大数据是信息技术的重要概念。很多企业正在搜集大数据并使用复杂的分析工具对其进行分析控制工程网版权所有，以期发现隐藏的规律和关联。如果生产制造系统发生重大变更的时候也能够自动识别并找到最佳的作业条件，例如设备发生故障、原材料特性发生变化或者能源和人力成本发生变化控制工程网版权所有，那么是不是很棒呢？这就是生产制造领域内大数据的存在意义，也是为什么很多生产制造企业正在针对其生产设施开展大数据项目。
        如果你正在进行大数据项目，那么有四个因素需要牢记。
        1.数据不能脱离实际环境
        首先需要说明的是，脱离实际环境的数据的作用将会大打折扣。在生产制造领域，所谓的实际环境可以用工作任务或者执行步骤来提供。每一段数据必须与正在执行的任务或者正在生产的产品本身相关联，并且与任务的特性相联系。这个环境可以用于任务与任务之间的对比，用来检测显著差异。使用生产制造大数据的第一步就是搜集环境或者事件信息，然后这些信息与工厂的历史数据相关联。幸运的是，主要的工厂历史数据备份工具供应商都提供了事件和环境插件，可以将MES流程或者执行系统的作业步骤与历史数据相关联。
        2.分析优化
        第二个需要考虑的因素是，虽然在线历史数据是一个保存数据的很棒的工具，但是对于分析数据却有点束手无策。一种好方法是使用离线备份或者数据库用于分析。大多数工厂的历史数据库对存取数据都进行了优化，当需要为大数据分析从正在运行的在线系统提取大量数据时CONTROL ENGINEERING China版权所有，往往需要花费很多时间。更好的策略是将历史数据周期性地备份到离线系统中，或者将数据固化到数据库中，以便用于大数据的优化分析。
        3．考虑样本容量
        第三个需要牢记的因素是你必须选择正确的数据样本。为了具有说服力，确保样本容量足够大CONTROL ENGINEERING China版权所有，这样才能够足以发现内在关系和因果关系。较小的样本容量有可能得到并不正确的内在关系，使你南辕北辙。还有很重要的一点就是不要将内在关系和因果关系混淆起来，因为具有内在关系的事物不一定具有因果关系。数据分析可以发现内在关系，但是如果想要明确事物之间是否存在因果关系则还需要很多工作。大数据分析项目必须引入工程师或者科学家，确保使用工程分析手段能够得到真实的因果关系，这样一来数据才发挥了最大价值。
        4.鼓励人员参与
        最后一个需要牢记的因素是在有些情况下靠人员来发现规律比靠系统自动完成更加靠谱。你可以指派人员对数据库进行查询并发现某些规律。有经验的操作人员通常对生产系统和相互之间的关系有较深入的认知，他们能够发现一些被隐藏或不明显的内在关系。
        为保存的数据增加环境信息，使用经过分析优化的数据、客观陈述和足够的样本容量，并对内在关系和因果关系进行合理的总结，以及利用人员进行数据挖掘，这些都是生产制造大数据项目的关键组成部分。确保你的项目考虑了这些方面控制工程网版权所有，大数据分析才真正在你的生产车间中落到实处。