工业大数据是工业4.0的核心驱动（2）

工业大数据是工业4.0的核心驱动（二）

（2016年8月17日）

如何理解工业大数据

大数据的理念已经广为大众所接受，其核心都强调价值。目前，除了大数据的基础建设之外，从数据到信息的工作，更多的是停留在社交或商业数据挖掘上。例如，销售预测、用户关系挖掘与聚类、推荐系统、观点挖掘等。这些研究都非常重要，也极具创新意义，特别是对拉动消费很有帮助。但是，这些实践都只关注了“人为数据或与人相关的数据”，而忽略了“机器数据或工业数据”，如设备控制器、传感器、制造系统等。

产品做出来之后，到底如何使用它？以前关心的是如何生产最好的产品，现在关心的是产品怎么去用，消费体验在哪里？第一，我们现在对工业价值的认知必须从后往前移，从消费端走到生产价值链前端。第二，从关注机器与机器的数据或工业环境数据，到全面协同优化，关注这个价值体系，实现我们对工业4.0的完整理解。

工业大数据的核心支撑力

在工业大数据的实践中，宏观与微观、规模与定制、个性与共性必然成为主要的几个矛盾。在这三大矛盾的背后，我们要通过工业大数据看到我们以前看不到的因素，处理好这些数据，就像Jay Lee教授讲的，让数据成为有价值的信息。工业4.0的五个支撑力值得我们关注。

一是降低生产过程中的浪费。生产过程中的消耗来源于组织与组织之间、人与人之间、材料与工艺之间、流程之间，所以我们首先要考虑的问题是，如何降低消耗、浪费。

二是制造工业环保与安全。没有碳排放是不现实的，但排放怎么转移，怎么去消费它是问题。

三是根据生产状况，实现系统自我调整。在工业大数据里，我们称之为自适应。整个工业4.0讲的就是自适应、自感应、自调理。大数据分析到最后有很大程度取决于人工智能，指的是自适应能力的强弱，机器自我学习能力的强弱。

四是实现制造业的价值化。

五是实现用户需求、产品设计、制造和营销的配合。

这五大支柱的焦点就是显性因素和非显性因素。我们曾经关心的是产品的制造、产品的制造工艺、产品本身的质量等显性因素。考虑的点都是可触摸的或可量化的。在工业大数据里，想要解决的问题就是那些非显性因素。

设备处于亚健康状态，我们看不到。对于未来的智能工业来说，想要达到零宕机、零排放、零维修等目的，必须突破的一个关键点就是关注相关的隐形因素，做好量化与数据交叉关联分析。

工业4.0到底会带来什么

智能分析和网络物理系统的出现，为我们实现生产管理和工厂转型提供了新的思路。我们今天卖的已经不再是一个产品，卖的是为客户创造价值的能力。这里包含三方面：

管理优化的综合价值链：管理是一门艺术，一定是融合的产物。综合价值链体现于信息自动性和主动性到一定的量化后，帮助管理者自动形成生产系统的决策，需要大量的数据交叉模型分析，同时需要全方位地对设备进行综合管理。

数字化：数字化是全产业链各个环节相互合作的一种新纬度，这是信息物理系统框架的信息虚拟空间的体现。粗放式制造管理的主要表现是订单式的管理。订单多了，我就生产；订单没有，就假设下个季度它会继续有，继续生产。结果发现产品更新换代了，市场已经对所生产的产品不感兴趣了，企业倒闭的风险就骤然升高。所以工业大数据对工业链的管理能为企业带来价值。数字化就是如何把物理空间全面对应到数字虚拟空间，把整个产业链目前的状态通过数字描述出来，知道消费者在干什么，厂商在干什么，客户心态又是什么样子，甚至可能早于供应商、原厂商掌握这些数字，从而改变产品的设计。

颠覆性商业模式：应该关注商业模式，尤其是商业模式引导下的服务价值体系创新。德国的战略就是要改变只卖一次设备、挣到一笔钱的现状。通过产品的服务，可以一直跟随着消费者。在全产业环节中，做好做强产品的服务升级换代，能享受更多的服务利润。

今天工业数据并没有给企业带来竞争力，因为数据本身没有竞争力。 要实现数据竞争力，系统自我学习能力很重要，数学模型就是不断自我学习和发展的产物。大数据给数据打上标签就是一个行业模式的数字化体现，标签是跟着管理思路走而不是数据。如何形成全信息空间与物理空间的映射，然后做分析才是我们面临的挑战。

（待续）

（原标题：数据是工业4.0的核心驱动 工业大数据两个案例剖析）

本文发表于《中国工业评论》杂志。作者：张礼立 盘古智库学术委员、玖道科技首席战略官、上海市海外经济技术促进会理事。

（摘编自：中国工业评论 / 编辑 严进军）