如通常使用的术语，“大数据”指的是要用数据库管理工具处理的庞大和复杂的数据集或处理应用的传统数据。大数据的挑战包括了：数据的捕获、保管、存储、搜索、共享、传递、分析和可视化。相比于相同总量的分离型小数据集，大数据集来自对单一数据分析的衍生附加信息和相关数据的大集合。大数据可以发现相关性，有助于对趋势进行清晰和迅速的理解，支持更好的及时决策。

　　在制造业方面，大数据是指从车间现场到企业顶层所有生成、交换和集成的数据。什么使在制造业中的数据变“大”?这是因为越来越多的虚拟化和仿真，以及众包和社会制造(即在设计和制造过程中利用社交媒体生成数据)的增长趋势。这使制造企业正朝着数字化的方向发展。

　　整合从传感器和PLC到企业和供应链平台的数据可以产生显著的成效

　　在数字化企业中，数据连接制造系统，如：产品生命周期管理(PLM)、供应链关系管理(SCM)和制造执行系统(MES)，集成企业资源计划(ERP)。 “其中的关键，从自动化的大数据角度来看，是利用虚拟化和真实数据的优势，并结合使用他们，”来自某自动化厂商战略市场部的副总裁比尔 ?卡莱利说。

　　先是数量巨大的“虚拟数据”，在产品建立和制造的初期就创建出来，如产品开发的模型建造或制造运行的工艺规划。然后是采集的“真实数据”，由车间现场的传感器、PLC等设备生成的物理数据。 “合并虚拟数据和真实数据的理念是保证产品质量，以及对早期的设计与后来的制造了解需求的关键，” 卡莱利说。

　　这种联合的好处是显著的：比较早期规划期间的“虚拟数据”和随时间推移的“现实数据”，使制造商能够看到在设计上游中做出的决策对制造下游的影响。事实上，根据麦肯锡的报告：80%的生产成本在设计阶段就决定了。数据是在产品生产的工厂现场创建的，它可以与规划阶段准备的数据进行“实时”比较，了解是否能够适当地满足了需求。这个结果能够巨大的改进制造，在生产力、效率、灵活性、质量，使产品快速推向市场。

　　整合的力量

　　在美国，离散制造业比其他行业，如：政府、医疗和通讯业拥有更多的存储数据。相比其他行业，通过数据分析给制造商提供的收益是非常显著的，而且比较安全，

　　诱人的果实可能会在连接不同的数据存储中找到。制造商使用不同的数据库工作：软件应用平台 -- 通常在设计和开发的早期阶段使用;制造应用平台 – 通常在收集、存储和管理相关制造的数据时使用。“我们进行跨平台的整合，使数据更适合识别或与特定产品相关，放在有针对性的地方，容易实现访问和可视化，” 卡莱利说。在不同平台有了这些集成层，制造商可以按属性进行跨平台搜索，找到正在工作的相关数据(即设计，制造)。一旦识别到数据，就可以通过集成层进口查看它，并交付给那些需要它的人员。

　　“我们不打算创建一个庞大的数据库或强制它的存在;相反，我们可以看看数据库是否联合了企业各个部门在全球的不同部分或提供跨越他们的网络和集成，识别数据属性、通用性，等等。然后，我们把这些数据放在一起，” 卡莱利注释道。“这对制造商是一种强大的工具，帮助他们在产品生命周期过程中的任何一点做出更好的决策。”

　　专注于集成是自动化厂商对待大数据的关键区别。有各种集成和扩展的解决方案，涵盖了制造的每个主要阶段：产品设计、生产设计、运行和自动化。

　　“我们正在为制造过程的多个站点和多个区域提供关键数据的可视化，” 卡莱利说。 “今天有这么多的数据。你不可能使用所有的数据，也没必要。但你必须有在某一时刻访问某一特定数据，或是找出制定决策相关数据的能力，不管在执行层还是在工厂车间层”。

　　测量的革命