數(shù)據(jù)模型又叫黑箱模型，指基于數(shù)據(jù)的模型，相關的概念包括人工智能，數(shù)據(jù)挖掘，機器學習等。數(shù)據(jù)模型有幾個不足，首先，得有大量的數(shù)據(jù)；其次，數(shù)據(jù)的分布必須合理；其三，分析方法得恰當，否則存在于數(shù)據(jù)之上的模型可能和事實并不吻合。數(shù)據(jù)建模的軟件也很多，例如專業(yè)軟件SAS，而Hadoop與Oracle也提供數(shù)據(jù)分析包，云計算服務商則提供物美價廉的計算服務，機器學習的研發(fā)人員可能還習慣用Python，R語言。還有很多計算工具，如Excel也是非常實用的工具，而Matlab提供非常豐富的機理仿真和數(shù)據(jù)分析工具。從人工經(jīng)驗，到數(shù)據(jù)分析，到機理規(guī)律，是對事物越來越理性的刻畫。完美的建模過程，應該包括三個步驟。人工經(jīng)驗是模糊的，也是引發(fā)思考的；數(shù)據(jù)分析，已經(jīng)在慢慢量化，初步揭示了事物之間的聯(lián)系；深層次的機理規(guī)律才是真正揭示了事物因素間的必然聯(lián)系。嚴謹?shù)慕＿^程，最好是三者吻合，最起碼是兩者互相驗證，互相補充，單純依賴一種結果是可怕的。

例如，傳感器裝再多，也不可能無處不在，因為傳感器需要成本，而且需要有合適的安裝位置。合適的機理模型，加上傳感器數(shù)據(jù)的驗證（或者通過傳感器數(shù)據(jù)確定機理模型的參數(shù)等，專業(yè)術語叫辨識），就可以獲得空間、時間維度更完整的信息。

德國的優(yōu)勢在于人工經(jīng)驗和機理規(guī)律，弱勢在于數(shù)據(jù)分析能力（德國人口少，信息技術和數(shù)據(jù)分析技術很難廣泛頻繁運用，所以數(shù)據(jù)分析技術并不發(fā)達）。所以德國的模型是基于機理規(guī)律的，是直觀的。

日本的精益制造中，非常突出人工經(jīng)驗。而美國的優(yōu)勢在于數(shù)據(jù)分析和機理規(guī)律，弱勢在于人工經(jīng)驗。美國NI公司的最新嵌入式控制器網(wǎng)絡同步精度小于100ns，體現(xiàn)了美國人對數(shù)據(jù)的孜孜不倦的追求。TS16949質量體系，也體現(xiàn)了美國人對數(shù)據(jù)的鐘愛，是早期工業(yè)化與信息化融合的優(yōu)秀范本。

中國在數(shù)據(jù)分析上有一定的優(yōu)勢，弱勢在于人工經(jīng)驗和機理規(guī)律，也就是專業(yè)軟件。長期起來，各類專業(yè)軟件都是盜版的。加上中國產(chǎn)學研脫節(jié)比較嚴重，很多大學的研究成果是無法深究的。如果建立合適的產(chǎn)學研通道，學校的老師和博士還是有能力的。研究成果無法深究，很多時候不是能力問題，而是和社會溝通不夠，從論文到論文，沒有把理論應用到實踐。如何將院所研究與企業(yè)實踐做到完美的融合，是當下中國智能制造急需克服的成果轉化的事情。

綜合起來，人工經(jīng)驗、機理規(guī)律和數(shù)據(jù)分析各有利弊。各個行業(yè)和公司，需要采用合適的建模方法，以最大程度提高公司和產(chǎn)品的核心競爭力。中國當下已經(jīng)有非常低成本的獲取工業(yè)數(shù)據(jù)的辦法（得益于百度云、阿里云的飛速發(fā)展）。數(shù)據(jù)回來了，人工經(jīng)驗分析下曲線，也已經(jīng)可以獲得有意義的信息了；通過數(shù)據(jù)分析，即使是只用Excel，也可以解決很多問題。阿里云對于采集、存儲與數(shù)據(jù)分析都非常低廉。建立統(tǒng)一的工業(yè)互聯(lián)網(wǎng)也許痛苦，但子系統(tǒng)依靠儀表以及原有的控制系統(tǒng)，采集數(shù)據(jù)并不那么難。即使實在不行，還可以借鑒TS16949質量體系，采用表格，也可以回來有價值的數(shù)據(jù)。

工業(yè)化與信息化融合是智能制造的必經(jīng)之路，打磨和應用這三把利刃是最大的基本功。