德国“工业4.0”强调通过信息网络与物理生产系统的融合，即建设信息物理融合系统（Cyber-Physical System，CPS）来改变当前的工业生产与服务模式。美国GE公司倡导的“工业互联网”，则强调通过智能机器间的连接并最终将人机连接，结合软件和大数据分析，来重构全球工业。

　　事实上，无论工业4.0还是工业互联网，其主要特征都是智能和互联，而主旨都在于通过充分利用信息通讯技术，把产品、机器、资源和人有机结合在一起，推动制造业向基于大数据分析与应用基础上的智能化转型。智能制造时代的到来，也意味着工业大数据时代的到来。工业大数据的应用，将成为未来提升制造业生产力、竞争力、创新能力的关键要素，也是目前全球工业转型必须面对的重要课题。

　　一、制造业向智能化转型将催生工业大数据时代

　　（一）制造业从5M模式向6C模式转型将催生工业大数据

　　在工业3.0或工业自动化时代，传统制造业模式的特征可以用5个字母（5M）来概括，即Material（材料，包含了其功能与特性）、Ma-chine（机器，指加工能力和精度）、Methods（方法，指产能和生产效率）、Measurement（测度，指如何探测与改进）、Modeling（建模，指对生产流程的预测、优化和防范）。在智能制造时代，制造业生产方式也许应该用六个字母（6C）来定义，即Connection（连接，主要指传感器和网络）、Cloud（云储存，即任意时间和需求的数据）、Cyber（虚拟网络，包括模式与记忆）、Content（内容，是指相关性及含义）、Community（社群，包含分享和交际的功能）、Customization（定制化，指个性化的价值与服务）。在制造智能化时代，工业机器、设备、存储系统以及运营资源可以利用现代网络通信技术连接成网络。这些工厂与机器设备不仅可以随时随地进行信息分享，而且互相连接的系统可以独立地自我管理（自组织）。

　　要达到这一目标，现有的工业制造系统需要对制造设备本身的以及产品制造过程中产生的数据进行更深入的分析，也就是说，企业必须掌握通过工业IT设施收集、传输和分析处理大数据的能力。随着智能传感器技术如RFID的发展，数据的收集已经变得简单和可行，而云计算等技术的发展，也使得分析与处理大数据变得高速与高效。在工业4.0模式中，CPS系统将通过M2M通信（Machine -to-Machine，机器对机器）在工业机器与设备之间实现信息交换、运转和互相操控，被制造的产品可以与机器设备交流，机器可以自组织生产，智能工厂能够自行运转。因此可以说，工业大数据是由一个工业体系或者一个产品制造流程智能化催生出来的数据，即是制造业智能化的必然结果，也是制造业智能化的必要条件与基础。

　　（二）工业大数据为研究工业复杂系统动态行为机理提供可能

　　工业大数据同我们传统提到的消费、商业中的大数据概念有相似的一面，但又有差异。工业领域大数据主要呈现大体量、多源性、连续采样、价值密度低、动态性强等特点。大数据应用技术出现前，除结构化数据外，其他半结构化、非结构化等类型数据很难通过机器分析来挖掘应用价值，而目前大数据应用技术、建模技术与仿真技术等信息技术，为研究工业领域机理不清的复杂系统的动态行为开辟了可能途径。例如，风力涡轮机制造商在对天气数据及涡轮仪表数据进行交叉分析的基础上，可以对风力涡轮机布局进行改善，从而增加风力涡轮机的电力输出水平并延长其服务寿命。

　　工业自动化、智能化系统的建模，控制系统的运行、管理与优化，无不涉及到大量的图像及数据信息。同样，企业的综合生产指标、生产计划调度、生产线的质量控制等等，同样涉及到大量复杂的数据。而通过信息化手段对流程进行优化整合，必须要用到大数据技术，以此实现工业系统的优化运行。因此，大数据应用对于工业领域动态模型建设、安全运行及监控、多目标优化控制方法等多个方面将有促进作用。

　　二、工业大数据可以通过多种方式创造价值

　　（一）创建透明度，优化运营效率

　　在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的困难。而有了工业大数据，就可以利用大数据技术帮助企业将所有的数据集中在一个平台(云中)上，以此充分整合来自研发、工程、生产部门的数据，创建产品生命周期管理(PLM)平台，对工业产品的生产进行虚拟模型化，优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。

　　（二）优化供应链，细分市场

　　利用传感器创造并存储更多数据和出自供应商数据库的数据，制造企业可以实时收集更多准确的运作与绩效数据，不断可以跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。制造企业还可以利用大数据技术对客户进行细分，优化生产流程以定制化产品和服务来满足不同用户的不同需求，创造更好的产品。企业不仅可以满足消费者高度个性化的需求，也能够对原材料供应变动和市场需求的变化做出及时的反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变。

　　（三）提升竞争力，创新商业模式

　　大数据让传统制造企业能够创新产品和服务，从而创造全新的商业模式。传统的制造企业不再单单是围绕产品产销的实体物理设备的生产企业，而是充分借助大数据、网络等新技术的生产服务型企业。在工业4.0或工业互联网时代，制造企业通过内嵌在产品中的传感器获得数据，从发电设备到工程机械，一切都可以连接到互联网上，为机器设备的作业监控、性能维护和预防性养护提供状态更新和性能数据。例如实时位置数据的出现已经创造了一套全新的跟踪服务体系，可以使飞机发动机制造企业提供航空信息与服务管理。这不但可以使制造企业自身提升生产效率和产业竞争力，更可以为其所服务的客户创造新的价值。

　　三、开发与利用工业大数据需要解决的主要问题

　　（一）数据开发共享与安全保护政策

　　由于工业大数据是数字化的和横跨企业边界甚至是跨越国界的（如跨国公司不同国家工厂的数据），因此安全、开放、共享等一些政策问题必须得到有效解决。随着工业大数据的价值越来越被重视，生产设施和数据中的商业秘密和专利技术也必须同样受到保护。在工业4.0或工业互联网时代，工业IT系统的安全不仅涉及生产操作环节，而且还关联到由此延伸的通讯网络环节，因此，研究并出台相应的工业IT系统的安全策略、架构和标准，保护制造企业的生产系统的安全、数据安全，提升系统的紧密性、完整性和有效性，将是个非常重要的问题。

　　工业大数据日益提高的经济价值也会产生大量的法律问题，如，如何克服阻碍数据获取的障碍、建立交易或共享数据的市场机制，如何保护工业大数据中的知识产权。这需要政府制定平衡数据使用与数据安全保护的政策，制定鼓励数据共享的奖励措施、建立有效的促进创新的知识产权框架，以及面向公众开放政府部门拥有的能够公开的大数据，从而促进工业大数据共享和整合以及价值创造。

　　（二）建立容量更大、服务质量更可靠的工业宽带基础设施

　　信息物理融合系统(CPS)或工业互联网的实现，是建立在连续采样、大体量的工业大数据基础上的，而工业大数据的传输、交互和共享，必然要求建立容量、带宽、存储与数据处理能力更强大的基础实施，以及极高的通信智能和管理智能。现有的网络基础设施肯定难以满足工业4.0或工业互联网时代的要求。因此，容量更大、服务质量更可靠的工业宽带基础设施将成为工业大数据发展的重要组成部分。因此，政府有必要对扩建工业宽带基础设施制定专门的激励措施，奖励和鼓励工业宽带基础实施的投资与建设。有效的工业宽带基础设施，应该简易、安全、价格合理以及易扩展，不仅应该应用于智能工厂，也能够包括智能电网、智能交通以及智慧医疗。

　　（三）应用和创新工业大数据开发与分析技术

　　工业信息化系统产生的大数据，必须先经过整理和分析，让其变成“信息”，然后再深加工为“知识”，在这个通过大数据获取价值的转化过程中，制造企业需要新的技术（例如存储、计算和分析软件）和技能（新的分析类型）。目前很多企业还处于工业2.0时代，工业信息化、智能化水平较低，缺乏将大数据技术整合到自身系统的技术能力。而对于那些工业3.0时代的企业来说，现有的旧系统和不兼容的标准和格式，也会妨碍大数据分析工具的应用。因此，促进制造企业和技术人员整合、应用不断创新的工业大数据开发与分析技术，促进制造企业从工业大数据中获取最大收益，是非常紧迫的挑战与任务。

　　（四）制造企业的组织变革和人才培养

　　让制造企业领导认识到对工业大数据蕴含的价值以及如何释放这一价值，将是一个富有挑战的过程。制造企业不但需要拥有具备挖掘大数据价值的技术人员，同时需要构建适当的工作流程和激励措施来优化大数据的使用，才有可能利用工业大数据来优化企业管理、创造新的产品、服务和商业模式。同时，制造企业中不同部门产生的数据能够集成、交互共享，打破信息“孤岛”现象，也需要相应的组织体系变革。因此，政府应该创造激励措施并对制造企业管理者进行大数据分析技术培训，采取措施鼓励企业加强大数据相关人才的培养。