眾所周知，物聯網的建設離不開大數據，而工業領域的大數據又分為四大類：物聯數據、工程類數據、公共資源數據和管理類數據。其中，和工業物聯網關系密切的就是物聯數據。在傳統的工業體系中，只能由人作為數據采集終端，用流程來固定設備的運行和工作，最后利用指標來衡量和評價組織的效率。而基于工業物聯網的企業可以將人和物連接起來，再使物與系統產生聯系，也就是把數據采集端由人變成物，由系統或人進行數據的分析和決策。基于這種大數據技術的物聯網在工業領域的應用非常廣泛，典型的要數車間的產品制造和生產管理。在車間內部，物聯數據的應用主要有三個方面。

　　物聯數據的組織方式

　　車間物聯網一般通過無線網絡通訊、導航定位、語音視頻系統、射頻識別設備和傳感網絡等組件，把制造流程和制造資源連接起來，形成人力、機器、原料、環節信息鏈，從而對這些資源進行自動化的跟蹤、定位、識別、管理和監測。資源有兩種屬性。分別為靜態屬性和動態屬性。

　　例如，車間內的一個智能機械手臂有設備編碼、設備分類、設備名稱、管理信息工作環境、切割參數、進給速度等靜態屬性，也有維修記錄、設備負荷率、設備完備率和機械臂狀態等動態屬性。靜態屬性不隨時間和生產的變化而變化，并在生產計劃開始之前就已經確定，是車間管理維護中的恒定數據。而動態屬性隨著時間的推移、生產過程的進行和人為的修改而發生變化，可以這樣說，動態數據就是一直處于變化之中的數據，車間物聯網的數據有80%以上都是動態數據。下圖就是車間物聯網的數據體系架構，從中可以直觀地看出動態數據的數量和分布特點：

　　物聯數據的管理方法

　　車間物聯網是一個非常繁瑣的數據系統，它涉及數據管理的方方面面，包括數據存儲和分析、復雜事件處理、數據集成和融合、數據質量控制以及安全訪問機制等。

　　數據存儲和分析很好理解，就是利用大型服務器或者云服務器將數據保存下來，然后利用云計算進行分析和處理。此外，其他四個方面則需要重點說明。

　　（1）數據質量控制。工業物聯網的數據質量一般用完整度、置信度和精確度三個指標來確定，而數據質量包括射頻識別質量和傳感器網絡數據質量等方面，采取的控制方法有清除誤讀、多讀和冗余數據，將漏讀的數據填補或者用概率統計和時空關聯進行數據清洗。

　　（2）數據集成和融合。物聯網數據空間具有類型多、異構和無統一規則等特點，所以，集成與融合可以分為五個方面：①車間內部的制造資源瞬息萬變，這種變化很容易對數據的同一性、版本和模式更新等產生影響，所以要能及時的記錄數據的變化過程；②以聚合數據模型為基本，研究怎樣把異構的信息映射和轉換到統一的數據框架中；③物聯網中的數據都是獨立分布的，在數據融合過程中，有時候需要自發探索出數據源；④為了尋找數據的溯源，一定要記錄每一組數據的來源；⑤車間內的生產資源是不斷變化的，這影響到了數據模式的更新、版本和一致性。

　　（3）復雜事件處理。在典型的車間物聯網中，復雜事件的處理一般依靠上層系統。該系統可以監測各個部件的行為和狀態，并控制部件按照一定的程序做出正確的反應、完成一定的工作，而物體的行為一般靠事件的形式來表達。

　　（4）安全訪問控制。開放性是物聯網的一大特點，有促進物聯網飛速發展的作用，但同時也帶來了不小的安全隱患。物聯網系統中的海量數據和信息很容易被黑客通過技術手段破壞和修改，如果對方結合信息檢索技術和推理技術，就有可能推算出物聯網中的隱私數據，這給工業物聯網的安全問題增加了不小的挑戰。

　　物聯數據的應用模式

　　（1）物聯車間的生產管控。車間生產控制和管理中心作為整個生產的“大腦”，需要調度和計劃車間的各項資源和工作能力。該區域通過集成MES、MDC、ERP等系統數據，以液晶大屏幕作為載體，顯示出各個車間的生產情況、突發事件、改造情況和任務追蹤等，并結合精細生產理念，對各個工作單元進行生產工作的全程管理、統計、歸納、預測和分析，實現數據的透明化管理，直觀地展示企業生產任務的執行情況，提供更加準確的決策分析，確保生產任務可以準時順利地完成。

　　（2）物聯車間的質量控制。有時候，工廠生產的產品次品率很高，而且原因復雜，看似很難解決。例如，很多生產鋼鐵的車間加工出的成品鋼材表面會形成一種縱條紋裂痕，不僅影響產品的效果和外觀，還對產品的電磁性、碟片和層間電阻產生不小的影響，最終給對企業帶來巨大的損失。而數據挖掘技術卻像一根救命稻草，它可以對生產工藝流程和生產環境進行數據分析和整理，篩選出影響產品質量的所有可能原因，并建立優化模型，降低次品率，提高生產效率和質量。