傳統制造系統的核心要素可以用5個M來概括，材料（Material）、設備（Machine）、工藝（Methods）、測量（Measurement）和維護（Maintenance），過去的制造系統升級，都是圍繞著這5個要素進行改善，這些活動主要還是圍繞著人來開展，著5個核心要素依然是靠人來駕馭。智能制造系統區別于傳統制造系統在于第6個M，即建模（Modeling），并且依靠第6個M來驅動前面的5個要素，來解決和避免制造系統的問題。

一個制造系統是否智能，可通過以下兩個特征來判斷：

1.是否能夠學習人的經驗，代替人來分析問題和制定決策；

2.能否從新的問題中積累經驗，以避免問題的重復發生。

大數據并不是追求記錄龐大的數據，數據的本身并不會給你帶來價值，龐大的數據系統也不會讓你的制造更加先進，數據必須轉化成信息、知識，才會為制造系統帶來價值。大數據是發現問題的一種途徑和解決問題的一種手段，通過數據的分析，從而去解決和避免不可見問題的風險，這才是大數據的核心目的。制造系統中問題的發生和解決，都會產生大量的數據，通過數據的分析和挖掘，可以讓你了解問題產生的過程、造成的影響和解決的方法，這些信息如果被建模后，轉化成知識，再利用這些知識去發現問題，分析問題，解決問題，并能在未來避免同類問題的重復發生。當這個過程無需人工干涉，系統可以自動自發的去循環進行，則這個系統就可稱為智能制造系統。

我們可以從以下3個方向利用大數據來推動智能制造：

1.把現場出現的問題變成數據，并利用這些數據來對問題的發生和解決進行建模，把人的經驗，變成知識，從而產生可持續的價值；

2.數據變成知識后，通過數據分析工具，把傳統的解決可見問題，延伸到對不可見問題的預防，深層次的去理解問題為什么會發生；

3.再把知識變成數據，生成生產指令、工藝參數以及可執行的決策，從根本上去解決、預防問題。

由此可見，大數據是智能制造系統的基礎，通過系統的運行收集數據，再把數據轉換成系統可以學習的知識，并依靠系統自身的分析，制定出解決問題或預防問題的決策，這才是智能制造的核心。

本文為冠卓咨詢原創文字作品，任何人或組織不得對本文進行篡改，轉載或以盈利為目的行為，一經發現，將負法律責任。