什么是工业4.0？
工业 4.0 是一系列技术变革，旨在创建一个将在制造过程中引入的连贯框架。当然，工业 4.0 的支柱与产品的制造方式有关，这种现象很可能会影响我们世界的每一个地方，并对所有类型的企业产生影响。工业 4.0 简而言之就是将物联网、云计算、网络物理系统（CPS）和认知计算应用于制造和服务环境。制造业的自动化和连通性并不新鲜。多年来，制造业一直在着手进行从现实到数字化（采取实际操作并将其转换为数字记录）和数字化到数字化（使用 AI 共享洞见）的转变。但是，随着上述推动因素和机器人技术的出现，制造业现在可以达到全连通的灵活程度，在工厂内部和整个供应链中创造更大的价值。本质上从数字向现实的转变（应用算法将数字世界的决策转化为实际环境的效应变化）是工业 4.0 的核心内容。
这一概念之所以归类为工业 4.0，是因为它遵循了计算机时代的第三次工业革命，并且更进一步，是指由数据和机器学习推动的自行运行计算机。随着工厂变得更加智能，从其所有系统的海量数据中学习，将变得更高效和经济。“工业 4.0” 最初由德国政府于 2013 年提出，是其高科技战略的一部分，目的是保持工业领先地位并避免在其他国家竞争时失去优势。
工业 4.0 不仅仅是传感和学习，而是提供互联的全球自动化工作流，可实现流程自动化，以提高质量和机器可用性。物理世界和数字世界的结合使部门、合作伙伴和人员之间能够进行协作。这是工厂利用自动化、数据虚拟化、无线连接和物联网传感器向自我修复、自我运行的生态系统的演变。借助工业 4.0，由于分析了大量生产数据并应用机器学习和人工智能，制造过程相比过去更快、更高效。
现在，有了可以改装到旧机器、数据存储、大数据分析、智能设备和云技术的低成本传感器，制造商得以实时细致地了解设备、人员、供应商、加工线和制造基地的制造运营情况。如果在出现紧急状况时不分析大量数据并实时采取行动，就几乎没有改进产品的余地。
许多行业专家一致认为，目前，工厂所有可用数据源中只有约 5% 得到利用。大多数公司只是收集流程数据，通常只用于记录，而不是改进运营的基础。今天的制造商面临许多挑战，要求进行变革。首先，产品激增。消费者有更多的选择，这使得生产商难以区分。缩短产品生命周期要求制造流程不断变化和更新。进入市场的产品变得越来越复杂，需要业务的更多方面才能共同努力以取得成功。而且，现在很难将有竞争力的产品推向市场。现在，产品进入市场的速度快得多，市场竞争更多，选择比以往任何时候都更多。
另一个趋势是客户对高度个性化产品的需求。大规模生产正在向大规模定制转变。眼镜、鞋类制造商和其他许多制造商允许客户完全个性化他们的产品，并直接在他们的网站上进行多种选择。定制完成后，仅为该单件商品生成新的生产订单。
工业 4.0 技术推动因素
新的高科技战略的建议指导方针的主要特点是：
互操作性：网络物理系统（嵌入在诸如传感器、处理器和通信技术等硬件中的软件）允许人和工厂相互关联和通信。
虚拟化：通过将传感器数据与虚拟工厂模型和仿真模型联系起来创建工厂虚拟副本；被称为工厂的数字孪生。
去中心化：借助 3D 打印等技术，网络物理系统能够自行决策并进行本地生产。
实时功能：收集和分析数据并立即提供衍生洞见的能力。
服务导向：这些服务可以通过服务互联网 (IoS) 获得，可供其他参与者使用。我们将 IoS 称为 API，用于在 B2C 和 B2B 之间交换信息。
模块化：通过更换或扩展单个模块来灵活调整工厂以适应不断变化的需求。
要取得成功，就要打破过去创建的孤岛信息。连接到多个不同的数据源、统一底层数据并避免冗余信息，使制造商能够互联多个部门和公司，以便运用整个工厂的数据。
IT 对制造过程越来越不可或缺。过去，IT 部门有支持制造过程的角色，现在已经发生了变化。IT 不仅提供支持，而且在整个制造过程中起到主要和普及的作用。
工业 4.0 的主要用例
预测分析
麦肯锡研究证实了这一预示：“大数据/高级分析方法可以使产量增加 20％ 至 25％，停机时间减少高达 45％。”停机时间非常昂贵，并降低了设备综合效率 KPI。从被动转向主动是增强竞争力的关键。
机器学习
机器学习的进步导致精益制造和六西格玛实践的采用越来越多。机器学习技术采用了一类新兴的算法，这些算法实际上可以从提供的数据中学习，并自动为每个数据集构建最佳模型。因此，那些在统计和建模方面缺乏专业知识的分析师得以解决其无法覆盖的复杂问题。这些发展直接促成了产品质量的改善，减少了浪费或产品返工。对众多生产参数进行数据分析有助于了解针对特定订单的最佳机械设置，或避免实际上可能产生质量不佳并导致浪费的机械设置。
互操作性和人工智能
网络物理系统的成熟使人类、产品本身和智能工厂机器能够相互连通和交流，并实时获得洞见。除了人机交互，机器还可借助分散的网络物理系统自行做出决策。人机交互的一个很好的例子来自汽车行业。高度专业化的工人佩戴可以跟踪他们的运动情况的手镯，并在向错误方向移动时或在组装过程中施加的扭矩足够大时提醒他们。这不仅强化了安全目的，而且还可以避免重复出现的错误行动，这些动作可能导致工伤并可能随着时间的推移而恶化。
工业 4.0 原则的关键应用领域：
- 制造业运营
- 设备综合效率和工厂生产力
- 预测性维护
- 实时设备和流程监控
- 流程优化
- 实时质量监控
- 产品收益率和根本原因分析
- 可靠性和保修
通过引入数据分析、机器学习和 AI 功能，启用工业 4.0 的工厂通常被定义为智能工厂或称为智能制造。在智能工厂中，设备 “学习” 来预测异常情况并实时做出去中心化决策以应对事件。许多制造商已经在使用智能工厂的组件，例如增强现实技术来帮助维修机器，但真正实现智能工厂还需更全面的努力。
使用智能工厂系统，所有相关数据都进行汇总、分析并进行相关操作。在模块化结构化的智能工厂中，网络物理系统监控物理流程，创建物理世界的虚拟副本，并做出去中心化的决策。通过物联网，网络物理系统彼此之间通信，以及通过服务互联网与人类进行实时通信。传感器、设备、人员和流程是互联生态系统的一部分，提供以下服务：
- 减少停机时间
- 最大限度降低剩余和缺陷
- 深入洞见
- 端到端实时可见
- 工厂的数字孪生
能够持续监控流程、设备、人员、供应商并做出自动预测性决策的制造商将会提高生产力，并且比采取孤立方法的制造商有优势。对 “智能” 机器的需求只会继续增长，并且组织需要实施解决方案，其中包括支持运营的数据分析；预测性或先占式分析；与大数据源集成的大数据；实时分析和操作；以及物联网实时集成。
如果自动化、集成、监控和持续评估智能制造、制造资源（机器、设备、人员和工厂）的目标以及其执行的流程，情况会更好，这样有助于人们更智能地工作、及时做出明智决策，并且运营更高效。
下一步将是 5G 蜂窝技术的引入。由于以云为中心的技术速度更高，延迟更低，这将越来越有助于制造商转向此技术。延迟的减少意味着更高的数据容量，便于机器和系统及时做出实时反应。5G 网络确保连接的可靠性。操作员可以在车间的任何地方使用机器控制工作，确保连接不会丢失。5G 首次提供了与有线通信相媲美的数据速率和可靠性。
从传统的线性信息接收方式向实时分析和情报转变可能会改变整个产品制造方式。工业 4.0 不仅仅是上面列出的所有技术。它是关于组织如何利用这些技术、将它们结合起来以提高运营和增长。组织必须弄清楚如何最佳利用这些新技术来保持竞争力。
工业 4.0 不仅仅是传感和学习，而是可以自动化流程的交付互联的自动化全球工作流程，以提高质量和机械可用性。物理世界和数字世界的结合使部门、合作伙伴和人员之间能够进行协作。这是工厂向使用自动化、数据虚拟化、无线连接和物联网传感器的自我修复、自我运行的生态系统的演变。借助工业 4.0，由于分析了大量生产数据并应用机器学习和人工智能，制造过程比过去更快、更高效。
现在，低成本传感器可以改装到旧机器、数据存储、大数据分析、智能设备和云技术，使制造商能够实时细致地了解设备、人员、供应商、加工线和制造基地的制造运营情况。如果不分析大量数据并在遇到关键情况时实时采取行动，则没有什么改进产品的余地。
许多行业专家一致认为，目前，工厂所有可用数据源中只有约 5% 得到利用。大多数公司只是收集流程数据，通常只用于记录，而不是改进运营的基础。今天的制造商面临许多挑战，要求进行变革。首先，产品激增。消费者有更多的选择，这使得生产商难以区分。缩短产品生命周期要求制造流程不断变化和更新。进入市场的产品变得越来越复杂，需要业务的更多方面才能共同努力以取得成功。而且，现在很难将有竞争力的产品推向市场。现在，产品进入市场的速度快得多，市场竞争更多，选择比以往任何时候都更多。
另一个趋势是客户对高度个性化产品的需求。大规模生产正在向大规模定制转变。眼镜、鞋类制造商和其他许多制造商允许客户完全个性化他们的产品，并直接在他们的网站上进行多种选择。定制完成后，仅为该单件商品生成新的生产订单。
工业 4.0 技术推动因素
新的高科技战略的建议指导方针的主要特点是：
互操作性：网络物理系统（嵌入在诸如传感器、处理器和通信技术等硬件中的软件）允许人和工厂相互关联和通信。
虚拟化：通过将传感器数据与虚拟工厂模型和仿真模型联系起来创建工厂虚拟副本；被称为工厂的数字孪生。
去中心化：借助 3D 打印等技术，网络物理系统能够自行决策并进行本地生产。
实时功能：收集和分析数据并立即提供衍生洞见的能力。
服务导向：这些服务可以通过服务互联网 (IoS) 获得，可供其他参与者使用。我们将 IoS 称为 API，用于在 B2C 和 B2B 之间交换信息。
模块化：通过更换或扩展单个模块来灵活调整工厂以适应不断变化的需求。
要取得成功，就要打破过去创建的孤岛信息。连接到多个不同的数据源、统一底层数据并避免冗余信息，使制造商能够互联多个部门和公司，以便运用整个工厂的数据。
IT 对制造过程越来越不可或缺。过去，IT 部门有支持制造过程的角色，现在已经发生了变化。IT 不仅提供支持，而且在整个制造过程中起到主要和普及的作用。
工业 4.0 的主要用例
预测分析
麦肯锡研究证实了这一预示：“大数据/高级分析方法可以使产量增加 20％ 至 25％，停机时间减少高达 45％。”停机时间非常昂贵，并降低了设备综合效率 KPI。从被动转向主动是增强竞争力的关键。
机器学习
机器学习的进步导致精益制造和六西格玛实践的采用越来越多。机器学习技术采用了一类新兴的算法，这些算法实际上可以从提供的数据中学习，并自动为每个数据集构建最佳模型。因此，那些在统计和建模方面缺乏专业知识的分析师得以解决其无法覆盖的复杂问题。这些发展直接促成了产品质量的改善，减少了浪费或产品返工。对众多生产参数进行数据分析有助于了解针对特定订单的最佳机械设置，或避免实际上可能产生质量不佳并导致浪费的机械设置。
互操作性和人工智能
网络物理系统的成熟使人类、产品本身和智能工厂机器能够相互连通和交流，并实时获得洞见。除了人机交互，机器还可借助分散的网络物理系统自行做出决策。人机交互的一个很好的例子来自汽车行业。高度专业化的工人佩戴可以跟踪他们的运动情况的手镯，并在向错误方向移动时或在组装过程中施加的扭矩足够大时提醒他们。这不仅强化了安全目的，而且还可以避免重复出现的错误行动，这些动作可能导致工伤并可能随着时间的推移而恶化。
工业 4.0 原则的关键应用领域：
- 制造业运营
- 设备综合效率和工厂生产力
- 预测性维护
- 实时设备和流程监控
- 流程优化
- 实时质量监控
- 产品收益率和根本原因分析
- 可靠性和保修
通过引入数据分析、机器学习和 AI 功能，启用工业 4.0 的工厂通常被定义为智能工厂或称为智能制造。在智能工厂中，设备 “学习” 来预测异常情况并实时做出去中心化决策以应对事件。许多制造商已经在使用智能工厂的组件，例如增强现实技术来帮助维修机器，但真正实现智能工厂还需更全面的努力。
使用智能工厂系统，所有相关数据都进行汇总、分析并进行相关操作。在模块化结构化的智能工厂中，网络物理系统监控物理流程，创建物理世界的虚拟副本，并做出去中心化的决策。通过物联网，网络物理系统彼此之间通信，以及通过服务互联网与人类进行实时通信。传感器、设备、人员和流程是互联生态系统的一部分，提供以下服务：
- 减少停机时间
- 最大限度降低剩余和缺陷
- 深入洞见
- 端到端实时可见
- 工厂的数字孪生
能够持续监控流程、设备、人员、供应商并做出自动预测性决策的制造商将会提高生产力，并且比采取孤立方法的制造商有优势。对 “智能” 机器的需求只会继续增长，并且组织需要实施解决方案，其中包括支持运营的数据分析；预测性或先占式分析；与大数据源集成的大数据；实时分析和操作；以及物联网实时集成。
如果自动化、集成、监控和持续评估智能制造、制造资源（机器、设备、人员和工厂）的目标以及其执行的流程，情况会更好，这样有助于人们更智能地工作、及时做出明智决策，并且运营更高效。
下一步将是 5G 蜂窝技术的引入。由于以云为中心的技术速度更高，延迟更低，这将越来越有助于制造商转向此技术。延迟的减少意味着更高的数据容量，便于机器和系统及时做出实时反应。5G 网络确保连接的可靠性。操作员可以在车间的任何地方使用机器控制工作，确保连接不会丢失。5G 首次提供了与有线通信相媲美的数据速率和可靠性。
从传统的线性信息接收方式向实时分析和情报转变可能会改变整个产品制造方式。工业 4.0 不仅仅是上面列出的所有技术。它是关于组织如何利用这些技术、将它们结合起来以提高运营和增长。组织必须弄清楚如何最佳利用这些新技术来保持竞争力。
