半導體制造商開始將生產過程結束時測試階段捕獲的單芯片數據與在流程早期收集的過程數據相關聯。

·授權客戶：汽車行業熱衷于采用工業4.0，以經濟有效地滿足消費者對更加實惠和數字連接汽車的期望。在聯網汽車將生成的大量大數據用例中，其中就有與制造商無縫交換數據。

·減少停機時間：適用于許多工業部門，工業4.0大數據分析可以在機器或流程故障發生前發現預測模式。機器主管將能夠實時評估過程或機器性能，在許多情況下，還可以防止計劃外停機。