近年來，隨著工業化和信息化技術的不斷進步和革新，智能製造產業蓬勃發展，並引領和推動新一輪工業革命。當前，國內智能製造產業還處於發展初期，如果能通過大數據技術來對海量的工業化數據進行異構分析和智能分析，推動智能製造產業的轉型升級，那將是智能製造與大數據應用的“強強聯合”，也必將推動智能製造的新一輪升級和發展。
1、大數據助推智能製造快速發展
優化生產資源使用。通過機器換人，讓從事低級、重複勞動的人們從中抽身，做更多更有價值的工作。富士康工廠所實現的著名的“關燈生產”，就是其公司的工程師與生產者在生產過程中隨時用電子設備控制和監控所有現場流程，機器人不需要有光線，通過傳感器感知，通過虛擬信號來處理工作物件搬運及儲存。通過大數據分析與決策，企業資源儲存量、產品出售量、客戶需求量都能得以測算，從預測生產、計劃生產到現在的模擬訂單生產，不僅能降低企業資源的浪費，還能優化企業現有資源的配置。
優化供應鏈管理。如今的供應鏈管理不同於以往ERP系統，現在較廣泛地稱之為“智能供應鏈”，通過信息技術收集來自用戶的需求數據通過雲技術等技術篩選分析傳到製造廠中，很快可以進行樣品生產及報價，保證了企業的交貨速度。
優化市場分析 。將大量數據進行篩選，將有價值的信息進行計算分析並進一步做出決策，促使製造業從產品導向走向市場導向，再走向客戶需求導向，換句話說，分析顧客行為，從數據中得出顧客的需求，將定製產品的生產問題通過產品重組和過程重組，面向顧客的千差萬別的個性化需求，運用現代一系列高新的信息技術和生產技術，把產品的定製生產問題全部或部分轉化為批量生產，不僅解決了生產效率，也滿足了顧客的特殊需求。
優化產品質量。企業在日常生產過程中，需分析供應鏈中存在的問題，以減少因此環節造成產品的質量差，減少不必要的損失。通過大數據分析，生產過程數據越多，分析就越詳細，在信息量足夠的情況下，生產線上機器人通過自學，對異常點進行分析，從而使得流程設計合理化、目的化，提升良品率。這樣一套較完整的大數據系統，對產品的參數、誤差的校驗更加精確，使得產品的質量水平得以提升。
2、大數據在智能製造應用還需解決的問題
機器學習能力有待進一步提升。智能工廠通過智能製造系統的應用，以及大數據分析和生產環節具備自學能力機器的運用，實現更高程度的智能控制和優化控制。但是就目前而言，機器的自學能力還未達到實施階段，也無法從事超精細工作。
大數據應用程度還有待進一步挖掘。智能製造產業從不缺少數據，但即使產生大量的數據，對數據進行有效科學的收集還較為困難。再者，數據收集完成後還面臨缺乏對信息進行精準分析的工具和與之相配套的設施。所以，大數據與智能製造的結合，需要大數據的分析技術相當成熟。
3、大數據在智能製造中的應用展望
大數據的數據質量和數據分析一直是科研單位和企業單位的重點學習方向，人工智能產業與互聯網產業的相關研究也越來越多，加強大數據在智能製造中的應用還需要進一步發力。
加強大數據平臺的建設以及企業分析管控平臺。目前對大數據的研究主要集中在大數據系統的管理、分佈式存儲和計算、大數據的 ETL 清洗等方面，但缺乏對工業化大數據進行有效性和實效性的建設，缺乏能夠覆蓋企業數據分析全過程的工具。
加強智能製造大數據質量分析體系的建設。目前智能製造行業的大數據質量分析體系還不完善，沒有一個標準化的體系衡量標準，也無法滿足現有的標準化智能產業的發展。只有加強工業化大數據質量分析體系的建設，才能充分發揮出工業化和信息化的市場引領作用，才能夠讓上海製造走向世界。
總而言之，數據是未來製造業的核心要素，而大數據是賦予上海製造"智能"的關鍵。
