描述
所生产的每一个部件的真实形状和尺寸与其期望的规格之间总是会存在一定的差异。这可能是由于生产过程本身引起的，其中一些原因是可预测的而另一些则不可预测。为了确保生产质量，必须分析和检查这些差异，以确保差异处于固定限度内。
“测量”工件的特性是确保方差得到控制的明显方式。这使得数据收集成为评估生产过程输出的关键步骤。对收集的数据进行分析有助于组织识别其流程的有效性以及在何处需进行必要的改进。
数据存储系统的价格下降和网络基础设施的普及对数据系统产生了全球性的影响。各种传感器的不同类型信号和精化单元使用的许多协议所产生的传统困难目前已经减少了很多。这是由于全球范围内“智能”传感器的应用越来越普遍，并且还采用了通信标准。目前的趋势是精化功能会尽可能地靠近传感器，使它们本身能够在网络上彼此通信。然后将详细说明的数据发送到中央存储系统进行存储，以便进行检索和进一步处理。
收集的数据量不断增加，其使用不再局限于部件的简单一致性评估（例如好或坏）。由于技术的进步，我们现在可以提供数据来支持多个工业支持系统的运行：
- 历史学家的数据可追溯性
- 控制分析中的统计过程
- 生产计划系统
- 协助制造决策者的制造执行系统
- 企业资源规划系统
- 数据仓库系统
- 数据挖掘和机器学习系统，能够优化生产过程并支持反应性或预测性维护策略。
随着数据量的增加，处理基础设施也必须增加。存储大量数据的需求促进了结构存储的更多创新技术，例如NoSql数据库和分布式文件系统。 相应地，新技术可增加更多的分布式处理方法和算法。
由于这种变化，还必须调整表示技术，以有效地将数据和生成时间之间的关系传达给用户。表示技术现在可以视为是一门科学。比如，使用从信息图形学科派生的描述性统计方法和表示技术。
