从1969年开始，互联网最先是美国国防部在使用。90年代中期互联网开始进入商用，中国就是在那个时候接触互联网，近20年以来互联网诞生了一大批知名企业，也在深刻影响着传统企业的销售模式、普通大众的消费模式，人们的生活方式已经发生了巨大的变化。互联网的应用从早期的电信服务、媒体服务、数据服务、金融服务正向产业服务阶段发展，尤其是随着移动互联网、大数据、物联网等新技术与制造业的融合发展，必将引发产业巨变，推动传统制造模式向智能制造模式的转变，一场新技术驱动的产业巨变已经开始！
2015年中，国务院印发《中国制造2025》，部署全面推进实施制造强国战略。配套“互联网＋”和“大数据”等多项措施，“智能制造”被定位为中国制造的主攻方向，其中大数据广泛而深入的运用是“智能制造”战略的重要支撑。后金融危机时代，西方发达国家纷纷调整产业政策，提出“制造业回归”，为此，美国提出工业互联网，德国提出工业4.0计划，核心都是希望依靠科技创新，通过现代信息网络技术与现代制造技术的融合，进而生产智能化的设备，继续抢占制造业制高点。德国工业4.0的核心是以信息物理系统（CPS）网络为基础，通过三项集成（纵向集成、横向集成、端到端集成），开展八项计划，实现智能生产、智能工厂、智能物流、智能服务。其中构建信息物理系统既是基础，也是核心。
无论德国工业4.0，还是中国制造2025，其核心都是智能制造。实现智能制造离不开运营模式创新、生产模式创新、商业模式创新。也就是在实现智能研发、智能管理、智能物流等创新的运营管理基础上，引入智能化的装备、智能化的产线，构建智能车间、智能工厂，进而生产出智能化的产品，并提供智能化的服务，实现商业模式的创新。
制造业大数据不仅仅意味着企业简单的数字化，而是需要把数据作为智能制造的核心驱动力，利用大数据去整合产业链和价值链。目前来看，制造业大数据基本就是两类，一类是人类轨迹产生的数据，另一类是机器自动产生的数据，这两类数据构成了我们今天的大数据多结构化数据源，随着时间的推移，进行制造业大数据分析的需求将越来越大，如果不投资大数据及大数据分析，从中获得信息，智能制造所追求的高效智能将无法实现，在工业大数据的领域里，我们除了要继续关心“人为数据或与人相关的数据”，更多要关注“机器数据或工业数据”与用户行为数据的融合。
随着工业4.0的推进，工业中产生的数据越来越多，中国制造业急需构建自己的大数据分析平台，深入连接用户和工厂数据，驱动产业升级和创新，提升竞争力，占据全球产业链更高端。东方金信自主研发的海盒大数据平台，融合多种类型数据库，大幅提升平台性能，实现海量数据的高速处理和精准分析，为制造企业提供高效的智能制造大数据解决方案以及智能服务，基于对中国制造2025、制造业与互联网融合相关内容的研究，结合对制造企业转型智能制造需求的理解，给出如下智能制造整体解决方案：
海盒大数据智能制造整体解决方案由智能决策、产业互联、智慧管理、智能工厂、基础平台五个层面构成，整体上体现了产业链集成、价值链集成与纵向集成，最底层是以海盒大数据平台为核心的基础平台。第四层是结合现代互联网技术、物联网技术，实现生产智能排程、智能调度、智能数据采集、智能物流、智能监控，促进生产过程智能化；第三层是以设计制造一体化、协同制造、质量管控、管理会计、共享服务为核心的智慧管理；第二层是以互联网营销、个性化定制、云端设计、互联网采购、云服务为核心体现制造业与互联网深度融合的产业互联;最上层是以大数据分析为主的智能分析、智能决策；从整体看，制造企业信息化建设呈现由中间向上下两端延伸态势，向上与互联网化融合、向下向智能工厂延伸，自上而下，互联互通。
工业是国民经济不可或缺的一环，也是一个国家强大竞争力背后的力量支撑。发展大数据是个过程，最终目的是为了利用大数据，对工业企业起到作用。在工业企业生产制造产品的过程中，通过数据采集和分析，可以提供信息决策支持，在产品的生产流程、上游供应链、产品质量、生产管理控制、研发设计、下游供应链、远程维修维护等环节起到重要作用，工业大数据的应用主要体现在以下环节：
1、生产流程:有些企业在各生产环节的状态并非最优，导致开机率不高。为了提高产品生产线的运转效率，可以利用大数据技术进行分析和处理，帮助企业提升效率和收益；
2、上游供应链：在工业领域上游供应链中，如果产品零部件生产过多，不仅会产生大量库存，还会占用企业现金流，资产产生损失。大数据可以帮其预测订单量，降低产品库存压力和生产成本；
3、产品质量：在企业产品生产中，通过数据分析，可以找出产品不合格的生产环节和原因，从而改善生产流程或原材料；以企业生产的产品残次品率分析为例，建立原材料等数据模型，对不合格产品生产情况作出预警，减少残次品率。
4、生产管理控制：很多大型制造企业有多条产品生产线，从企业核心管理角度来看，把不同工厂的产品数据汇集在一起，用可视化分析方式呈现给核心管理层，帮助其调整企业的生产安排和生产策略，大数据在里面能够起到更高层次的决策支持作用。
5、研发设计：中国制造业在产品设计方面的自主创新能力比较弱，很多企业的研发设计不成体系和流程，很多设计图纸的数据化程度不高，大数据技术可以做到知识有效积累。当企业招募新工程师后，可以通过以往设计数据，接受新的工作知识和任务。
6、下游供应链：即在产品生产完以后，给到客户的环节。对于大中型制造企业来说，当客户下完订单以后，可以积累产品备料时间、出库时间、物流公司等数据，让客户知道订单状态。从下游供应链来说，这也是对制造企业的提升；
7、远程维修维护：在产品售后服务和产品改进过程中，利用传感器、互联网产生的数据，将产品故障实时诊断变为现实。以风电机组的故障预测系统为案例，当企业的液压系统油缸密封套出现腐蚀故障后，可以依据信息系统记录的液压系统维修历史数据，比对相关状态工况数据(装备物联网数据)，以及引入互联网上的历年工程建设数据，推断出密封套腐蚀故障的主要诱因。
将大数据技术应用在以上工业场景中，目的是为了帮助企业通过技术创新，取得技术优势和抢占市场先机，为企业创造价值。在实现智能制造过程中，产品的质量、价值、价格是永恒的话题，在利用大数据提供高品质产品的同时，也要提高产品生产效率，可持续的控制产品成本。另外，用户个性化需求是必然发展趋势。利用大数据搭建用户画像，得知用户心理，企业做产品时才能快速做出决策，提供给客户高品质的产品。同时，通过产品制造过程中的信息分析和处理，能够柔性生产、组织产品，满足整个产业链的需求，才能提升制造企业的智能化水平。