1、五層架構
第一層（基礎設施層）：包括工業生產各類設備、傳感器、PLC控制、傳輸網絡以及物聯網網關等，是工廠的最底層加工單元。主要完成數據的採集、轉換、收集、處理和計算，以及必要的控制。通過統一的接口（如OPC UA），按照傳輸協議（比如工業以太網傳輸協議）連接到工業監測、控制、執行系統中。
第二層（智能裝備層）：設備監測控制系統，比如HMI、DNC、SCADA等。HMI稱作人機接口（也叫人機界面），是系統和用戶之間進行交互和信息交換的媒介，實現信息的內部形式與人類可以接受的形式之間的轉換。SCADA是數據採集與監測控制系統，是以計算機爲基礎的DCS與電力自動化監控系統。可以對現場的運行設備組網進行監測和控制，以實現數據採集、設備控制、測量、參數調節以及各類信號報警等功能。
第三層（智能產線層）：由MES、MOM等滿足不同工業需求的生產執行系統構成，負責拿到任務並進行任務的分配與過程執行。在這個過程中，需要通過網絡和各類接口，向控制層系統或基礎層設備請求所需要的各種參數、變量、狀態和數據，反向控制指令的原理一樣。其技術基礎是與現場設備進行通訊，實現數據的自動化採集甚至智能採集以及反向控制。
第四層（智能車間層）：包括PLM、ERP、SCM、CRM等上層系統。其中，PLM負責產品從研發到報廢的“全生命週期管理”，ERP負責企業內部資源的配置和協調，SCM負責企業資源和外部的對接，CRM負責促進企業和消費者的溝通。
第五層（工廠管控層）：經過層層數據的採集、處理、存儲、分析、利用，最終能夠爲商業決策層（BI商務智能）提供精益的數據基礎。商業決策層將企業中現有的數據進行有效整合，快速準確地提出決策依據，幫助企業做出明智的業務經營決策。
通過以上IT信息化5層架構的打通，能夠打破數據孤島，使得智能工廠從設計、製造、安裝、運維到服務的所有環節都被打通。PLM的設計數據直接進入ERP系統，ERP系統立即調配工廠資源，如需外界供貨則由SCM系統自動調配。
而藉助於CRM系統，整個生產過程可以和客戶保持實時溝通。MES系統在其中起到了信息化和工業自動化的橋樑作用。這一切的基礎是實現軟硬件的結合，用智能信息化系統結合智能產品/智能生產設備/智能測試設備，最終實現整個製造工廠到服務現場的智能化。
2、數據採集
數據採集作爲產品生產和服務運維過程中的信息收集手段，是連接底層工業控制系統與上層信息化系統的橋樑，爲企業信息化提供有效的基礎數據，比如工藝參數、設備數據、質量數據等。數據採集將管理同生產緊密結合，形成“信息源於生產，運維服務數據又最終指導、優化生產”的有效閉環。
2.1 數據採集類型
工業數據主要來源於機器設備數據、工業信息化數據和產業鏈相關數據。不僅要涵蓋基礎數據，還要逐步包括用戶行爲數據、社交關係數據、用戶意見和反饋數據、設備和傳感器採集的週期性數據等各類數據。目前主要包括以下幾種數據採集類型：
（1）海量的Key-Value數據：在傳感器技術飛速發展的今天，光電、熱敏、氣敏、力敏、磁敏、聲敏、溼敏等不同類別的工業傳感器在工業現場得到了大量應用，而且很多時候機器設備的數據大概要到毫秒的精度才能分析海量的工業數據。因此，這部分數據的特點是每條數據內容很少，但是頻率極高。
（2）文檔數據：包括工程圖紙、仿真數據、設計CAD圖紙等，還有大量的傳統工程文檔。
（3）信息化數據：是由工業信息系統產生的數據，一般是通過數據庫形式存儲的，這部分數據是最好採集的。
（4） 接口數據：由已經建成的工業自動化或信息系統提供的接口類型數據，包括txt格式、JSON格式、XML格式等。
（5）視頻數據：工業現場的視頻監控設備產生的大量視頻數據。
（6）圖像數據：工業現場各類圖像設備拍攝的圖片，例如巡檢人員用手持設備拍攝的，或機器人自動拍攝的設備、環境信息圖片等。
（7）音頻數據：語音及聲音信息。例如操作員的通話、設備運轉的音量等。
（8）其他數據：例如遙感遙測信息、三維信息等。
2.2 數據採集方法
（1）傳感器
傳感器是一種檢測裝置，能感受到被測量的信息，並將信息按一定規律轉換成電信號或其他所需形式的信息輸出，以滿足數據的傳輸、處理、存儲、顯示和控制等要求。生產車間中存在許多傳感節點，24小時監控着整個生產過程，當發現異常時，迅速反饋至上位機，是數據採集的感官接收系統，屬於數據採集的底層環節。
（2）RFID技術
RFID射頻識別技術是一種非接觸式的自動識別技術，通過射頻信號自動識別目標對象、獲取數據信息並交換數據。RFID技術可識別高速運動物體並可同時識別多個標籤，操作快捷方便。
在工作時，RFID讀寫器通過天線發送出一定頻率的脈衝信號，當RFID標籤進入磁場時，憑藉感應電流所獲得的能量發送出存儲在芯片中的產品信息，或者主動發送某一頻率的信號。閱讀器對接收的信號進行解碼，然後送到後臺主系統進行相關處理。主系統根據邏輯運算判斷該卡的合法性，針對不同的設定做出相應的處理和控制，發出指令信號控制執行動作。
2.3 數據採集難點
（1）數據量巨大
如果單純是將數據採集到，可能還比較好完成。但是，因爲必須要考慮數據的規範與清洗，所以在存儲之前需要對海量的數據進行處理，從技術上又提高了難度。
（2）工業數據的協議不標準
互聯網數據採集一般都是常見的HTTP等協議，但在工業領域，有ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等各類型工業協議，而且各個自動化設備生產及集成商還會自己開發各種私有的工業協議，導致在工業協議的互聯互通上，出現了極大的難度。很多企業在工業現場實施綜合自動化等項目時，遇到的最大問題就是面對衆多的工業協議，無法及時有效的進行解析和採集。
（3）視頻傳輸所需通訊帶寬巨大
隨着雲計算技術的普及、公有云的興起，大數據需要大量的計算資源和存儲資源，因此工業數據逐步遷移到公有云已經是大勢所趨了。現在一個工業企業可能會有幾十路視頻，成規模的企業會有上百路視頻，如此大量的視頻文件如何通過互聯網順暢的傳輸到雲端，也是需要面臨的巨大挑戰。
（4）對原有系統的採集難度大
在實施大數據項目時，數據採集往往不僅僅是針對傳感器或者PLC，而是採集已經部署完成的自動化系統的上位機數據。這些自動化系統在部署時，廠商水平參差不齊，大部分系統是沒有數據接口的，文檔也大量缺失，大量的現場系統沒有點表等基礎設置數據，使得對這部分數據採集的難度極大。
（5）安全性考慮不足
原先的工業系統都是運行在局域網中，安全問題不是突出考慮的重點。一旦需要通過雲端調度工業之中最爲核心的生產能力，又沒有對安全的充分考慮，造成的損失是難以彌補的。
3、數據展示
數據採集、處理之後，需要對採集數據進行展示，例如智能產品/智能生產設備/智能測試設備運行狀態報告，可以顯示出當前每臺設備的運行狀態，是否空閒、空閒時間多少、是否加工中、加工時間多少、狀態設置如何、正在運行中或是出了故障等。
數據展示需要對採集到的項目數據提供多種報表的展示，例如設備綜合利用率OEE報表，能夠準確清楚地分析出設備效率如何，在生產的哪個環節有多少損失，以及可以進行哪些改善工作。設備實時狀態跟蹤、能耗看板，將生產現場的設備狀況第一時間傳達給相應的使用者。企業通過對工廠設備狀態的實時瞭解，可以實現即時、高效、準確的精細化設備管理。
