由于人类观察者的使用成本相对较高（相比那些更新的技术而言），因此他们的使用范围十分有限，使用时间也较短，而且通常需要采用抽样调查的方法来进行观察。
适当的技术能够为某一事件收集大量数据：温度、运动轨迹、持续时间、加速度、所受的作用力，以及那些传感器被设计用来检测的其他各种信息。这些设备能够记录下每一事件发生的所有细节，而不仅仅是部分样本数据。
每个数据点的采集成本显然更有利于采用技术手段来进行数据收集——这不仅是因为数据量的庞大，更因为数据的质量（也就是准确度）更高。在不久的将来，这些技术的成本还会进一步下降，从而使自动数据收集几乎变得免费。
由于收集到了海量的数据，因此我们可以运用大数据技术来处理这些数据；不过，在这种特定情况下，“大数据”这个概念其实有点名不副实。不过，随着越来越多的智能设备与传感器被广泛应用到各个领域（比如物联网、智能工厂等等），数据量将会进一步大幅增加，这将使我们能够对庞大的数据集进行分析、挖掘其中的关联关系，以及执行各种其他数据处理任务。
我坚信，在不久的将来，大多数<#>价值流图都将由这类设备或数据集自动生成，并能够实时更新；用户还可以根据需要放大细节部分或缩小视野以获得更全面的视图，等等。
这些系统将能够预先进行分析，并动态地识别出流程中的瓶颈环节及那些优化程度不足的部分；如果需要的话，它们还能自行提出改进措施，甚至直接进行相应的调整。
- 具备机器学习能力的人工智能会根据存储在其几乎无限大的内存中的各种场景信息，或者根据其对潜在问题的预测，提出相应的改进方案。
- 物联网的本质在于各种物体能够相互交流、进行互动。
那么，当精益生产真正实现数字化之后，人类还会剩下什么工作呢？