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需求，在工業(yè)生產(chǎn)制造領域的發(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(shù)據(jù)數(shù)據(jù)的搜集上，自然也有所謂的工業(yè)大數(shù)據(jù)。做為工業(yè)人工智能的基礎，怎樣獲取正確的工業(yè)大數(shù)據(jù)，也關系著制造業(yè)轉型升級的成敗。

除了與一般大數(shù)據(jù)以強調數(shù)量(Volume)、速度(Velocity)、多樣性(Variety)，及真實性(Veracity)的“4V要素”之外，工業(yè)大數(shù)據(jù)還特別強調所謂的可見性(Visibility)及價值(Value)。對于大數(shù)據(jù)及工業(yè)大數(shù)據(jù)之間的差異，一般認為，數(shù)據(jù)的數(shù)量、獲取的速度/頻率、數(shù)據(jù)的多樣性與真實性，是制造業(yè)在導入數(shù)字化與自動化之后，會自然演進出現(xiàn)的數(shù)據(jù)。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端的轉型而言，可見性及價值，則代表了對工業(yè)大數(shù)據(jù)所追求的目的與意義。

不過數(shù)字轉型及產(chǎn)業(yè)升級的風潮，很多制造業(yè)者在著手進行往智能制造轉型的過程中，是伴隨著數(shù)字化與自動化同步進行，由于數(shù)字化與自動化之后，機臺設備可以快速的產(chǎn)生大量數(shù)據(jù)，業(yè)者如果沒有完整個規(guī)劃或從事階段性的建設，很容易在初期就走錯方向。

相關業(yè)者表示，一般的商業(yè)大數(shù)據(jù)可以在累積大量數(shù)據(jù)數(shù)據(jù)后，再固定或周期性的進行數(shù)據(jù)的處理與分析；但是智能制造要能創(chuàng)造價值，最佳的方式則是必須要將相關的工業(yè)大數(shù)據(jù)，就近的在機臺設備端，進行實時的分析處理，并且執(zhí)行反饋。同時，也需要將這些實時處理分析的結果進行視覺化的展示。

業(yè)者表示，工業(yè)大數(shù)據(jù)與一般商業(yè)大數(shù)據(jù)的一項重要差異，就在于對于精準度的要求。對一般商業(yè)場域中應用的大數(shù)據(jù)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，一般并不會造成太大的影響；不過，如果應用在工業(yè)生產(chǎn)領域，工業(yè)大數(shù)據(jù)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(shù)據(jù)出現(xiàn)誤差，對于產(chǎn)品后續(xù)生產(chǎn)各方面，都將帶來難以估計的損失。

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

就制造業(yè)轉型智能制造，相關業(yè)者認為，從現(xiàn)場的數(shù)據(jù)采集規(guī)劃開始、邊緣運算架構的搭建，一直到完整解決方案的提供，如果沒有工業(yè)大數(shù)據(jù)支撐，結果可能會有極大的差異。當然，相關業(yè)者不否認，智能制造的規(guī)模若再進一步的發(fā)展后，工業(yè)大數(shù)據(jù)的范圍一方面將持續(xù)擴大，但同時對于數(shù)據(jù)來源則將持續(xù)細化，即便如此，工業(yè)大數(shù)據(jù)在智能制造轉型上扮演的角色越來越重要。