工業(yè)4.0能利用分析大數(shù)據(jù)所得洞見，透過預測性維護、資產(chǎn)優(yōu)化來提升營運效率。但關鍵在于在正確時間將正確數(shù)據(jù)輸入適當模型和預測算法。但數(shù)據(jù)分析師常發(fā)現(xiàn)所使用的數(shù)據(jù)不完整或不可靠，而須設法填充缺失的數(shù)據(jù)。為提升數(shù)據(jù)質(zhì)量管理工作，企業(yè)應從在可信環(huán)境中收集數(shù)據(jù)開始。

根據(jù)報導，機器學習或數(shù)據(jù)模擬等技術雖能改善不良數(shù)據(jù)，但無法解決不良數(shù)據(jù)源的原始問題。此外，這些解決方案通常過于復雜，無法應用于某些用例。而任何數(shù)據(jù)質(zhì)量管理工作都應從在可信環(huán)境中收集數(shù)據(jù)開始。

新設備被添加到連網(wǎng)工廠系統(tǒng)時會對其進行身分驗證。然后，再被授權透過網(wǎng)絡傳輸數(shù)據(jù)，并使用諸如TLS或SSL之類的安全協(xié)議來保護網(wǎng)絡上的數(shù)據(jù)流。但隨著時間推移，工業(yè)環(huán)境的動態(tài)性意味著設備狀態(tài)須持續(xù)更新。

例如，除非主動檢查以驗證設備的持續(xù)真實性或常規(guī)口令更新，否則設備可能已被入侵。設備作為數(shù)據(jù)源的可信賴性的原始認證不再有效，而需要用于連續(xù)更新該驗證的方法。

來自這些設備的數(shù)據(jù)生成和通訊也很關鍵。許多傳感器只傳達事件或改變規(guī)范。以溫度傳感器為例，若生產(chǎn)環(huán)境中的溫度保持在緊密有效的范圍內(nèi)，則傳感器可在很長一段時間內(nèi)不會傳輸數(shù)據(jù)，而無法確認傳感器聯(lián)機是否丟失或發(fā)生故障，因此需要一種方法來驗證傳感器本身的正確操作。

最后，可信設備是在其正確操作狀態(tài)下運行的設備。這意味著設備正在運行并經(jīng)過適當?shù)纳矸烛炞C。對于更復雜的設備，如鏡頭，就要有完整設定的度量方式。

例如，若鏡頭正在收集特定流程或特定區(qū)域中的可視數(shù)據(jù)流以供測量質(zhì)量，信任度量會顯示鏡頭正在傳遞要追蹤的訊息。若鏡頭已破損，企業(yè)都會知道所收集的數(shù)據(jù)無效，不應包含在特定分析中，而且須再次采取措施使設備恢復到其受信任狀態(tài)。