生產(chǎn)線執(zhí)行系統(tǒng)、傳感器和機器運轉(zhuǎn)日志為各行企業(yè)提供了大量有關(guān)制造工藝的數(shù)據(jù)。未來十年，配有無線傳輸功能（通常指物聯(lián)網(wǎng)）的智能傳感器（如：檢測震動、溫度和濕度）的價格將從如今的幾美元一個進一步降至僅幾美分一個。智能傳感器不僅價格下降，而且可以輕松安裝在所有生產(chǎn)線上，使偏差追蹤和行為預測更加容易。隨著數(shù)據(jù)存儲費用降至史上最低點，企業(yè)可以利用云存儲海量數(shù)據(jù)，而無需進行固定資產(chǎn)投資。同樣，運行智能工廠的計算能力呈指數(shù)式增長，而且可以通過網(wǎng)絡(luò)獲得，這將幫助企業(yè)根據(jù)需要執(zhí)行復雜分析。

    中國一些領(lǐng)先的航空公司利用工業(yè)互聯(lián)網(wǎng)搜集了大量發(fā)動機的渦輪葉片保修數(shù)據(jù)，結(jié)合遠程診斷紀錄和第三方數(shù)據(jù)，建立了葉片損傷分析預測模型，預測發(fā)動機的運行情況，定制科學的重復檢查間隔，提升運營效率。

    但是目前大多數(shù)工廠離智能化仍然很遠。在中國，實施數(shù)字化的第一個挑戰(zhàn)是企業(yè)認為“沒有數(shù)據(jù)”.而實際上，數(shù)據(jù)并不缺乏，只是一批接一批地堆在那。我們看到的一些中國制造企業(yè)只利用不到2%的數(shù)據(jù)改進生產(chǎn)，在很多情況下，生產(chǎn)線根本沒有與制造執(zhí)行系統(tǒng)相連。

    預測性分析、大數(shù)據(jù)和機器學習、數(shù)據(jù)挖掘、數(shù)據(jù)智能和神經(jīng)網(wǎng)絡(luò)等復雜的統(tǒng)計分析與工具開始逐漸改變企業(yè)對數(shù)據(jù)的看法，讓企業(yè)更好地理解復雜的制造工藝及隨后的改進方法——例如，在潛在問題實現(xiàn)前就能夠識別出數(shù)據(jù)和問題的依賴關(guān)系并進一步提前檢測問題。此外，通過深入分析歷史數(shù)據(jù)，運營經(jīng)理可以發(fā)現(xiàn)具體工藝環(huán)節(jié)與輸入之間的特定模式及相互關(guān)系，然后對其進行優(yōu)化，從而最大程度優(yōu)化產(chǎn)量。

    領(lǐng)先企業(yè)已經(jīng)開始連接所有生產(chǎn)線及系統(tǒng)，并開始大規(guī)模使用云存儲數(shù)據(jù)用于分析。現(xiàn)在已經(jīng)興起了一種以服務(wù)為基礎(chǔ)的數(shù)據(jù)分析行業(yè)，使分析成為運營部門可以負擔得起的工作。