雖然其中一些技術不是最新技術，但是由于最近成本的下降和易用性的提高，增加了其使用率。這些技術與諸如控制系統和制造執行系統（MES）之類的傳統OT技術相結合，通過提供更多數據以及利用該數據的工具，幫助改制造企業的運營和業務功能?！　?/span>

許多類似的技術，最初都是為信息技術（IT）部門開發的，旨在與其它業務領域進行交互。鑒于海量的制造數據和改進運營的需求，IT正在評估和采用這些工具的可能性。希望利用工業數據的運營團隊，在數據集成方面面臨著挑戰，這增加了部署此類系統所需的工作量。IT行業通過創建提取、轉換、加載（ETL）軟件來解決這些數據集成難題，將業務系統集成到分析系統中。　　

ETL可以從其它系統和數據庫（如客戶關系管理（CRM）和企業資源計劃（ERP）系統中提取數據，并將數據合并到數據存儲中，然后通過清理、調整和規范化數據進行轉換?！　?/span>

為什么之前很少使用ETL解決方案來處理工業數據？原因是工廠中來自控制系統的工業數據，與來自業務系統的交易數據所面臨的挑戰不一樣。對于制造企業而言，了解ETL解決方案中的每個細節，以最大限度地發揮潛在數據優勢至關重要?！　?/span>

運營數據并沒有全部存儲在數據庫中以待提取使用。它可以從工廠中的可編程邏輯控制器、機器控制器、監控和數據采集（SCADA）系統和時間序列數據庫中實時獲得。運營數據必須從數百個設備和系統中收集數據，而不是從少數大型數據庫中提取數據。　　

交易處理系統可以存儲每筆交易的完整記錄，但是在工廠中，并不是所有的過程數據都被保存為“交易”。大規模的離散制造商，無法存儲離線的每個組件的完整數據集?！　?/span>

運營數據的轉換　　

對運營數據的轉換，比IT數據轉換需要考慮更多的因素。　　

運營數據存儲通常定期進行。存儲的數據可以是實際值，例如生產數量，也可以是根據原始數據獲得的統計數據，例如每秒檢查但每小時記錄一次的平均、最小和最大溫度值。PLC數據點通常具有一個地址或名稱以及一個值。數據點僅提供以過程或控件為中心的數據視圖。沒有描述、度量單位、操作范圍或其它描述性信息?！　∮捎诠I數據主要用于控制環境之外的機器維護、過程優化、質量和可追溯性，因此帶來了一定的挑戰性。在這種情況下，必須對數據進行分析和調整，以對機器進行維護，對過程進行流程優化，對產品進行質量和追溯。所需的數據必須相關聯，有時必須轉換為可用格式?！　?/span>

典型的工廠所擁有的機器具有不同的數據。對于分析，必須對數據點進行標準化、規范化，并且在某些情況下使用部件指標來進行計算。分析數據通常不如控制數據那么關鍵。企業使用低成本傳感器收集數據以進行非關鍵分析。傳感器可能會發生故障或漂移。帶有外部數據驗證的冗余傳感器，可以幫助實現良好的數據存儲。　　工業數據的提取和轉換，必須在接近生產機器處完成。這樣數據就可以被就地邊緣分析所使用，并發送到就地數據中心或云端。采用邊緣計算還是云計算主要取決于哪個效率更高。制造企業必須簡化數據集成，以實現工業4.0、智能制造和IIoT的預期價值。