對于第一次工業革命的發源地，煤炭在英國發揮了巨大的作用。1700年，英國煤產量是世界其他地區的5倍；1800年，是歐洲其他地區的5倍。然而，謎團猶在，英國擁有煤炭，好像是該國逃離農耕陷阱的根本要素。但與此同時，德法日和清朝，都有大面積煤田，卻未得到大規模的開采。煤炭與工業革命的關系值得明辨。實際上，這不是一個煤炭創造了工業革命的問題，而是工業革命創造了煤炭需求的問題。換言之， 英國煤炭工業的飛速發展，只是財富和技術已經到達高水平的一個征兆。
例如某種加工中的切削力的平均值可能達到 1000 Nm。但在大約一半的時間中，這些力要高于 1000 Nm，并在其余的時間內低于這一水平。如果將系統的停機閾值設置為 1000 Nm，當力看起來過高時，系統將停止加工。（請注意，這些圖形顯示的是在 8 微秒內執行的測量，以展示力的變化速度有多快。）在 20 世紀 80 年代是不可能進行如此快速的數據處理的。
就中國制造業而言，知識才是最大的攔路虎。工廠中各種數據，如果沒有領域知識和業務建模的前提，不過滿工廠堆砌起來的一座座數據垃圾山。對于企業而言，必須靜下心來想一想：數據何在？知識何在？這是一種全新的范式，我們并不熟悉它：工業大數據模式，需要先看懂密碼鎖規格，再去找鑰匙。
在中國，企業通過數字化手段對研發、生產、運營和服務的全生命周期進行有效管理，優化運營、提升利潤，有著比全球工業領域更為迫切的需求。有數據顯示，未來15年中國工業互聯網市場規模將超過11.3萬億元。其中91%的企業計劃采用工業云，37%的上“云”企業希望加大預算，繼續用工業互聯網改造傳統制造業。到2020年，中國工業互聯網占整體物聯網市場規模將達22.5%。
就數據的效率而言，我們需要知識自動化；
這些系統采用傳感器和探針來測量切削力、功率、扭矩、溫度、表面粗糙度及聲發射等工藝因素。不幸的是，當時的傳感器技術非常落后，無法提供必要的速度和精度以確保完全有效；計算機的處理速度慢，而且需要更大的存儲器來實時處理大量的數據。此外，先進的數據采集和管理技術在當時也極其昂貴。這些缺陷導致幾乎不可能在加工期間調整參數。這樣就造成了一種魚和熊掌不可兼得或非此即彼的情況。如果收集的數據超過所設定的最大限值，加工工藝會直接停止。最大限值是在并未充分了解和洞察切削工藝的情況下設定的。除了缺少足夠先進的數據處理技術外，還未掌握一個關鍵的概念，那就是在加工工藝的眾多物理現象中，大多數現象—溫度、力、負載—都并非靜態條件，而是不斷變化的動態條件。
工業 4.0 非常重視數字化數據采集、互聯網和云存儲，但這些元素只是解決方案的一部分。最后，directadmin漢化 虛擬主機，必須分析所收集的數據并制作物理模型或示意圖，以說明存在問題的工藝。在網絡物理系統中，會將所收集的數據與示意圖進行比較，系統會生成反饋以執行工藝修改，從而產生所需的結果。工藝控制由工作人員以及能夠在很短的時間內實時分析數據并將其與模型進行比較的計算機共同完成。要制作這樣一個模型，需要充分了解加工。不幸的是，加工代表著一種很難準確描述的現實情況。例如，模型必須能夠識別工件材料的動態屬性，因為工件硬度的變化會產生不同的切削力。不過，要測量每個工件的硬度是不可能的。在某些情況下，工件的硬度可能比材料的標稱硬度高 10%，導致切削力也要高 10%。
大數據帶來了無窮的想象力和無所不能為的信心，隨著消費、政府、物流等大數據行業的快速發展，工業領域內，數字設計、數字工廠、數字制造等概念也一哄而上，仿佛工業大數據已經成為拯救實體經濟的“大力丸”，中國有著規模龐大的各型工業設備、豐富的設備使用場景，中國的工業大數據隨處都是。
