以工業4.0為(wei)核心的(de)智(zhi)能(neng)制(zhi)造(zao)(zao)，已經成(cheng)為(wei)目前(qian)全球制(zhi)造(zao)(zao)業者共同(tong)發展的(de)方向。有別(bie)于一般消費性市場需求，在(zai)工業生產(chan)制(zhi)造(zao)(zao)領域的(de)發展上(shang)，不僅(jin)有強調(diao)以(yi)工業應(ying)用為(wei)主的(de)工業人工智(zhi)能(neng)，在(zai)數(shu)(shu)據(ju)數(shu)(shu)據(ju)的(de)搜集上(shang)，自然也(ye)有所謂的(de)工業大(da)數(shu)(shu)據(ju)。做為(wei)工業人工智(zhi)能(neng)的(de)基礎，怎(zen)樣獲取正確(que)的(de)工業大(da)數(shu)(shu)據(ju)，也(ye)關系著(zhu)制(zhi)造(zao)(zao)業轉型升級的(de)成(cheng)敗(bai)。

除(chu)了(le)與(yu)一般(ban)大數(shu)據以強調數(shu)量(Volume)、速度(Velocity)、多樣性(xing)(Variety)，及真實(shi)性(Veracity)的“4V要素(su)”之外，工業大數據還特別強調(diao)所謂的可見性(Visibility)及價值(Value)。對于(yu)大數據及工業大數據之間的(de)(de)差異，一般認為，數據的(de)(de)數量、獲取的(de)(de)速度(du)/頻率、數(shu)據(ju)的多樣(yang)性與(yu)真實性，是制(zhi)造業在導入數(shu)字化(hua)與(yu)自動化(hua)之后，會自然演化(hua)出現的數(shu)據(ju)。但對于工業4.0或制造(zao)制造(zao)，要從設備制造(zao)端向(xiang)使用者服務端的(de)轉型(xing)而言，可(ke)見性(xing)及價(jia)值，則(ze)代表了對工(gong)業大數(shu)據所追求的(de)目(mu)的(de)與意義。

不過數字(zi)(zi)轉型及產業(ye)升級的風潮(chao)，很(hen)多(duo)制造(zao)業(ye)者在著手進(jin)行往智能制造(zao)轉型的過程中，是伴(ban)隨著數字(zi)(zi)化與自動化同步進(jin)行，由于數字(zi)(zi)化與自動化之(zhi)后，機臺設(she)備可(ke)以快速的產生大(da)量(liang)數據，業(ye)者如果(guo)沒有完整個(ge)規劃或從事階段(duan)性的建設(she)，很(hen)容易(yi)在初(chu)期就(jiu)走錯(cuo)方向。

相(xiang)關業(ye)者表示(shi)，一(yi)般(ban)的(de)(de)商業(ye)大數(shu)(shu)(shu)據(ju)可以(yi)在(zai)累積大量(liang)數(shu)(shu)(shu)據(ju)數(shu)(shu)(shu)據(ju)后，再固定或周(zhou)期(qi)性的(de)(de)進(jin)行(xing)數(shu)(shu)(shu)據(ju)的(de)(de)處理與分(fen)析；但是智能制造要(yao)能創造價值，最佳的(de)(de)方式則是必須(xu)要(yao)將相(xiang)關的(de)(de)工業(ye)大數(shu)(shu)(shu)據(ju)，就近(jin)的(de)(de)在(zai)機臺設備端，進(jin)行(xing)實時的(de)(de)分(fen)析處理，并且執行(xing)反饋(kui)。同時，也(ye)需要(yao)將這些實時處理分(fen)析的(de)(de)結果進(jin)行(xing)視覺化的(de)(de)展示(shi)。

業(ye)(ye)者表示(shi)，工業(ye)(ye)大數據與一般(ban)商業(ye)(ye)大數據的一項重(zhong)要差異，就在于對于精準度的要求。對一般(ban)商業(ye)(ye)場域中應用的大數據及人工智能而言，準確率能達到(dao)90%左右，就已(yi)經將驚人(ren)，因為對消費者的年齡(ling)判別失準(zhun)(zhun)，或是推播了錯誤的廣告，一般并不會造成(cheng)太(tai)大(da)的影響(xiang)；不過，如(ru)果應用在工業生產(chan)領域，工業大(da)數據結合工業人(ren)工智能(neng)被要求的準(zhun)(zhun)確度(du)，可(ke)能(neng)是需要到(dao)99.9%甚至更(geng)高的準確率(lv)，因為(wei)一旦工(gong)業生產(chan)制(zhi)造上(shang)的數據出現誤(wu)差(cha)，對(dui)于產(chan)品(pin)后續生產(chan)各方面，都將帶來難以估計(ji)的損失。

也(ye)因為工(gong)業大(da)數據(ju)(ju)需要就近進行(xing)高速(su)而精準的(de)(de)分析與處理(li)，因此，在智能制造風潮崛起(qi)之(zhi)際，連帶掀(xian)起(qi)了(le)對邊緣運算架(jia)構的(de)(de)需求。相關業者(zhe)指出，就近在機臺設備端收集的(de)(de)工(gong)業大(da)數據(ju)(ju)，先將必須優(you)先處理(li)反饋的(de)(de)部(bu)分進行(xing)分析處理(li)，不僅可以(yi)達到(dao)快速(su)反應的(de)(de)目的(de)(de)，同時(shi)也(ye)可以(yi)將數據(ju)(ju)量有效的(de)(de)縮減，對之(zhi)后傳輸、儲存等(deng)部(bu)分也(ye)都會相對較為有利。

就制造(zao)業(ye)(ye)轉型智能制造(zao)，相關(guan)業(ye)(ye)者認為(wei)，從現場(chang)的數據采集規(gui)(gui)劃開始、邊緣運算架構的搭(da)建，一(yi)直到完(wan)整解決(jue)方(fang)案的提供，如果沒(mei)有工業(ye)(ye)大數據支撐，結果可能會有極大的差異。當然(ran)，相關(guan)業(ye)(ye)者不(bu)否(fou)認，智能制造(zao)的規(gui)(gui)模(mo)若再進一(yi)步(bu)的發展后，工業(ye)(ye)大數據的范圍一(yi)方(fang)面將持(chi)續(xu)擴大，但同時對于數據來源則將持(chi)續(xu)細化，即便如此，工業(ye)(ye)大數據在智能制造(zao)轉型上扮演的角色越來越重要(yao)。