咨询公司的数据服务总监劳埃德•科尔格罗夫(Lloyd Colegrove)就知道了陶氏化学公司，什么大数据对他来说意味着他的反应是即时的，直接钝：“我不喜欢大数据这个词，因为这对我来说毫无意义。”
事实上，大数据只有许多制造专业人士在很长一段时间内使用分析的流程和离散行业的许多制造专业人员的另一个流行语。在Dow Chemical，COLEGROVE的团队一直在研发和实验室质量保证中使用分析技术。在陶氏陶器中的角色被称为化学统计学家 - 一个科学家，专门用于在实验设计中使用数学统计数据和结果数据的评估。
在其他公司，大数据可能与数据科学家甚至商业智能顾问的头衔联系在一起，这些人筛选大量的结构化和非结构化数据，寻找解决流程中的问题或从旧数据中创造新价值的模式。
认识到将分析投入到行动的重要性，Dow Chemical已经超越研发和厂房。“现在我们正在分析整个过程，从电机看所有数据流来的温度和压力;经营化工厂所需的所有东西，“科考雷夫说。
实际上，由于历史学家的出现以来，因此，在制造楼层的制造业智能或分析的大数据被称为制造业智力或分析，这可以在围绕生产现状提取工厂管理信息，包括性能监测，质量保证，跟踪和基因学。
那么，发生了这种技术空间造成这种搅拌的情况？由于智能设备和企业和供应链连接，所以要分析的数据的广度和深度正在扩展。控制系统不再在闭环泡沫中操作。该泡沫突发，并在大量的新数据类型和新的强大的分析技术中。
“我们为客户提供了很多关于大数据的问题，因为那里有很多困惑，”托尼冬天，CTOQAD系统，基于云的企业资源规划（ERP）提供商。“我们的许多制造客户已经使用某种形式的分析，但它们在该空间中迷失了，因为有多个数据来源，并且存在与数据整合相关的复杂性，这是在正确的时间作出正确的决策所需的复杂性。”
此外，大数据这个术语对不同的人有不同的含义，这取决于他们在组织中的角色。在工厂中，大数据与削减成本、减少停机时间、提高生产运营和产品质量有关。例如，在商业开发中，大数据与识别客户购买模式或倾听社交媒体聊天来定制营销活动有关。
无论你在公司的哪一边工作，似乎每个人都同意，大数据的定义是在正确的时间将正确的信息提供给正确的人，从而做出明智的决定。
“收集大数据不是大问题，”市场发展副总裁John Nesi说罗克韦尔自动化．“上下文化它是更大的交易，并决定采取行动的地方。这就是将炒作从现实中分开。“
大数据复兴
很明显，制造商是大数据实施的先驱者——他们只是不知道而已。这主要是由于系统断开。“在许多制造工厂，数据仍然是孤立的，”Jennifer Bennett说，通用智能平台制造软件总经理。因此，尽管他们已经在点解决方案中收集了几十年的数据，“他们没有看到在其他一切正在发生的事情的背景下显示独立数据的数字线索。”
此外，制造商传统上使用数据与情况做出反应。今天的制造商的目标是大数据流行语的精神 - 是连接不同的数据流，包括操作员日志甚至天气模式的非结构化信息，以查看大图片并积极主动意味着在破坏之前固定机器，提高灵活的生产过程，或根据客户需求制作新产品。
这些都不需要像陶氏化学的化学计量学家这样的专家。从业务经理到工厂操作工，每个人都必须能够使用和理解它。“你不需要数据科学家来完成这项工作，”Louis Halvorsen说西北分析．
努力了解制造商如何接近下一代大数据项目，自动化世界最近调查的读者中，大多数是工程师(52.5%)，集成商和顾问(10.5%)，高管(9.3%)和IT(7.4%)。
反馈来自各种行业，采用机器建设者，离散制造，批量加工，连续工艺和系统集成商提供良好的，其中许多来自中小企业的少于1000名员工（31.5％）或少于100名员工（29％）。其余的受访者（39.5％）为拥有超过1000名员工的公司工作。
无论公司规模如何，我们发现的常见线程都是目前正在使用大数据系统（43.8％）或计划在明年（25.3％）或五年内（30.9％）安装系统。
通常情况下，推动大数据新举措的是公司的商业方面，54.3%的受访者计划在未来几年内安装系统。这在很大程度上与需求规划和供应链方面的新机遇有关。也许更重要的是，在云中添加存储和计算基础设施的能力——这是企业IT团队乐于做的事情。
“效率在云中，”QAD的冬天说。“我们聚集了数千个指标来进行实时监控......并获得环境的整体画面，以关联模式，看看事物的原因和效果。”
尽管抵抗植物地板信息进入云进行分析，但如果制造商希望获得大数据的好处，某些形式的云计算将是不可避免的。原因：制造商具有从厂房系统中拉出价值所需的复杂数据捕获和分析，但它们没有合适的系统架构。“我们坐在旧的，昂贵的基础设施中，运营运营，不能被剥落，”一个被要求保持匿名的植物经理说。“将此新技术添加到混合中并不容易将数据转化为知识。”
由于公司扩大大数据项目来处理从工业互联网（IIOT）的新数据来源，因此基础设施障碍变得越来越明显。例如，大约30％的调查受访者指出，他们现在正在收集他们在技术实施开始时未制定的区域的数据。这些新的应用领域将借助新的分布式分析，它是计算结果在边缘 - 设备所在的 - 而不是在中央数据库中。
“如果你有数据，就会有许多你可能没有想到的用途，”该公司首席科学家加迪•伦茨表示AGT国际物联网分析提供商。“制造商意识到他们应该更多地利用他们的数据，而且有办法处理它;要么建立更大的数据中心，要么找到一些可以在云计算中完成的新模型。”还有“雾计算”的概念，你可以在传感器或机器所在的网络边缘执行分析，这样就不会对网络基础设施造成负担，Lenz说。
这些新型大数据技术也可能需要各种各样的数据融合。操作技术（OT）和信息技术（IT）部门可能需要联合大数据梦想成功。
制造商似乎明白这一点。有趣的是，调查结果显示，虽然IT部门可能正在推动新的分析技术采购，但目前的大数据项目主要是用于生产的工厂管理(25.3%)或企业和工厂管理同时使用(25.9%)。
目前，根据受访者的调查，最主要的数据收集领域包括工厂/工厂车间的机器性能(38.9%)，来自传感器的现场测量(28.4%)和业务运营数据(28.4%)。在美国(18.5%)，甚至在全球(21.6%)，同样数量的公司仅在一个设施(22.2%)或多个站点利用大数据。
成功的衡量标准
考虑到以上观点，我们仍有必要回过头来看看企业为什么要忍受大数据带来的痛苦:信息增值。
陶氏化学(Dow Chemical)的目标是将海量数据转化为知识。该公司在很大程度上依赖于西北分析公司(Northwest Analytics)来帮助实现这些目标，并转向更复杂的信息使用。科尔格罗夫说:“现在我们正在创造智慧。”他解释说，他正在寻求将智能过程设计成机器，这样机器就能自动感知并对所学的东西做出反应。
显然，所有这项新技术都花钱。而且，虽然行业专家们提出建议制造商今日投资大数据技术明天保持竞争力，但几乎没有完成计算投资回报率。至少，这就是调查所说的。
根据调查结果，31％的人使用大数据系统至少一年的尚未计算投资回报率。在那些监控其返回的公司中，由于某些举措是本地的，并且在机器正常运行时间如机器上的特定任务中，有很多结果可能是由于诸如机器正常运行时，而其他的措施则展示来自R＆D的宽网络服务。
同样，从数据中提取价值并不总是直接转化为生产率的提高，因为约四分之一(25.8%)的受访者表示，他们使用大数据已经一年多了，但他们没有衡量生产率的变化。其中大约15%的公司的生产率提高了5- 25%。
也许在组织理解它们是真正尝试实现每个大数据项目的情况下，无法完成ROI。为此，Dow Chemical的Colegrove警告公司不会被流行语陷入困境。
“围绕大数据的讨论掩盖了真正的机会和价值，”他说。“如果没有真正了解环境中发生的事情，[大数据技术]甚至都不有用。”
