我们已经处于大数据时代，但据估计，数据总量每两年翻一番。海量数据有可能削弱我们从数据中获取价值的能力，尤其是在制造业。制造商预计数据量的增长幅度将超过其他任何行业。
这种数据增长的潜力是巨大的。传感器可以检测反复出现的故障模式，模型可以解决瓶颈并优化流程，分析洞察力可以提高可持续性。霍尼韦尔和KRC联合开展的一项研究发现，利用大数据分析可以将故障最多减少26%，并将计划外停机时间减少近25%。
然而，如果没有正确的数据体系结构，就会失去机会，这就是为什么许多具有前瞻性的制造商已经转而谈论智能数据。
尽管制造业的大数据带来了许多挑战，但或许最主要的问题是，只要数据是在竖井中捕获的，就没有人能够掌握更大的图景。这就是为什么，根据Forrester Research的一份经常被引用的报告，一个组织收集的所有数据中有73%没有被使用。
数据孤岛会导致信息碎片化，从而无法全面了解运营情况。当数据局限于特定的部门或系统时，要全面了解整个制造过程就变得具有挑战性。制造流程的所有要素都是相互关联的，因此，虽然数据孤立在竖井中，但它阻碍了优化流程和确定需要改进的领域的能力。
克服这一挑战需要采取战略性办法，包括整合系统、尽可能采用标准化通信协议以及实施全面的数据治理做法。像TwinCAT这样的技术是关键，因为它允许生产线上的所有硬件和软件通过开放范围的协议进行通信，使每个人都能看到他们需要的数据。
在从大数据时代向智能数据世界的转变中，使用实时数据洞察的能力也将是关键。此前，人们更多地强调从历史数据中发现模式。然而，制造业的未来将属于那些能够收集和利用实时数据的人。随着稳定的生产线变得不那么常见，以及对制造灵活性的需求增加，这成为一种更大的竞争优势。
像EtherCAT这样的技术将是实现这一承诺的关键。由于其快速、简单和高效，EtherCAT已被自动化领域广泛采用，拥有超过7000名成员。所有EtherCAT设备都可以使用以太网主干实时连接、收集信息和响应，从而在灵活的网络中实现无缝数据流。实时洞察是工业连接的圣杯，而EtherCAT架构促进了这一点。
整合生产线数据将是未来几年投资的主要重点。ABI Research的分析估计，到2026年，制造商将花费200亿美元来转型和支持数据分析。有了合适的数据架构，制造业数据的持续增长可以成为一项战略资产。关键将是利用防止数据陷入竖井的技术。
