在當今競爭激烈的商業(yè)環(huán)境中，企業(yè)正面臨著前所未有的挑戰(zhàn)，即如何利用大數據，快速而精確地決策以提高生產力。追溯過去，整個制造業(yè)看的是生產力需求。今天我們的需求發(fā)生了變化。

    如何理解工業(yè)4.0的核心驅動

    工業(yè)發(fā)展的早期為支持生產流程而采用簡單的機械系統(tǒng)，這是制造端的生產力需求。而隨著工業(yè)4.0的出現、互聯(lián)網等科技新生態(tài)的飛速全面化，消費者對產品創(chuàng)新、質量、品種以及交付速度的看法發(fā)生了質的變化，這就是我們今天看到的市場個性化需求的根本原因之一。到目前為止，為適應動態(tài)變化的市場需求而采用高度自動化的流水線等新科技，其核心驅動來自消費端。因此，現代制造設備必須具備自我意識、自我預測、自適應對比、自主重配置以及自主維修等工業(yè)智能的能力，才有可能實現全面?zhèn)�性化與創(chuàng)新的發(fā)展。

    在工業(yè)化不同價值鏈的體系下，除了從生產端前移到消費端外，也同時從上游往下游突破。從用戶的最終價值出發(fā)，要實現工業(yè)產品的服務與個性化，實現產業(yè)鏈各個環(huán)節(jié)的融合與協(xié)同優(yōu)化是必然之路。

    美國人之所以認為未來智能工業(yè)的發(fā)展從生產制造端到消費端的轉變是必然，并且提出工業(yè)互聯(lián)網的理念，是因為美國強調的是互聯(lián)網與商業(yè)模式創(chuàng)新力。美國的工業(yè)互聯(lián)網關注的方向是充分利用其信息技術的巨大優(yōu)勢，實現以消費者為核心的智能服務。

    德國在制造業(yè)的核心優(yōu)勢是裝備制造業(yè)以及生產線自動化，所以德國的工業(yè)4.0實踐關注銷售、服務能力的提升。因而德國提出的是信息物理產品系統(tǒng)加物聯(lián)網IOT為中心的管理革命戰(zhàn)略。

    如何理解工業(yè)大數據

    大數據的理念已經廣為大眾所接受，其核心都強調價值。目前，除了大數據的基礎建設之外，從數據到信息的工作，更多的是停留在社交或商業(yè)數據挖掘上。例如，銷售預測、用戶關系挖掘與聚類、推薦系統(tǒng)、觀點挖掘等。這些研究都非常重要，也極具創(chuàng)新意義，特別是對拉動消費很有幫助。但是，這些實踐都只關注了“人為數據或與人相關的數據”，而忽略了“機器數據或工業(yè)數據”，如設備控制器、傳感器、制造系統(tǒng)等。

    產品做出來之后，到底如何使用它？以前關心的是如何生產最好的產品，現在關心的是產品怎么去用，消費體驗在哪里？第一，我們現在對工業(yè)價值的認知必須從后往前移，從消費端走到生產價值鏈前端。第二，從關注機器與機器的數據或工業(yè)環(huán)境數據，到全面協(xié)同優(yōu)化，關注這個價值體系，實現我們對工業(yè)4.0的完整理解。

    工業(yè)大數據的核心支撐力

    在工業(yè)大數據的實踐中，宏觀與微觀、規(guī)模與定制、個性與共性必然成為主要的幾個矛盾。在這三大矛盾的背后，我們要通過工業(yè)大數據看到我們以前看不到的因素，處理好這些數據，就像Jay Lee教授講的，讓數據成為有價值的信息。工業(yè)4.0的五個支撐力值得我們關注。一是降低生產過程中的浪費。生產過程中的消耗來源于組織與組織之間、人與人之間、材料與工藝之間、流程之間，所以我們首先要考慮的問題是，如何降低消耗、浪費。二是制造工業(yè)環(huán)保與安全。沒有碳排放是不現實的，但排放怎么轉移，怎么去消費它是問題。三是根據生產狀況，實現系統(tǒng)自我調整。在工業(yè)大數據里，我們稱之為自適應。整個工業(yè)4.0講的就是自適應、自感應、自調理。大數據分析到最后有很大程度取決于人工智能，指的是自適應能力的強弱，機器自我學習能力的強弱。四是實現制造業(yè)的價值化。五是實現用戶需求、產品設計、制造和營銷的配合。

    這五大支柱的焦點就是顯性因素和非顯性因素。我們曾經關心的是產品的制造、產品的制造工藝、產品本身的質量等顯性因素。考慮的點都是可觸摸的或可量化的。在工業(yè)大數據里，想要解決的問題就是那些非顯性因素。

    設備處于亞健康狀態(tài)，我們看不到。對于未來的智能工業(yè)來說，想要達到零宕機、零排放、零維修等目的，必須突破的一個關鍵點就是關注相關的隱形因素，做好量化與數據交叉關聯(lián)分析。

    工業(yè)4.0到底會帶來什么

    智能分析和網絡物理系統(tǒng)的出現，為我們實現生產管理和工廠轉型提供了新的思路。我們今天賣的已經不再是一個產品，賣的是為客戶創(chuàng)造價值的能力。這里包含三方面：

    管理優(yōu)化的綜合價值鏈：管理是一門藝術，一定是融合的產物。綜合價值鏈體現于信息自動性和主動性到一定的量化后，幫助管理者自動形成生產系統(tǒng)的決策，需要大量的數據交叉模型分析，同時需要全方位地對設備進行綜合管理。

    數字化：數字化是全產業(yè)鏈各個環(huán)節(jié)相互合作的一種新緯度，這是信息物理系統(tǒng)框架的信息虛擬空間的體現。粗放式制造管理的主要表現是訂單式的管理。訂單多了，我就生產;訂單沒有，就假設下個季度它會繼續(xù)有，繼續(xù)生產。結果發(fā)現產品更新?lián)Q代了，市場已經對所生產的產品不感興趣了，企業(yè)倒閉的風險就驟然升高。所以工業(yè)大數據對工業(yè)鏈的管理能為企業(yè)帶來價值。數字化就是如何把物理空間全面對應到數字虛擬空間，把整個產業(yè)鏈目前的狀態(tài)通過數字描述出來，知道消費者在干什么，廠商在干什么，客戶心態(tài)又是什么樣子，甚至可能早于供應商、原廠商掌握這些數字，從而改變產品的設計。

    顛覆性商業(yè)模式：應該關注商業(yè)模式，尤其是商業(yè)模式引導下的服務價值體系創(chuàng)新。德國的戰(zhàn)略就是要改變只賣一次設備、掙到一筆錢的現狀。通過產品的服務，可以一直跟隨著消費者。在全產業(yè)環(huán)節(jié)中，做好做強產品的服務升級換代，能享受更多的服務利潤。

    今天工業(yè)數據并沒有給企業(yè)帶來競爭力，因為數據本身沒有競爭力。 要實現數據競爭力，系統(tǒng)自我學習能力很重要，數學模型就是不斷自我學習和發(fā)展的產物。大數據給數據打上標簽就是一個行業(yè)模式的數字化體現，標簽是跟著管理思路走而不是數據。如何形成全信息空間與物理空間的映射，然后做分析才是我們面臨的挑戰(zhàn)。

    數據信息驅動工業(yè)革命

    首先，今天面臨的第一個挑戰(zhàn)是怎么讓用戶有更好的消費體驗。其次，企業(yè)各部門的豎井沒有打通，缺乏環(huán)境數據，包括類似地理位置信息、設備的生命狀態(tài)等。產品的設定和生產要素，跟流程、工藝都有千絲萬縷的關系，數字化能夠幫我們把這個輪廓勾勒出來。工業(yè)數據通過哪些能力最終形成商業(yè)機會？有四個方面需要關注：

    一是溝通。即設備環(huán)境信號識別。信號識別的關鍵點是信息收集過程中實時性還不夠，信號識別的對象不夠完整和全面，這是建立工業(yè)大數據能力需要考慮的第一個問題。

    二是集成與融合。即大數據的數據平臺。所謂融合就是說，OA、知識庫、ERP、采購系統(tǒng)等所有可觸摸和非可觸摸的數據都應該串聯(lián)起來。這一串聯(lián)工作還有非常漫長的路要走。

    三是分析與決策。我們大數據的建模能力不差，缺的是對行業(yè)理解的投入以及形成模型的能力，以及不斷推倒重建和調整的持續(xù)投入。

    四是創(chuàng)建自助服務文化。機器能夠自我學習和自我調節(jié)。通過焦點轉移到不可見的因素，數據給了我們發(fā)現創(chuàng)新的全新多視角，最終導向了革命性的商業(yè)機會。

    工業(yè)數據“富有”vs.信息“貧窮”

    數據本身不會為你帶來價值，數據的技術也不會讓你的產業(yè)更先進，數據必須轉成信息后才會對產業(yè)產生價值。智能工廠通過與環(huán)境系統(tǒng)的無縫交互，設備能夠有自我意識和自學能力，在未來可以實現更高程度的智能控制和優(yōu)化控制。目前自學設備還遠未達到工業(yè)實施階段。

    工業(yè)大數據給了我們一個看世界的新角度。通過360度全景的數字視角，可能給我們帶來些新的優(yōu)勢，這就是所謂信息技術成為創(chuàng)新驅動核心動力的來源。

    那么工業(yè)數據來源于內源數據和外源數據。企業(yè)內部在運行中，積累了大量的內源數據。互聯(lián)網的今天，外源數據更多。事實上，很多企業(yè)不缺數據，主要問題是數據質量低下以及采集手段不科學。

    工業(yè)數據到底在哪里？我們要什么樣的數據？對于生產價值來講，核心就是工業(yè)物聯(lián)網(IOT)。從智能設備角度，普適計算有很大的空間，現代工人可以帶一個普適感應器等設備來參加生產和管理。所以工業(yè)數據源是大量設備(250億左右)之間的關聯(lián)，這才是我們未來真正需要去采納的數據。

    從今天的制造業(yè)現代化轉型到未來的智能工廠，我們要把管理員與操作員互動的數據、設備機群的數據、流程質量相關的數據，通過傳感器與控制器網絡整合。大數據和云技術是整合的核心科技。大數據環(huán)境中的數據管理與分配對實現自我意識設備和自學設備至關重要。

    數據豐富，但我們的信息很貧乏。目前存在兩個問題：第一個就是數據的有效利用率很低。數據80%在過濾，80%的時間在洗數據，80%的數據是在收集又在重復被洗。由于垃圾數據過多，捕獲數據的效率有時候更低。第二個就是缺乏分析能力，需要大量的好工具。

    我們再看大數據2.0的概念，要做到三個“實”，那就是實時、現實和真實。我們今天的大數據工作大多還在基礎建設。要真正形成工業(yè)“大數據”，我們需要一個集成平臺、預測分析工具和虛擬化工具作為核心的三大構件。

    決策的價值隨著做出決策的時間的增加而削弱。洞察能力時效性非常重要，更好的商業(yè)決策，包括確定決策、收集數據、分析和探索、可視化和交流、執(zhí)行和提高，都離不開洞察力。

    走進“大數據湖”

    數據倉庫架構是大家熟悉的數據分析架構，它對于企業(yè)數據分析有很多貢獻。而工業(yè)大數據湖架構具有數據集中、數據類型全面以及所有數據可實時訪問的三大特性。

    工業(yè)數據湖針對工業(yè)工作量優(yōu)化設計包括：關鍵任務優(yōu)化，解決工業(yè)互聯(lián)網軟件安全性等關鍵SLA問題;快速獲取與儲存數據，其中包括設備數據;支持多種模式與數據類型;高性能分析，使用大規(guī)模并行處理架構;數據治理和融合，利用位置分散的部署方案。

    數據湖的應用非常廣泛。其一，關注客戶(包括消耗：指數據的交易及結果;分析：指數據預測性、規(guī)定性分析及視覺化);其二，關注整個工業(yè)數據湖的結構(包括管理：指集中管理數據及數據類型;流程：指高性能計算)。核心點是在管理和流程改進之后對安全的關注。

    大數據治理規(guī)則與架構。工業(yè)大數據要考慮的是全空間的資產管理目錄，我們可以把數據全部保留、管理，以提高信息價值。其中包括：質量、生命周期、合規(guī)性、元數據及追蹤的要素。相關的解決方案主要集中在：主要安全、數據保護、訪問控制、數據可視等四個方面。

    工業(yè)大數據使用案例之一：

    預測自主維修決策支持分析

    在目前的制造業(yè)里面，大數據可以做兩件事情：一是打造未來的智能化供應鏈，二是把預防性維修、生產轉化成預判性、預測性。這就是一個綠色產業(yè)，包括零排放、零宕機、零維護、供應鏈管理的零庫存等。

    物聯(lián)網(IOT)的發(fā)展以及感應技術的興起，開創(chuàng)了一個能緊密連接物理空間許多事物的信息網絡。隨著分析技術的發(fā)展，特別是預測分析的發(fā)展，結合互聯(lián)網云化的廣泛應用，物理空間與虛擬信息空間的形成與同步，離不開設備的自我意識和自主維修機械系統(tǒng)。智能設備的未來，一定是能夠自主評估健康狀況和退化情況并主動預防潛在性能故障，并且做出維修決策，以避免潛在故障的系統(tǒng)。

    按照Jay Lee教授的看法，一個機械系統(tǒng)，自我意識指能夠評估設備當前或歷史條件，并對評估結果做出反應。要實現健康條件評估，就需要利用數據驅動算法分析從機械設備及其周邊環(huán)境中的數據。實時設備條件信息可反饋至機械控制器以實現自適應控制，同時信息也會反饋至設備管理人員方便及時維修。然而，對大多數工業(yè)應用程序而言，尤其是設備機群而言，設備自我意識還遠未實現。當前診斷或預測算法通常適用于具體設備或應用程序，而在處理復雜信息時自適應和靈活性稍顯不足。由于同一機群中的設備和設備條件彼此互聯(lián)，任務和維修計劃可在機群級得到制定和優(yōu)化。操作員可根據每臺設備的健康條件平衡和調節(jié)每臺設備工作量和工作壓力，從而最大程度優(yōu)化生產和設備性能，實現主動檢修計劃的智能決策。

    工業(yè)大數據使用案例之二：

    助力實現供應鏈優(yōu)化與創(chuàng)新

    第四次工業(yè)革命已在全球爆發(fā)，為各行業(yè)提供了機遇。其商業(yè)模式的特征在于價值鏈橫向合作大幅增長，通過全產業(yè)的數字化互連與設備的實時監(jiān)控，綜合利用分析數據與預見分析，從而更好地滿足客戶的要求。

    一般的供應鏈與全數字供應鏈的區(qū)別在于企業(yè)是否有能力高效地對全供應鏈實現監(jiān)控、報警、預測及優(yōu)化。面對龐大的數量以及日益復雜的數據分析任務，通過工業(yè)大數據來建立智能工業(yè)，其本質是利用自適應機器人與先進傳感器等先進技術融合，實現一個數字化制造環(huán)境的發(fā)展，形成全方位綜合優(yōu)化管理價值鏈。通過在全供應鏈的數字優(yōu)化按需定制和信息實時訪問，供應鏈將變得更靈活。

    未來智能供應鏈可以從生產、需求、服務的三個大方面來實現。首先從市場需要著手，通過工業(yè)大數據，分階段實現需求預測，做好需求與庫存對接的優(yōu)化工作，實現分配最優(yōu)。其次，加大生產質量生命周期的分析，對生產設備做好實時的預測性自維修以提高生產的質量，實現最大化產量和可靠性。最終，產品以服務的方式在市場上流通，實現供應鏈配件的優(yōu)化、售前到售后的服務運營優(yōu)化、保值分析以及建立增值的售后服務盈利模式。

    智能供應鏈應該建立在高度自動化的分析技術和管理平臺上，通過信息技術與運營技術結合形成，來幫助供應鏈的廠商從繁瑣低效的手動工作中解放出來，實現供應鏈智能中心。未來的更智能的供應鏈除了實現智能的支出分析、物料數據分類等主要功能外，其核心旨在加速發(fā)展移動互聯(lián)網、大數據、云計算、物聯(lián)網及其相結合的制造業(yè)。利用先進數據分析和預測工具，對實時需求進行預測與分析，增強商業(yè)運營及用戶體驗，戰(zhàn)勝更復雜的供應鏈挑戰(zhàn)。

    工業(yè)創(chuàng)新要以用戶需求為轉型的核心驅動，借助互聯(lián)網的靈活和廣闊，結合大數據行業(yè)的數據管理與分析技術，通過信息物理系統(tǒng)和決策支持系統(tǒng)，讓我們的工業(yè)物理和信息空間融合同步，實現工業(yè)生產的自我意識和自我學習，形成預測監(jiān)控系統(tǒng)的智能制造業(yè)大數據環(huán)境，幫助企業(yè)做出更“明智”的決策。<