大数据能提升大规模生产调度的全局性能，大家知道为什么企业生产调度一直会出现问题，我们做的计划赶不上变化。因为所做的计划，是在一个理想状态下考虑约束做出的。笔者做生产优化调度长达20多年，一直在寻找一种最优的解决方案，研究智能方法，例如：遗传算法、蚂蚁算法等。但随着工艺的复杂、环境的复杂、工艺的规模，整个问题规模越来越大的时候，它已经是一个很难解决的问题。传统的智能调度方法难以求解大规模的调度问题，基于规则和瓶颈的方法在大规模问题中又很难得到全局优化；大数据带来了新思路，它采用全局的数据之间的关联关系，从而形成全局的调度方案，能够解决大规模生产中的全局调度问题。
大数据能为产品的运营维护服务，很典型的就是GE的案例，建立一个平台，为航空发动机的监控、运行监测、故障诊断提供一个全方位的服务。在产品的运行和维护过程中，大数据模式一改传统方法被动的运维模式，通过采集和分析智能设备的传感器数据，进行大数据分析，主动进行产品的安全监测、故障诊断，优化产品的运行过程。大数据应用过程中需要的是什么？首先需要的是能够采集到数据，也就是需要产品是一个智能化的产品，所以在智能制造中，首先要有智能化的产品，安装传感器，能够实时地传递数据，为后面的运行、维护服务提供依据。
大数据不只是关于数据，而是采用传统及新的分析方法来分析所有数据。针对大数据分析的结果采取行动来提升业务才是最重要的。随着大数据技术的不断发展，国内外已对大数据在制造领域中的应用进行了一些开拓性的研究，代表性的有GE工业互联网解决方案、Smart Factory计划、SAP HANA平台和Invensys数据分析平台，并已在农夫山泉、百事饮料等公司应用。三一重工利用大数据技术通过对地理位置数据的关联分析发现泵车主油缸故障与沿海地区杭深高铁建设的强相关性，确定了沿海地区的盐雾环境和水质是导致油缸密封体腐蚀的主要原因。日本小松公司通过对挖掘机安装传感器与GPS定位系统，从而实时监控车辆运行情况，并通过大数据分析，对未来挖掘机市场的需求进行预测从而调整生产、对用户的使用习惯进行分析，提出建议，从而降低油耗。
以上一些工业案例成为制造业大数据的先驱，然而，目前绝大多数制造业大数据的应用没能形成系统化的思路和方案，缺乏理论体系的支撑。针对国内在制造业大数据应用基础研究上的空白，我们在2014年申请了国家自然科学基金重点项目“大数据驱动的智能车间运行分析与决策方法研究”，并得到了资助。目前，围绕车间制造大数据之间的耦合作用机理、车间性能的演化规律、车间运行过程的调控机制三个基础科学问题进行科学研究，来探索大数据在智能制造车间的运行情况。解决问题的思路是一切都用数据来说话，这是利用大数据来解决工程问题的科学研究思路。首先是数据化：将设备状态参数、计划执行情况等运行参数，以及质量、交货期等性能指标数据化；然后分析这些数据之间的关联关系，用数据挖掘的方法预测交货准时率、产品合格率等车间性能的演化规律；从演化规律中，发现质量指标中某数据异常，找到影响该异常数据的关键参数，最后对关键数据进行控制，保证交货期和产品质量。为了实现大数据应用，我们提出了大数据驱动的智慧工厂，它是生产车间、物联网、云端、移动互联的有机融合。利用物联网技术，使得车间生产过程、物流及之后的销售、服务过程具备感知能力；全生命周期内产生的各种制造数据保存到云端；借助大数据处理与分析技术，依托云计算平台，帮助分析数字工厂运行过程，提供决策支持，并通过移动互联方式展现。目前我们在晶圆制造的车间和发动机装配车间，开展了一系列的工作。
我认为，实现以数据感知、数据处理分析、制造过程决策与支持、数据可视化技术为核心的智慧工厂已经成为趋势，大数据产业链及技术体系逐渐成熟，大数据必将加速数字工厂向智慧工厂的转型。