? ? ? ?工业4．0应用产生大量的复杂数据——大数据。传感器和可用数据源越来越多，通常要求机器、系统和流程的虚拟视图更详细。这自然会增加在整个价值链上产生附加值的潜力。但与此同时，有关如何挖掘这种价值的问题不断出现。毕竟，用于数据处理的系统和架构变得越来越复杂。只有使用相关、优质且有用的数据，也就是智能数据，才能挖掘出相关的经济潜力。

? ? ? ?收集所有可能的数据并将其存储在云中，希望以后对其进行评估、分析和构建使用，这仍然是一种广泛采用的挖掘数据价值方法，但不是特别有效。从数据中挖掘附加值的潜力仍未得到充分利用，并且以后再寻找解决方案会变得更加复杂。更好的替代方法是尽早考虑确定哪些信息与应用相关，以及可以在数据流的哪个位置提取信息。可以用细化数据来打比方，即从整个处理链的大数据中提取出智能数据。可在应用层决定哪些AI算法对于单个处理步骤的成功概率较高。这个决定取决于边界条件，如可用数据、应用类型、可用传感器模式和有关较低级别物理进程的背景信息。

?

? ? ? ?对于单个处理步骤，正确处理和解读数据对于从传感器信号生成真正的附加值非常重要。根据应用的不同，正确解读分立传感器数据并提取所需的信息可能很困难。时间行为通常会发挥作用，并直接影响所需的信息。此外，还必须经常考虑多个传感器之间的依赖关系。对于复杂的任务，简单的阈值和手动确定的逻辑已不足以应对。

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2020/1015/1181.html