行业动态

以工业4.0为核心的智能制造，，
，已经成为目前全球制造业者共同发展的方向
。
。。。有别于一般消费性市场需求
，，在工业生产制造领域的发展上，，，，不仅有强调以工业应用为主的工业人工智能，，在数据数据的搜集上，
，自然也有所谓的工业大数据
。。做为工业人工智能的基础，，，怎样获取正确的工业大数据
，，，
，也关系着制造业转型升级的成败
。。。
。

除了与一般大数据以强调数量(Volume)
、、速度(Velocity)、、、多样性(Variety)
，，及真实性(Veracity)的“4V要素”之外，，工业大数据还特别强调所谓的可见性(Visibility)及价值(Value)。。对于大数据及工业大数据之间的差异
，，
，，一般认为，
，数据的数量、、、获取的速度/频率、、数据的多样性与真实性，
，，是制造业在导入数字化与自动化之后
，，
，会自然演化出现的数据。
。。
。但对于工业4.0或制造制造，，，要从设备制造端向使用者服务端的转型而言
，
，，可见性及价值，，，，则代表了对工业大数据所追求的目的与意义。
。

不过数字转型及产业升级的风潮，，很多制造业者在着手进行往智能制造转型的过程中，，
，，是伴随着数字化与自动化同步进行，
，，，由于数字化与自动化之后，
，
，，机台设备可以快速的产生大量数据，，，业者如果没有完整个规划或从事阶段性的建设，，
，很容易在初期就走错方向。。。。

相关业者表示，，，一般的商业大数据可以在累积大量数据数据后，
，再固定或周期性的进行数据的处理与分析；但是智能制造要能创造价值
，，最佳的方式则是必须要将相关的工业大数据，，，就近的在机台设备端，，进行实时的分析处理，
，
，并且执行反馈。
。。同时，
，也需要将这些实时处理分析的结果进行视觉化的展示。
。
。
。

业者表示
，，
，，工业大数据与一般商业大数据的一项重要差异
，，就在于对于精准度的要求。。对一般商业场域中应用的大数据及人工智能而言
，，准确率能达到90%左右
，，，，就已经将惊人，，因为对消费者的年龄判别失准，，
，或是推播了错误的广告
，
，一般并不会造成太大的影响；不过，，，如果应用在工业生产领域
，
，，，工业大数据结合工业人工智能被要求的准确度，，，
，可能是需要到99.9%甚至更高的准确率
，，因为一旦工业生产制造上的数据出现误差
，，，对于产品后续生产各方面
，，，都将带来难以估计的损失。。

也因为工业大数据需要就近进行高速而精准的分析与处理，，
，，因此，，，在智能制造风潮崛起之际，，，，连带掀起了对边缘运算架构的需求。。。相关业者指出，
，，，就近在机台设备端收集的工业大数据，，先将必须优先处理反馈的部分进行分析处理，，
，不仅可以达到快速反应的目的，，同时也可以将数据量有效的缩减，，，对之后传输、、
、储存等部分也都会相对较为有利。。。。

就制造业转型智能制造，，，，相关业者认为，，从现场的数据采集规划开始、、、边缘运算架构的搭建，，，
，一直到完整解决方案的提供，，，，如果没有工业大数据支撑，，结果可能会有极大的差异。
。当然
，，相关业者不否认，，智能制造的规模若再进一步的发展后
，，，，工业大数据的范围一方面将持续扩大，，但同时对于数据来源则将持续细化，，，，即便如此
，，工业大数据在智能制造转型上扮演的角色越来越重要。。。。