智能制造的目标是通过迅速创建应用程序，使所有人、系统和资产之间的合作成为可能，但为实现上述目的，需要解决一些关键问题。正确使用大数据，有助于实现更多的工业互联网（IIoT）功能。
与其它行业相比，制造业产生更多的数据。连接性、先进计算、智能传感器和设备、以及改进的数据访问和存储达到一个新的水平，正在不断扩展可用数据的范围、容量和分辨率。如果你刚好听到关于大数据的宣传，那么就清楚有一个基本的假设：如果数据可以利用，那么就可以从中获得业务价值。
未来，利用工业物联网（IIoT）带来的互联性，制造企业可以收集更多的数据，但如何能更有效的利用这些数据呢？这是需要解决的关键问题，智能制造致力于回答这个问题。
智能制造的目标
智能制造的总体目标是通过快速创建应用程序，从而使处于整个价值链应用程序和架构中的人、系统和资产之间的协作成为可能，为未来构建一个新的智能制造软件平台。
制造企业知道，要想提高经营业绩，获取数据是非常重要的一环。如果可以将背景信息在正确的时间提供给正确的人、做出正确的决策，那就可以提高整体性能。
跨越老旧系统、获取新数据源、以及快速应用组合可以帮助企业实现智能制造。图片来源：MESA 国际
新技术每天都在产生更多的数据。一些制造商正在应用大数据和分析技术，希望从这些数据中挖掘出更多的智能信息，从而将它们的经营业绩提升到新的水平。
成功，不仅仅是数据采集以及提供更详细和更多样化的可视化数据。事实上，这不仅仅是关于数据。它关乎快速创建和交付丰富的互动应用。例子包括：
正确的时间，提供正确的信息给正确的人，使他们能够做出正确的决定、立即采取行动；
在驱动工作流程的系统和自主行动之间通信的应用程序；
应用人工智能和机器学习技术来预防和预测问题的应用。
换句话说，它不只是提取出大数据，而是关于使用和提供“正确数据”的应用程序 。
要从数据中获取价值，智能制造应用程序是必不可少的，这些应用程序基于角色，并实时运行。它们还可以应对特定案例与独特的业务挑战。
应用程序提供前瞻性通知，使问题得以快速解决。它们形式各异，从可穿戴设备、到移动设备、再到工业触摸屏电脑。
利用增强现实技术，应用程序可以融合现实和数字世界。正确的应用程序非常灵活，可以随着业务的变化轻松、快速的做出调整。智能制造需要合适的应用。但在推广智能制造应用方面，也存在一些障碍。
智能制造的5个障碍
1数据情景化
企业想依据数据，做出明智的决定。但一个企业，通常会有很多不同的软件系统，这样从这些系统获得数据的技术也就随之而有所不同。将这些业务系统数据与生产制造过程数据整合起来也就非常困难，但是数据的情境化，对作出明智决定至关重要。
2资金不足和不堪重负的IT
企业内部的信息技术（IT）部门往往面临资金不足和不堪重负的窘境。他们没有能力交付所需的应用程序，而且在将来会有更多应用管理需求。应用程序组合最优化应该可以使业务用户能够做出明智的决定。
3变更和变更管理
在当今世界，变更已是常态。业务战略、产品、客户需求、以及IT系统都在不断发生变化，因此应用程序必须足够灵活。将来，这些挑战肯定会加剧，因为科技进步将会产生更多的可用数据，从而对应用程序的需求量大幅增加。
4传统软件的束缚
即使应用程序已经建立，传统软件也不能满足应用程序所需要的规模和多样性要求。大多数制造人员经常被允许访问只读数据表，这些数据只能够在事后提供性能参考，对解决或规避问题并无帮助。此外，传统软件在连接信息技术（IT）和运营技术（OT）方面，也存在一定的问题。
支持制造业的应用必须连接这些方法（IT和OT）。持续不断的进步需要灵活的应用。但是，老旧系统往往难以扩展和获得支持。他们无法很快适应于不断变化的需求。
5连接不同系统
不同系统之间现有的接口可能会存在一定的问题。目前的方法集中在记录系统和系统之间的数据交换。随着数据量的增加，这种方法会变得更复杂，更不实用。
云、移动、分析可以提供帮助
需要一种新的方法，来实现智能制造的目标。幸运的是，现在有了无需更换老旧系统就能实现目标的新解决方案。事实上，我们可以使用与个人生活中相同的现代软件技术，来创建新的复合、基于角色的应用程序，从而可以连接老旧系统和新系统的数据源。现代软件技术包括云、移动、大数据、以及先进的分析技术等，这些技术都具有很强的适应性，并且已经经过验证。（来源：控制工程中文版）
