工业大数据具有较强的专业性、关联性、流程性、时序性、分析性等特点。而车间中工业大数据的应用可从六大层面去看，即过程监控、协同管理、数据可视化、追溯管理、预测性分析、优化提升。

（1）生产过程监控。可随时监控生产设备状态、制造参数，以及车间产品计划、进度、库存、质量等信息。

（2）生产过程协同管理。以数据为介质，通过信息的传递、共享等方式，谷器MES使实现车间各工种、各任务、各设备的协同生产，可有效降低由于信息传递不及时、不准确造成的等待或错误，能够明显提升整个车间的运营效率。

（3）数据可视化。高效利用沉淀数据，通过对数据的分析与处理，形成计划、执行、库存、质量、设备等多维度的智能报表，通过分布图、趋势图等多样化的展现形式，在电脑、看板、手机等多终端更直观、形象地展示，有助于及时清晰的发现问题，帮助管理者进行实时决策，实现精益化生产管理。

（4）追溯管理。发现问题后，可通过历史数据查询当时的物料、设备、人员、生产参数、质量等数据，再现当时的生产状态，便于快速找出原因，界定责任，制订整改措施，避免问题再次发生。

（5）预测性分析。通过APS、设备预测性维护、工业大数据分析等模块，实现计划、生产、设备、质量等要素的预测性分析，未雨绸缪，确保生产效率更高、质量更优、成本更低，提升企业竞争力。

（6）优化提升。通过人、机、料、法、环、测等多维度数据，分析出进度、质量等与之相关的因素，对随时可能发生变化的生产状态和条件做出快速反应，重点削减不会产生附加值的活动，从而推动有效的工厂运行和过程，帮助管理者进行实时决策，有效提升现场效率。另外，在对历史数据分析的基础上，制订出更优的生产计划、库存、制造参数等，进一步优化相关工作。

车间每天不仅运行、产生着大量的工业大数据，还有着自己不同的应用场景。