我们正生活和工作在一个新的前沿世界—“数字宇宙。”从电子邮件、短信息及视频到从运输集装箱到鞋子等几乎任何东西内装置的数以亿计的传感器，我们不断增加的数字化生活正在产生几乎无法想象的数据量。这仅仅是个开始。
　　在近期的研究中，国际数据公司(IDC)预测数字宇宙的大小每两年就翻倍，到2020年将增长到44万亿千兆字节。有趣的是，随着信息量跳跃式的增长，实际被企业提取、分析和编译成为可行动的内容的比例却出奇的小。在工厂管理者和其他高层正在困扰如何在这个新的环境中运行的时候，有一件事很清楚：如果制造型机构要想从这个数据密集的世界里提取出有意义的信息金矿，他们必须具备正确的工具、科技和知识。
　　数据必须是有意义的，否则它就是无关的。去年企业认为有用的数据中被分析的只有不到5%。
　　当然，就算是很小比例的有价值数据被分析，也足够在工业制造业中启动有意义的变化的引擎。事实上，那些可以从数字宇宙中提取价值的制造商们正在研发令人激动的新的生产工艺，这些工艺会带来更高的效率、新的收益流和提高的利润率。
　　真正靠数据驱动的制造业工厂应用
　　大多数关于大数据的讨论都集中在互联设备上：机器将环境或者性能数据发送给其他系统用于提醒操作员采取例如更换风扇或换油这样的行动。然而，那些可以使用数据进行决策制定的公司们正在发现贯穿其整个制造生产过程的实实在在的好处。
　　下面是10个关于如何利用最新的可用信息来改变工业制造业企业的现实案例。
　　1.预测性维护：使用数据预测产品什么时候需要维护并采取前瞻性的行动来减少停机时间是最常被提及的应用。预测性维护的好处可以包括减少昂贵的、非计划的停机次数；降低维修和维护费用；延长机器的寿命；提高产量。
　　2.客户需求定义更清晰：有些公司将客户与社会化数据结合起来并对其进行积极和消极趋势分析，会发现可以从最开始就得出准确的客户需求，因此减少产品开发时间并提升服务质量。
　　3.满足现实中对部件供应的需求：当需要维护的时候，数据分析师可以帮助确保技术人员可以在正确的位置拿到正确的部件。使用数据用于库存信息化可以帮助减少全球网络范围内的计划成本并可以实现更快更精确的执行。
　　4.场景分析：具有远见的组织通过使用数据来减轻和管理其销售和运行计划流程的不确定性、复杂性以及风险，从而创造和评估可能的场景。
　　5.库存计划：根据全球多层次供应链的历史需求以及所要求的服务水平，数据被分析并用来决定库存目标以及安全的库存量。
　　6.实时的物料需求计划（MRP）运行：通过使用数据每天多次运行物料需求计划并检查变化需求和减少的断货情况带来的效应将长期库存不用的水平降低；并使牛鞭效应可以得到控制。
　　7.基于智能对象的自适应入库物流：将制造系统的数据整合可以使公司对物料移动实现自动化并且让物料移动更加透明、快速以及发生错误的可能性更小。
　　8.运输流程分析以及通过运行仿真实现优化：运行制造商运输流程的仿真程序可以帮助识别费用减少的区域并支持创造例如二氧化碳报告这样的可持续性流程。
　　9.发货地理定位：安装在货运集装箱内的传感器传送地理位置数据，可是提高供应链的信息透明，使得制造商对发生的突发事件有所准备甚至是提前做出应对。对于发货地和目的地之间距离很远的情况，这就显得格外重要。
　　10.全球供应链信息透明和提醒：工业制造商使用数据管理端到端的供应链并对变化进行实时应对，因此提高了效率并减少费用。
　　这10个案例展示了现在信息是如何提高工业制造流程的，令人兴奋的是了解到公司只是获得了一点点不断增加的数据密集型的商业环境所带来的潜在好处。已经有了合适的科技，机遇的多少仅仅取决于一个人获取可用的信息并将其利用起来对现有制造业流程进行提升的能力。