近年来，随着工业化和信息化技术的不断进步和革新，智能制造产业蓬勃发展，并引领和推动新一轮工业革命。当前，国内智能制造产业还处于发展初期，如果能通过大数据技术来对海量的工业化数据进行异构分析和智能分析，推动智能制造产业的转型升级，那将是智能制造与大数据应用的“强强联合”，也必将推动智能制造的新一轮升级和发展。
1、大数据助推智能制造快速发展
优化生产资源使用。通过机器换人，让从事低级、重复劳动的人们从中抽身，做更多更有价值的工作。富士康工厂所实现的著名的“关灯生产”，就是其公司的工程师与生产者在生产过程中随时用电子设备控制和监控所有现场流程，机器人不需要有光线，通过传感器感知，通过虚拟信号来处理工作物件搬运及储存。通过大数据分析与决策，企业资源储存量、产品出售量、客户需求量都能得以测算，从预测生产、计划生产到现在的模拟订单生产，不仅能降低企业资源的浪费，还能优化企业现有资源的配置。
优化供应链管理。如今的供应链管理不同于以往ERP系统，现在较广泛地称之为“智能供应链”，通过信息技术收集来自用户的需求数据通过云技术等技术筛选分析传到制造厂中，很快可以进行样品生产及报价，保证了企业的交货速度。
优化市场分析 。将大量数据进行筛选，将有价值的信息进行计算分析并进一步做出决策，促使制造业从产品导向走向市场导向，再走向客户需求导向，换句话说，分析顾客行为，从数据中得出顾客的需求，将定制产品的生产问题通过产品重组和过程重组，面向顾客的千差万别的个性化需求，运用现代一系列高新的信息技术和生产技术，把产品的定制生产问题全部或部分转化为批量生产，不仅解决了生产效率，也满足了顾客的特殊需求。
优化产品质量。企业在日常生产过程中，需分析供应链中存在的问题，以减少因此环节造成产品的质量差，减少不必要的损失。通过大数据分析，生产过程数据越多，分析就越详细，在信息量足够的情况下，生产线上机器人通过自学，对异常点进行分析，从而使得流程设计合理化、目的化，提升良品率。这样一套较完整的大数据系统，对产品的参数、误差的校验更加精确，使得产品的质量水平得以提升。
2、大数据在智能制造应用还需解决的问题
机器学习能力有待进一步提升。智能工厂通过智能制造系统的应用，以及大数据分析和生产环节具备自学能力机器的运用，实现更高程度的智能控制和优化控制。但是就目前而言，机器的自学能力还未达到实施阶段，也无法从事超精细工作。
大数据应用程度还有待进一步挖掘。智能制造产业从不缺少数据，但即使产生大量的数据，对数据进行有效科学的收集还较为困难。再者，数据收集完成后还面临缺乏对信息进行精准分析的工具和与之相配套的设施。所以，大数据与智能制造的结合，需要大数据的分析技术相当成熟。
3、大数据在智能制造中的应用展望
大数据的数据质量和数据分析一直是科研单位和企业单位的重点学习方向，人工智能产业与互联网产业的相关研究也越来越多，加强大数据在智能制造中的应用还需要进一步发力。
加强大数据平台的建设以及企业分析管控平台。目前对大数据的研究主要集中在大数据系统的管理、分布式存储和计算、大数据的 ETL 清洗等方面，但缺乏对工业化大数据进行有效性和实效性的建设，缺乏能够覆盖企业数据分析全过程的工具。
加强智能制造大数据质量分析体系的建设。目前智能制造行业的大数据质量分析体系还不完善，没有一个标准化的体系衡量标准，也无法满足现有的标准化智能产业的发展。只有加强工业化大数据质量分析体系的建设，才能充分发挥出工业化和信息化的市场引领作用，才能够让上海制造走向世界。
总而言之，数据是未来制造业的核心要素，而大数据是赋予上海制造"智能"的关键。
