以工業(yè)4.0為核心的智能制造，已經(jīng)成為目前全球制造業(yè)者共同發(fā)展的方向。有別于一般消費性市場(chǎng)需求，在工業(yè)生產(chǎn)制造領(lǐng)域的發(fā)展上，不僅有強調以工業(yè)應用為主的工業(yè)人工智能，在數據數據的搜集上，自然也有所謂的工業(yè)大數據。做為工業(yè)人工智能的基礎，怎樣獲取正確的工業(yè)大數據，也關(guān)系著(zhù)制造業(yè)轉型升級的成敗。

除了與一般大數據以強調數量(Volume)、速度(Velocity)、多樣性(Variety)，及真實(shí)性(Veracity)的“4V要素”之外，工業(yè)大數據還特別強調所謂的可見(jiàn)性(Visibility)及價(jià)值(Value)。對于大數據及工業(yè)大數據之間的差異，一般認為，數據的數量、獲取的速度/頻率、數據的多樣性與真實(shí)性，是制造業(yè)在導入數字化與自動(dòng)化之后，會(huì )自然演化出現的數據。但對于工業(yè)4.0或制造制造，要從設備制造端向使用者服務(wù)端的轉型而言，可見(jiàn)性及價(jià)值，則代表了對工業(yè)大數據所追求的目的與意義。

不過(guò)數字轉型及產(chǎn)業(yè)升級的風(fēng)潮，很多制造業(yè)者在著(zhù)手進(jìn)行往智能制造轉型的過(guò)程中，是伴隨著(zhù)數字化與自動(dòng)化同步進(jìn)行，由于數字化與自動(dòng)化之后，機臺設備可以快速的產(chǎn)生大量數據，業(yè)者如果沒(méi)有完整個(gè)規劃或從事階段性的建設，很容易在初期就走錯方向。

相關(guān)業(yè)者表示，一般的商業(yè)大數據可以在累積大量數據數據后，再固定或周期性的進(jìn)行數據的處理與分析；但是智能制造要能創(chuàng )造價(jià)值，最佳的方式則是必須要將相關(guān)的工業(yè)大數據，就近的在機臺設備端，進(jìn)行實(shí)時(shí)的分析處理，并且執行反饋。同時(shí)，也需要將這些實(shí)時(shí)處理分析的結果進(jìn)行視覺(jué)化的展示。

業(yè)者表示，工業(yè)大數據與一般商業(yè)大數據的一項重要差異，就在于對于精準度的要求。對一般商業(yè)場(chǎng)域中應用的大數據及人工智能而言，準確率能達到90%左右，就已經(jīng)將驚人，因為對消費者的年齡判別失準，或是推播了錯誤的廣告，一般并不會(huì )造成太大的影響；不過(guò)，如果應用在工業(yè)生產(chǎn)領(lǐng)域，工業(yè)大數據結合工業(yè)人工智能被要求的準確度，可能是需要到99.9%甚至更高的準確率，因為一旦工業(yè)生產(chǎn)制造上的數據出現誤差，對于產(chǎn)品后續生產(chǎn)各方面，都將帶來(lái)難以估計的損失。

也因為工業(yè)大數據需要就近進(jìn)行高速而精準的分析與處理，因此，在智能制造風(fēng)潮崛起之際，連帶掀起了對邊緣運算架構的需求。相關(guān)業(yè)者指出，就近在機臺設備端收集的工業(yè)大數據，先將必須優(yōu)先處理反饋的部分進(jìn)行分析處理，不僅可以達到快速反應的目的，同時(shí)也可以將數據量有效的縮減，對之后傳輸、儲存等部分也都會(huì )相對較為有利。

就制造業(yè)轉型智能制造，相關(guān)業(yè)者認為，從現場(chǎng)的數據采集規劃開(kāi)始、邊緣運算架構的搭建，一直到完整解決方案的提供，如果沒(méi)有工業(yè)大數據支撐，結果可能會(huì )有極大的差異。當然，相關(guān)業(yè)者不否認，智能制造的規模若再進(jìn)一步的發(fā)展后，工業(yè)大數據的范圍一方面將持續擴大，但同時(shí)對于數據來(lái)源則將持續細化，即便如此，工業(yè)大數據在智能制造轉型上扮演的角色越來(lái)越重要。