今日大数据资讯（工业大数据篇）看点：

国内工业大数据发展史

——近期整理了工业大数据在国内发展的里程碑事件，通过梳理工业大数据发展逻辑，为工业企业和大数据产业生态发展提供思路。好资料，值得收藏！

       工业大数据分析2016/2017

——全球知名物联网咨询机构IoT Analytics与德国数字化分析协会（Digital Analytics Association of Germany）联合发布了《工业大数据分析报告2016/2017——工业领域大数据分析应用现状》。通过数据挖掘方法、数据仓库、客户端/服务器系统以及最终的大数据存储的创新，分析的作用进一步增强，这一发展导致了分析驱动的决策。目前，由于机器学习工具和物联网的出现，决策分析越来越受到关注。许多决策现在已经开始基于数据和分析，通过自动化方式实现，而且通常是实时的。大多数决策者意识到工业大数据分析在重要决策和流程自动化过程中所起的重要作用。

        技术应用为重《工业大数据白皮书》发布

——随着互联网与工业融合创新，智能制造时代的到来，工业大数据技术及应用将成为未来。2017年2月18日，《工业大数据白皮书》在全国信息技术标准化技术委员会大数据标准工作组(以下简称“工作组”)由工信部和国标委共同指导下正式发布。(白皮书下载地址：http://wenku.it168.com/d_001708093.shtml)

数据“沉睡” 制约工业大数据产业发展

——未来五年，全球数据量将呈指数级增长。但庞大的总量却并不意味着完全有效的开发利用。《经济参考报》记者采访了解到，除了技术瓶颈外，开放和合作的障碍正在让大量数据陷入“沉睡”。数据原材料的缺乏与信息“孤岛”的形成，严重制约着工业大数据产业的发展。

德国工业4.0的精髓，国内大多数企业都理解错了!

——目前国内的自动化项目都号称4.0，但绝大部分无法实现柔性制造。所以在笔者看来，中国企业谈4.0只是按照自动化集成去理解，并没有真正领会生产模式变革的意义。本文将为您详细讲解什么叫德国工业4.0的精髓！

工业互联网开创万亿大市场

——“互联网+”、"中国制造2025"两大国家级战略正在全面实施，而工业互联网的发展前景也受到越来越多的关注。今年全国两会期间，不少代表委员都表示，在我国制造业转型升级的大背景下，工业互联网作为促进这一进程的重要手段，也将迎来千载难逢的发展机遇。在政策和市场的双重利好下，阿里、三一重工等中国企业也都在抢先布局，利用大数据、物联网提升智能制造水平、服务能力、工业资产管理能力，力争在世界舞台上实现中国智造弯道超车。

构成“工业4.0”的7个核心软件开发工业技术领域

——“工业4.0”，或者说是第四次工业革命，不仅是德国工业的发展趋势，也是今年世界经济论坛的主题，它可以被看做制造业和工业面向未来的世界性运动。然而，目前尚不清楚哪种工业技术将引领制造业的未来。但是通过分析过去六年里的“工业4.0”领域的核心技术，也许可以给予我们启示。深度好文，值得一看！

详细内容：

国内工业大数据发展史

大家都知道，消费互联网在中国的崛起在数字上的表现，就是世界排名前十的公司中有四家来自中国。与之相对应的是，基于大数据的优势，逐渐发展起大数据分析与云计算，如阿里云，已经站在世界的舞台上与亚马逊AWS同台竞争。

本文引用地址：http://www.eepw.com.cn/article/201704/358220.htm

但工业数据涉及到工业制造企业及其上下游，中国制造业基础普遍很差，按照当下业界专家的认识，制造企业普遍处于工业2.0至工业3.0之间，部分企业刚越过工业3.0，自动化和信息化融合能力还欠缺。这种数字化基础现状造成工业大数据发展上的困境。

笔者近期整理了工业大数据在国内发展的里程碑事件，通过梳理工业大数据发展逻辑，为工业企业和大数据产业生态发展提供思路。

2014年，中国电子技术标准化研究院开展工业大数据相关研究，承担工业大数据等多项智能制造专项，相关成果不断向江苏省等地方推广应用。

2015年8月，中国工业大数据创新发展联盟在工信部指导下成立，主要研究制定工业大数据创新发展指导意见，交流展示两化融合发展的成功经验。

在[标准方面]，2015年12月，工信部、国标委联合发布的《国家智能制造标准体系建设指南(2015年版)》，指南中确定工业大数据属于智能制造标准体系五大关键技术之一，并定义了工业大数据标准。

2016年8月，12日，工业互联网产业联盟(AII)工作组第二次全会在北京成功召开，会议审议了联盟总体组工业大数据等三个特设组。同期通过的《工业互联网体系架构(1.0版)》将数据与网络、安全作为推进工业互联网的三大核心要素，凸显了数据在工业互联网链条中的核心价值，成立[工业大数据特设组]意图加强工业企业数据在企业的发掘与应用，逐步建立基于数据驱动的成本降低、流程优化、精准决策及新应用模式探索。

2016年9月，工信部和北京市经信委指导成立北京工业大数据创新中心，致力于打造核心技术突破、应用推广、标准制定、产业孵化、人才培养和国际合作六位一体的工业大数据产业协同创新基地。

2016年10月，清华大学数据科学研究院成立了工业大数据研究中心，实现跨信息学科与工业学科的大数据研究融合，旨在打造自主创新的工业大数据平台。

2016年11月，在工信部指导下，中国电子技术标准化研究院联合智能制造相关领域的系统解决方案供应商、行业用户和研究院所共同发起成立智能制造系统解决方案供应商联盟。

2017年2月：中国电子标准化研究院(四院)和全国信息技术标准化技术委员会大数据标准工作组作为主编单位联合发布了《工业大数据白皮书(2017版)》。理清了工业大数据的定义和特征，工业大数据与智能制造、工业软件、工业云之间的关系，阐明了工业大数据标准体系和参考架构，并对国内工业大数据应用现状、领域和形势进行了评点。这可称得上是国内第一部在工业大数据领域的总结梳理报告。

2015年9月5日，发布了《促进大数据发展行动纲要》，系统部署大数据发展工作，《行动纲要》是到目前为止我国促进大数据发展的第一份权威性、系统性文件，从国家大数据发展战略全局的高度，提出了我国大数据发展的顶层设计。

《行动纲要》特别提到，要推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，特别强调将大数据技术与工业化之间的结合。

2017年1月17日，国家发布了《关于印发大数据产业发展规划(2016-2020年)的通知》，该规划指出，要加快工业大数据基础设施建设，推进工业大数据全流程应用，培育出数据驱动的制造业新模式，为工业大数据的发展指明了方向。

工业大数据尚处于起步阶段

从上文的分析中我们可以清晰地看到，工业大数据应用潜力巨大。但是，就目前的状况来说，工业大数据的广泛运用仍存在一些技术障碍，目前工业大数据仍处于起步阶段。在德国工业4.0战略、中国工业制造2025规划等的推动下，预计在2025年前后，工业大数据市场将驶入发展快车道。

在这三大因素的驱动下，预计未来工业大数据市场将成为下一个蓝海。根据根据前瞻产业研究院发布的《2017-2022年中国工业大数据产业发展前景与投资战略规划分析报告》预计，到2022年中国工业大数据市场规模有望突破1200亿元。

来源：军观察

原文链接：http://www.eepw.com.cn/article/201704/358220.htm

工业大数据分析2016/2017

一.工业大数据分析介绍

“数据是新的石油”：是一种非常宝贵的资源，如果正确处理得当的话，对全球商业运营和巨额财富来源变得越来越重要。分析对于数据，好比提炼对于石油，将资源变成有价值的产品的过程。

工业分析的兴起：数据分析的价值在工业企业中变得越来越重要。这一趋势得到3个主要因素的推动：

• 下一代工业基础设施（工业4.0）

• 连接机器和产品（物联网）

• 先进的数据分析技术（数据分析）

1.1 工业4.0：新一轮产业升级

在过去的二百多年中，发生了三次工业革命，我们正处于第四次。

图1：下一轮工业大数据分析的驱动力

• 工业1.0：两个世纪前，詹姆斯·瓦特的蒸汽动力技术创建了新型机械制造技术。这导致了第一次工业革命，其特点是机器生产。结果是生产力的跨越式发展，并出现了全新的细分行业，如纺织、化工、冶金等等。

• 工业2.0：二十世纪初第二次工业革命。 亨利·福特发明了生产/装配线，实现了新的批量生产和分工。 这场革命的主要驱动力是电能的普及。

• 工业3.0：第三次工业革命始于20世纪70年代初，其特征是越来越多地使用电子、集成电路和IT系统来实现一种新型的自动化生产（例如通过使用自动机器人）。

• 工业4.0：正如许多业界领袖、科学家和工程师指出，世界目前正处于第四次工业革命的早期阶段，即将要为经济和社会带来另一个重大变化。

第四次革命的特点是物理系统和数字系统之间的连接。信息技术和工业自动化的融合正在创造出全新的技术体系结构，从而使生产率得到进一步提升，以及产生新的数据驱动型商业模式。工业4.0的另一个主题是加速产品个性化向批量化迈进。

与之前的三次革命不同，工业4.0不是由一个发明，如蒸汽动力或集成电路，而是技术进步的融合。网络物理系统经常作为工业4.0的核心技术，它描述了硬件和软件组件如何在具有物理输入和输出的复杂网络中进行交互，其它技术包括3D打印、增强现实和云计算。

1.2 物联网：在线提供数十亿种产品和设备

互联网本身最初是为了连接电脑而设计的，随着时间的推移，它已经扩展到连接手机和平板电脑。物联网还将连接日常生活中使用的任何其它物理设备，如汽车、机器、工业产品等等。

到2020年，不论连接物联网的设备是否会达到两百亿到五百亿，事实上仍然会有大量的设备，比目前的电脑或智能手机数量还要多。麦肯锡全球研究所预测，到2025年，物联网将为全球经济创造高达11万亿美元的价值。

物联网（IoT）被某些人视为工业4.0的组成部分，有时两者互换使用。工业物联网描述了能够在工业环境中相互通信和共享智能的机器和产品网络，以优化相关的工业操作。

虽然工业物联网利用基于IP的网络和云连接，但除此之外其它类型的工业通信并不是那么新奇。例如，内部部署的工业自动化系统（例如PLC / DCS和SCADA系统）已经存在多年。一些汽车行业一直在使用蜂窝方式的机器到机器通信（M2M）。随着其它通信方式的出现，M2M现在可以被看作是整个物联网架构的一个潜在连接模块。

与建立在私有或M2M连接类型之上的系统架构相比，物联网承诺实现更便宜、更灵活和不那么固定的架构，从而满足全新的应用场景。物联网的后端架构不仅仅采用私有方式部署，而是不限于蜂窝网络的连接。因此，过去孤岛封闭式的解决方案被更多的模块化概念所取代，其将多个专业服务提供商的构建模块连接起来。新的云架构（例如，物联网平台）和新的通信方法正在出现（例如，低功率广域网），其结果是连接设备和机器的成本和能耗需求继续快速降低。

1.3 数据分析：智能的前沿阵地

数据分析描述了解析数据的过程和方法，目的是提取有用的见解，优化流程并做出更好的决策。

最近的技术进步使数据分析能够在更广泛的场景和更复杂的方式中使用。两个重要的驱动因素是：

• 大数据架构：巨量而复杂、通常是非结构化的数据集收集功能已经很强大了。今天，有一些一流的NoSQL数据库和数据管理工具，具有所需的处理能力和服务器基础架构。

• 人工智能/机器学习：一些人工智能工具和机器学习算法可用于执行各种分析。这些工具通常是开放源代码的，可供任何人免费使用，用于其数据分析项目。

二.工业大数据的分析及其意义

2.1 历史回顾——分析如何演变为自动化决策

数据分析的数学基础是在18世纪、19世纪和20世纪初建立起来的，但分析诞生于20世纪50年代和60年代，当时第一台计算机用于运营决策支持，这项工作包括负责描述性分析和报告编写的专家小组。例如，在设备维护中，分析故障率以辅助维护相关的决策，例如对哪些设备及何时进行测试。

图2：工业环境下分析的演进

早期用于查询和报表的分析工具，是作为计算机专家的DIY解决方案出售的。在20世纪70年代中期，几家供应商开始提供工具，允许非程序员深入了解数据访问和分析的世界，从而开创了商业智能领域，并支持下一级结构化分析功能的决策。例如在维护中，使用（事前和事后）模式识别生成预防性维护计划，关键设备根据其计算的故障概率进行智能监控。

通过数据挖掘方法、数据仓库、客户端/服务器系统以及最终的大数据存储的创新，分析的作用进一步增强，这一发展导致了分析驱动的决策。例如，在维修行业，状态监测成为常态。状态监测导致关键传感器数据的可视化，从而使人们对设备状态和关键任务（如要替换哪个轴承）进行实时查看和执行。

目前，由于机器学习工具和物联网的出现，决策分析越来越受到关注。许多决策现在已经开始基于数据和分析，通过自动化方式实现，而且通常是实时的。

维护行业正在进一步发展：60年后，故障率分析正在成为预测性维护。传感器数据被实时分析，算法能够对单个设备的剩余寿命做出预测。在许多情况下，这些过程变得如此自动化，使得决策过程不再需要人工交互。

2.2 现状——企业已认识到其巨大重要性，但尚未启动相关工作

大多数决策者意识到工业大数据分析在重要决策和流程自动化过程中所起的重要作用。69％的受访者认为在未来5年数据分析对于业务成功将变得至关重要。不过，只有15％的受访者认为目前已经很重要了。

虽然68％的调查对象表示他们拥有公司级的数据分析战略，但46％的受访者表示他们公司拥有专门的数据分析部门。只有30％的公司已经完成了实际项目（在剩下的70％中，大多数公司正在进行相关项目或正在进行原型设计）

2.3 价值驱动力——工业大数据分析增加新的收入来源

当深入了解当今数据分析项目的价值时，应当将其产生的收入来源与其导致的成本降低分开来看。

工业数据分析项目的最大价值驱动因素显然在于客户和创收方面。增加收入是主要驱动力（33％比例），其次是通过更好的服务或更个性化的产品（22％比例）来提高客户满意度。

效率提升和成本削减的得分非常低，只有3％（比例）的受访者将这些方面视为工业数据分析的主要优势。

那么企业应该如何考虑创造收入或降低成本呢？

2.3.1 增加新收入的三种典型方法

• 升级现有产品：通过新功能增强现有产品（例如，施工设备制造商现在提供了一个附加功能，可以在整齐的仪表板中实时跟踪车辆）

• 改变现有产品的业务模式：一个重要主题就是向产品即服务转型（例如，由于能够实时分析数据，压缩机制造商现在根据压缩空气的体积计费，而不是一次性出售压缩机设备）

• 创建新的商业模式：一些公司开始在连接的生态系统中启用新服务（例如，保险公司越来越多地与工业公司合作，创建所谓的基于使用的保险包，例如基于个人驾驶行为的数据）。

2.3.2 降低成本的三种典型方法

• 数据驱动过程优化：分析结果通常可以在操作工人的仪表板中可视化。这些实时的分析结果可以指导员工的操作（例如，无论车间位于何处，平板电脑上的智能工厂楼层仪表板可帮助生产主管优化日常生产操作）。

• 数据驱动过程自动化：随着越来越多的工业流程和工作流程变得自动化，智能数据模型有助于实现较少人力干预的协同工作（例如，在制造过程中对产品进行实时故障检测有助于自动降低废品相关的成本）。

• 数据驱动的产品优化：分析可以帮助降低产品成本。例如，某照明系统的制造商需要为其客户保证一定的产品寿命。传统上，制造商“过度设计”解决方案的某些组件，以确保所需的寿命。借助于工业大数据分析，该制造商现在能够详细分析产品使用情况，制造商已经开始降低对产品寿命影响不大的组件的规格，从而显著地降低成本，而不会影响产品性能。

2.3.3 跨越价值链的行业分析应用

开展工业大数据分析相关的项目，通常需要整个工业生态系统与合作伙伴、供应商乃至客户及其需求相结合。

79％的受访者认为设备预测性维护和指导性维护是未来3年工业数据分析领域最重要的应用，紧随其后的是客户/营销相关分析（77％）以及产品现场使用情况的分析（76％）。有意思的是，视觉分析（例如，仪表板）被广泛认为是重要的应用，网络安全分析（例如通过异常检测提高产品或设备安全性）和移动产品的分析（例如，车队管理）次之。

来源：物联网智库

原文链接：http://chuansong.me/n/1777774352033

技术应用为重《工业大数据白皮书》发布

【IT168 资讯】工业是国民经济的基础和支柱，也是一国经济实力和竞争力的重要标志。随着云计算、大数据和物联网等新兴技术的发展，全球掀起了以制造业转型升级为首要任务的新一轮工业变革，世界上主要的工业发达体纷纷制定工业再发展战略。

随着互联网与工业融合创新，智能制造时代的到来，工业大数据技术及应用将成为未来。2017年2月18日，《工业大数据白皮书》在全国信息技术标准化技术委员会大数据标准工作组(以下简称“工作组”)由工信部和国标委共同指导下正式发布。(白皮书下载请点击：http://wenku.it168.com/d_001708093.shtml)

为了提升制造业生产力、竞争力、创新能力的关键要素，是驱动产品智能化、生产过程智能化、管理智能化、服务智能化、新业态新模式智能化，支撑制造业转型和构建开放、共享、协作的智能制造产业生态的重要基础，对实施智能制造战略具有十分重要的推动作用。工作组联合中国智能制造系统解决方案供应商联盟和中国开放对象标识(OID)应用联盟启动《大数据系列报告之一：工业大数据白皮书》的编制工作，旨在全面、客观地梳理国内外工业大数据相关工作基础和进展，根据业界最新实践、认知水平，总结提炼工业大数据标准化需求，提出标准化框架和发展建议。

白皮书的目标在于明确工业大数据的相关技术、应用以及发展路线，从数据架构、技术架构和平台生态架构角度勾画出工业大数据发展的整体轮廓，合理制定工业大数据的发展规划和建设路线，明确工业大数据落地推进工作重点，加快促进工业大数据在制造业中的落地应用。

此白皮书用于界定工业大数据的范畴和特征，本白皮书确定了工业大数据的参考架构，包括研究范围、典型运营模式、数据架构、技术架构和平台参考架构等，为进一步研究和推进工业大数据确定指导路线。针对目前工业大数据领域标准缺失的现状，本白皮书提出工业大数据标准体系，为推动工业大数据落地和战略部署提供技术支撑。

中国电子技术标准化研究院院长赵波指出，标准化是大数据在制造业领域中应用发展最为重要的方面，电子标准院不但要做好大数据相关标准化工作的顶层设计，从全局的角度统筹规划大数据标准化布局，还要积极研制重点领域的关键标准，特别是标准的试验验证和试点示范将成为后续的工作重点。电子标准院也将联合政产学研用各方来开展工业大数据标准化战略规划的综合研究，对产业热点和重点问题广泛开展交流、沟通与合作，共同推动工业大数据标准化工作。

未来，中国电子技术标准化研究院、全国信标委大数据标准工作组将联合全国骨干企事业单位，深入研究工业大数据相关技术、标准和应用，共同推动工业大数据对国家制造业的支撑作用。

it168网站原创作者: 杨璐 编辑:杨璐

原文链接：http://cio.it168.com/a2017/0221/3101/000003101196.shtml

数据“沉睡” 制约工业大数据产业发展

小到敲击键盘、迈开步子，大到征信系统、政务记录，数据已成这个时代最活跃的要素和最有价值的“信息矿产”。无论“互联网+”、物联网还是智能制造，数据的触角几乎无远弗届，影响着几乎所有产业生态未来的走向。

据中国信息通信研究院发布的《大数据白皮书(2016)》分析，未来五年，全球数据量将呈指数级增长。但庞大的总量却并不意味着完全有效的开发利用。《经济参考报》记者采访了解到，除了技术瓶颈外，开放和合作的障碍正在让大量数据陷入“沉睡”。数据原材料的缺乏与信息“孤岛”的形成，严重制约着大数据产业的发展。

壁垒让数据“沉睡”

国际数据公司(IDC)的数据显示，按目前发展趋势，预计2020年全球大数据总存储量将达到44ZB(1ZB约等于10000亿GB)。我国数据总量为909EB(1EB约等于1000亿GB)，占全球数据总量的13%。

目前数据层面的壁垒普遍存在于政企、企业间，业内人士表示针对现状普遍是通过购买和“爬虫”(自动获取网页内容的手段)的方式获取，但数据存在不准确、不全和非结构化等问题。

“相比于行业间的数据流通，政企之间的壁垒更是一块沉睡数据的‘集聚地’。”中关村大数据产业联盟秘书长赵国栋说，“目前一些上市数据如股权占比、科研数据都是价值密度比较高的沉睡数据。”

据中国信息通信研究院2015年对国内800多家企业的调研来看， 企业内部数据仍是大数据的主要来源。当前有32%的企业通过外部购买数据;只有18%的企业使用政府开放数据。

业内人士指出，大数据时代的数据资源广泛散布于政府、行业、企业三个子系统中，其中，信息数据资源80%以上掌握在各级政府部门手里。而与此同时，区域部门间基本实现共享的省级地方仅占13%，区域部门间少量实现共享的地市和区县仅占32%和28%，信息共享和业务协同在地市和区县进展缓慢。

“如果更多数据可以开放，将会对产业转型、政务和公共服务效率提升等大有裨益。”上海至信普林科技有限公司总经理顾敏洁说，“比如中国人民银行上海总部自2006年起公开金融信息后，催生了一批金融信息咨询服务公司，其中还有5家上市公司，拉动的就业人数也非常可观。”

数据割据、技术壁垒和标准缺失形成数据孤岛

“数据孤岛的成因主要有三个，数据割据、技术壁垒和标准缺失。”赵国栋说。观念问题是主观意愿缺失的症结。“政府部门由于缺乏企业间基于共同利益开发这样的主观能动性，导致数据开放滞后。除了政府部门，一些大企业也应该认识到数据合理开放可以造就更好的社会和行业生态价值。”

外部管理规范、法规的缺失也使部分主体对开放数据保持顾虑。“目前如果只遵循‘谁的数据谁负责’这一简单的准则，要调动政府部门开放数据的积极性比较困难。”DT大数据产业创新研究院院长陈新河说。

除了主观意愿，技术和标准也是一道“硬门槛”。“比如目前信息共享的安全问题。公共云的运维工作面临着一些新的安全风险和挑战。计算环境从本地到云端的自身安全性是提高了，但由于公共云的运维管理工作必须通过互联网完成，和传统IT环境运维有很大不同，容易造成管理员权限被劫持攻击，造成运维管理账号和凭证泄露等问题。”顾敏洁说。

目前开放的数据同样因为格式标准缺失成了“开放的孤岛”。公布类似停车位数量、开放非标准化的图表等形式的数据都是不可机读的。这类“伪开放”并没有真正整合数据的价值。“不同行业数据整合必然需要标准化的数据格式，比如从卫生、人口的角度用数据对‘人’进行的描述就是不一样的。”全国信息安全标准化技术委员会大数据标准工作组成员张群说。

“因此目前要开放的应该是底层数据，而不仅提供根据数据分析出来的结果或产品。”业内专家表示，这类数据在技术上应该有其标准形式，可以被计算机抓取、调用，而且在法律上也是可以进行各种使用的。

开放整合数据需围绕应用场景

要打通数据孤岛，一方面是技术上的革新和标准化的推进，同时包括数据安全领域建设。“在物联网时代，需要从政府等层面推进包括身份识别、信息安全系统等庞大的安全体系建设。”赵国栋说。

“目前全国信息技术标准化技术委员会已推进获批了6项大数据领域的标准，包括了大数据技术参考模型、数据能力成熟度评价模型标准等。”张群说。

另一方面，在法律维度，立法推进的前提是明确数据权属。对此，赵国栋建议，可以参照土地管理的做法，将数据权属划分为所有权、处置权、使用权和收益权。“例如处置权应归国家，规定归档、删除的各种条件等。只有权属清楚才能推动法律保护。”

政府数据开放也并非一蹴而就，需要循序渐进。业内人士普遍认为，不涉及隐私和安全的数据可以率先开放，比如气象这类数据。同时政府部门和行业协会可以推动统一数据平台的建设，改变目前碎片化的现状。

杭州市经信委云计算与大数据产业处处长黄左彦说：“杭州整合数据、搭建平台过程中的经验就是以项目为突破，目前类似‘5G’车联网项目、城市数据大脑等都是以交通为突破点。由政府主导政务数据开放共享，企业自带资金深度合作开发，其中包括数据交流。”

“目前观念上有一个原则是被忽视的：即‘开放是常规，封闭才是例外’。”陈新河说，“政企间或者政府牵头整合数据仍应围绕应用场景、项目工程来，否则目前‘唤醒’的数据早晚也会重新‘落满灰尘’。”（来源：经济参考报 ）

原文链接：http://www.toutiao.com/i6400936220116910593/

德国工业4.0的精髓，国内大多数企业都理解错了!

导读： 目前国内的自动化项目都号称4.0，但绝大部分无法实现柔性制造。所以在笔者看来，中国企业谈4.0只是按照自动化集成去理解，并没有真正领会生产模式变革的意义。

德国工业4.0的精髓，国内大多数企业都理解错了!

工业4.0应用技术

1.柔性生产

该生产系统所要实现的目标是使生产实现最大的柔性化。自动化和信息化是实现柔性定制个性化生产的手段。

上图中，AGV小车将毛坯推入代加工区域，而这些毛坯木料的尺寸大小都是不同的，按照顶点顺序进行排列，符合JIO理念。而JIO(Just In Order)是继JIT(Just In Time)准时制生产的基础上提出的，要求供应商不仅应按时将零部件送抵生产现场，还要求不同规格零部件的顺序按照要求排列，以便满足混线生产的要求。这样不同型号的产品在装配时，不会因为零件顺序错落而发生装配错误的问题。丰田的JIT只适合单一产品的大批量生产，而JIO则是混线生产，柔性制造模式所必需的供应链运作机制，是生产模式的变革。

目前国内的自动化项目都号称4.0，但绝大部分无法实现柔性制造。所以在笔者看来，中国企业谈4.0只是按照自动化集成去理解，并没有真正领会生产模式变革的意义。

2. 数据追踪

在产品的整个生命周期中会产生很多数据，即所谓的大数据。制造商需要能够利用这些数据对产品进行跟踪，以了解产品的状态。比如某个客户购买的某产品中的某个零件出了问题拿到售后服务部门去维修，这时生产厂应该能够知道这个零件的供应商是谁，哪个生产环节中的哪个人应该对此负责，并计算出损失。相关的技术和软件产品(PLM/PDM，ERP， CRM， SCM等)早在几乎20年前就已经非常成熟，相对欠缺的是生产环节的大数据处理。尽管也有相对成熟的解决方案，如MES(制造执行系统)，SCADA(现场数据采集系统)，APS(先进生产计划系统)等，但是由于缺乏强大的车间级管理系统去协调各生产设备，生产车间的自动化和信息化层始终存在着难以打破的屏障，原因很多此处不展开讨论。而视频中的生产系统则采用相对简单和独立的软件系统，在设备层实现了对生产数据的集成和管理。

德国工业4.0的精髓，国内大多数企业都理解错了!

首先机器人通过专用的检测设备对入库毛坯进行全检，再扫描条形码，根据读取的产品信息自动调用加工程序(NC代码由产品设计数模自动生成)，并自动调整支撑夹具的位置，以适合零件的尺寸。加工完毕后，由于条码在加工过程中被破坏掉，所以再次贴敷条码，并更新产品生产数据，记录设备运行数据，将这些数据通过现场总线传入上位机的生产管理/监控系统。

由于每个零件上都有条码，每个条码对于正确的程序，所以不论来料按何种顺序排列，加工过程是不会出现问题的。也就是说生产管理调度软件和生产设备之间是相互独立运行的，就算生产调度出了问题，也不会造成生产程序调用错误。而即便产品信息和加工数据在对应上出现问题，机器人的入库检测信息也会与程序信息进行比对，不会出现加工废品(即可能用较大尺寸的毛坯加工出小尺寸产品，而不会出现小尺寸毛坯调用大尺寸产品加工程序的问题)。

德国工业4.0的精髓，国内大多数企业都理解错了!

所以说，当我们评价工业4.0或工业互联网，物联网方案先进性的时候，不应只看技术实现的手段，不要去较真条形码，二维码，RFID哪个技术更先进，而更应该关注这些生产数据所支持的智能生产的运作机制。

3. 工序集中

整套生产系统集中了每一个产品从入库到出库的全部工序，与以往生产单元的概念有所突破，除了机械加工和上下料以外，该系统集成了自动检测，工装夹具调整(柔性工装)，生产订单管理等功能。机加工序之后基本上直接进喷漆车间后就可以出厂了。

在生产战略规划上，该企业并没有搞垂直整合，而是把附加值最高的定制化加工留给了自己，利润薄，污染环境的上下游工序统统外购或外协。

德国工业4.0的精髓，国内大多数企业都理解错了!

4. 优化设计

从产品开发逻辑上讲，产品设计决定了生产工艺，而生产工艺决定生产设备。当我们谈论工业4.0或智能制造的时候，通常只关注到设备或软件，而往往忽视了方法(工艺)，更不会去在意设计(概念)。

产品设计从一开始不但决定了产品本身的价值，也决定了大部分的生产成本。以该瑞士制造商为例，由于产品为定制化设计，所以在安装时需要服务人员在客户现场进行安装，而由于瑞士的人工成本极高，所以在设计时就必须充分考虑到组装的便捷性，即DFA(Design For Assembly)。说得更通俗些，这种木门的最终安装实际上和组装宜家家具是一样的，但是安装的复杂程度和精度要求要更高，安装时也需要更专业的工具。然而如果按照中国木匠打家具的方法，实地测量尺寸再锯断合适长度的木料，再钉钉子等等，那么瑞士的这套木门成本会极高。所以就要求在设计之初就要求便于快速组装，而且具有一定的通用性，小型功能零件尽量采用标准件，只是在门板样式和规格上体现个性化差异。

德国工业4.0的精髓，国内大多数企业都理解错了!

这种产品设计既要保证便于个性化定制生产，也要合理降低制造成本，便于安装维护。所以说，一套体系化的产品设计理念和产品开发平台才是成功实现工业4.0转型最基本的前提。

产业变革的趋势

1.没有夕阳产业只有夕阳观念

在中国人眼里，木门生产绝对是落后的传统制造业，没有利润，没有科技含量，没有发展前途。但是这个工业4.0项目却落地在全世界工业技术水平最高，人工成本最贵的瑞士。可见先进的智能化制造系统是完全可以弥补人力成本的劣势，而传统制造业向发达工业国回流也确实正在发生。中国的制造企业必须有所作为才能避免在这次工业革命中被淘汰。

德国工业4.0的精髓，国内大多数企业都理解错了!

2. 柔性智能生产系统增大利润空间

制造成本是相对概念，当产品价值足够高时，那么制造成本就可以忽略不计了。视频里的瑞士公司通过投资智能制造设备，首先在战略上实现了定制化生产，使得产品本身的价值大幅提高，而全自动制造系统免去了人工成本，并且整个设备占地非常小却可以实现以往一个工厂的全部工序，使得土地成本构成的比重大幅下降。

通常我们认为中国的土地和人力成本很低，因此制造业优势明显。但是一旦发达的工业国纷纷采用柔性智能无人/少人生产系统来实现工业4.0革命，那么未来制造业的利润-成本构成将发生极大的变化：土地，人力，能源等资源相关的因素在生产成本中所构成的比利将大为降低，智能设备的技术折旧以及雇用高端技术和咨询人员的将成为未来主要的成本。所以，如果不增加在知识和技术上的投入，中国制造业将面临毁灭性的打击。

企业看工业4.0往往只看到了相关技术的先进，看到了不足，但是缺乏合理的方法论去实现转型升级。中国企业要转型升级，首先要看懂制造业的发展趋势，在整理出合适自己的新的运营模式，再根据这个模式有所取舍地规划企业转型升级的途径和战略。只要中国的制造企业多一些理性，少一些浮躁，以中国人的聪明才智总可以找到合适自己的转型升级之路。

责任编辑：隆名洋 来源：慧聪工程机械网

原文链接：http://info.cm.hc360.com/2017/04/191729669279.shtml

工业互联网开创万亿大市场

工业互联网是中国制造业转型升级的重要手段，阿里、三一重工等企业抢先布局，以全生态资源打造中国本土工业互联网应用优势及核心竞争力

本报记者 洪 鸿

“互联网+”、"中国制造2025"两大国家级战略正在全面实施，而工业互联网的发展前景也受到越来越多的关注。今年全国两会期间，不少代表委员都表示，在我国制造业转型升级的大背景下，工业互联网作为促进这一进程的重要手段，也将迎来千载难逢的发展机遇。在政策和市场的双重利好下，阿里、三一重工等中国企业也都在抢先布局，利用大数据、物联网提升智能制造水平、服务能力、工业资产管理能力，力争在世界舞台上实现中国智造弯道超车。

政策与市场双轮驱动

“工业互联网除了对加速我国制造业升级转型、提升工业经济实力大有裨益外，本身的发展也蕴含着巨大的商机，到‘十三五’末，这一产业的市场规模将突破万亿元大关。” 工信部规划司副司长李北光在接受《中国企业报》记者采访时指出。

据李北光介绍，目前，我国工业互联网在制造业、石化、电力、医疗、航空、轨道交通等产业的需求最为迫切，我国正在积极布局工业互联网，大规模企业及大中国企、军工企业对工业互联网已经着手布局。随着工业互联网在上述领域的快速渗透，其他上下游行业也将开始与工业互联网结合，相关产业机会将不断显现。

科技部中国科学技术发展战略研究院研究员赵刚博士在接受《中国企业报》记者采访时也认为，在政策和市场的双轮驱动下，我国的工业互联网正在蓬勃兴起，相关技术日渐成熟。一方面，工业互联网关键技术不断成熟，越来越多的工业互联网平台涌现，另一方面，来自ICT以及传统工业领域的企业加速进入这一市场，携手推进产业的发展。

据赵刚介绍，互联网的触角正逐步从个体向产业深处渗透，走向下一个里程碑式的时代。《2017互联网发展趋势报告》显示，互联网的发展正在从消费领域持续向生产领域拓展，在以互联网为代表的信息技术驱动下，全球生产力正在经历又一次质的飞跃。

  仍面临诸多挑战

“当然，在工业互联网蓬勃兴起的同时，也面临诸多挑战。”赵刚同时对记者坦言。他认为目前我国的工业互联网面临五大挑战：一是智能化的核心生产装备多为欧美日韩所垄断；二是我国很多工厂不注重软件的购买，这给工业系统底层解析和控制带来了难题，同时我国工业互联网的自主研发能力偏弱；三是车间以及装备设备之间的互联标准有待建立，技术仍不成熟；四是B2B模式下，企业与企业之间的业务标准以及财务结算标准制定存在障碍；五是工业网络安全问题凸显，工业互联网在OT层面的开放必然会带来安全性条件，同时机器人联网也会带来安全问题。

“数据是工业互联网的核心资源，利用云承载的数据大平台，服务于各个领域，是我们现在做的事情。”阿里巴巴网络技术有限公司副总裁刘松说，阿里从服务网平台、物联网平台、网络安全平台，到医疗、智慧家居领域都已经开始了深层次研究与合作。

杭州华三通信技术有限公司副总裁孙德和则认为，工业互联网对于国家智能制造业来说，正处于一个探索阶段，涉足的领域很多，很难有一家企业全部参与这些领域，并制定出有效的发展方案。“这就需要我们每一家企业用核心竞争力实现创新，这样才可以助力互联网发展”。

中海清华（河南）智能科技发展有限公司董事长王建强在接受《中国企业报》记者采访时指出，我国中小工业企业信息化基础薄弱，要将生产与互联网结合，信息化成本太高。同时，信息化、智能化的投入和产出时间周期太长，削减了小企业信息化建设的动力。另外，工业互联网每一步建设所需要的技术支持和专业力量，不是任何一家企业能够负担的。

对此，中国信息通信研究院总工程师余晓辉在接受记者采访时认为，打通设备和设备之间的通信问题，也就是M2M模块，是工业互联网的题中之意，是大数据资源的起点，也是后续智能应用的基石。

余晓辉介绍说，目前，由三一重工物联网核心团队打造的树根互联网平台——“根云”，正计划在这方面重点发力，帮助广大中小企业通过互联网和物联网技术，来升级工业应用。这对于那些还没有实力建设自己信息化系统的中小企业来说，无疑值得期待。

责任编辑：段悦斌来源：中国企业报作者：洪 鸿

原文链接：http://finance.jrj.com.cn/2017/03/14115522174211.shtml

构成“工业4.0”的7个核心软件开发工业技术领域

“工业4.0”，或者说是第四次工业革命，不仅是德国工业的发展趋势，也是今年世界经济论坛的主题，它可以被看做制造业和工业面向未来的世界性运动。然而，目前尚不清楚哪种工业技术将引领制造业的未来。但是通过分析过去六年里的“工业4.0”领域的核心技术，也许可以给予我们启示。

构成“工业4.0”的7个核心工业技术领域

不幸的是，对于第四次工业革命没有公认的统一定义，也不确定它究竟包括哪些技术。

但是我们相信以下7项核心技术可以被看做“工业4.0”的支柱：

图1：构成“工业4.0”的7种核心技术

1.信息物理系统(CPS)

CPS形式网络通过(无线)传感和驱动，能够应对不断变化的环境，甚至预测物理系统过程的变化。

2.云计算

云计算让储存在本地的应用程序或者服务连接到物联网变得可能。

3.大数据分析

大数据是指大到那些典型的数据库软件工具无法收集、储存、管理和分析的数据集。大数据分析方法让工业智能化变得可能，比如说机器学习。

4.(IT)系统安全

数据、数据的传播以及所有其它工业系统、机器设备和原件都需要被充分保护，免于遭受网络攻击。

5.增材制造/3D打印

增材制造(Additive Manufacturing，AM)技术是采用材料逐渐累加的方法制造实体零件的技术，相对于传统的材料去除-切削加工技术，是一种“自下而上”的制造方法。

6.增强现实(HMI)

使用增强现实眼镜的工人可以通过远程接受指令来正确装配零件或者协助调试。

7.机器人/人形机器人(HMI)

新技术使交互更安全，比如让机器人去人类无法达到的地方执行任务，这些机器人往往被设计成人类的样子。

3种创新驱动力:3D打印、增强现实、大数据

因为当前数字化转型、物联网和“工业4.0”等概念炒的火热，我们很难理解目前的创新温床在哪里?

IoT Analytics分析了世界范围内从2010-2015年申请的相关专利数，专利数可以看做是创新活动的一个重要指标。

主要结论：与“工业4.0”相关的专利注册总数在短短五年内激增了12倍。

另外的三大发现：

1.3D打印非常具有发展前景

基于10的增长因数，3D打印/增材制造(AM)或将成为工业技术的未来趋势。为了在未来1年或者2年内成为“工业4.0”相关专利的一颗流星，3D打印紧跟增强现实和云计算的脚步。特别有趣的是，3D打印不是一种特定的网络技术，因为它有资格作为一种新的生产方式，因此是硬件基础。

2.云计算很明显是第一(现在)

在2013年和2014年发布了超过1600项相关专利，这是我们分析的工业技术领域最大的专利申请数量了。虽然2010年只有150个专利，数量在2012年激增了10倍。然而2015年只有1400项专利，出现了数量的下降，可能意味着这个技术已经达到了顶峰。2016年的数字肯定还是要继续看的。

IBM是云计算专利的领导公司。该公司已经注册了和安全服务、混合数据备份以及移动设备工业负载管理的相关专利，这只是其中的一些例子。

3.信息物理系统意想不到的占据了最后位置(专利数量最少)

根据德国联邦教育与研究部的观点，信息物理系统，也就是CPS，应该是“工业4.0”的核心。它将网络世界和工业环境中的物理世界集成，因而被视为工业技术的中心，然而专利数量很低。CPS落在了最后一位，在过去的五年中只增加了48项专利。导致这个事实的原因可能是因为这项技术并没有显而易见的定义方式。

更多见解：

增强现实像坐上了驶入快速通道的快车，在过去的几年里不断增长，以至于其专利增长数量进入了工业技术的前三名。例如德国公司Ubimax是专门从事增强现实和可穿戴的工业解决方案的。它的一个增强现实的设备是pick-by-vision解决方案的“xPick”。这些智能眼镜帮助客户优化选择过程，已经在荷兰被DHL成功测试了。他们现在可以与SAP EWM集成。

大数据在过去的两年里飞速增长，几乎比得上增材制造/3D打印了。

关于系统安全和人形机器人的专利数也相当低，但是很稳定。因为安全是基本要求，系统安全专利数低可能会成为影响第四次工业革命发展的一个问题。

展望未来：

假设专利发展是指示工业技术未来的早期指标，我们现在知道了哪些技术值得期待。爆炸的3D打印技术和增强现实技术将很快出现在各种场景。就专利开发数量来说云计算已经走到了顶峰，但是要想在工业世界广泛应用，还有很长的路要走。像大数据和大数据分析这些没有被预期的专利数量可能飙升到和3D打印等同。作为一个工业公司，最好的出路就是拥抱可称之为第四次工业革命的核心部分的四项技术。

然而，一个可能存在的障碍是对物理信息系统(CPS)和(IT)系统安全方面的专利关注太少，而这两样都是“工业4.0”领域的关键技术，有必要跟上其它技术的快速发展。

（文章来源于网络，版权归作者所有）