工業(yè)視角的轉(zhuǎn)變

如果說前三次工業(yè)革命分別從機(jī)械化、規(guī)模化、標(biāo)準(zhǔn)化、和自動化等方向大幅度地提高了生產(chǎn)力，那么第四次工業(yè)革命與前面三次最大的區(qū)別在于：不再以制造端的生產(chǎn)力需求為出發(fā)點(diǎn)，而是將客戶端價(jià)值作為整個產(chǎn)業(yè)鏈的核心，改變以往的工業(yè)價(jià)值鏈從生產(chǎn)端向消費(fèi)端、上游向下游推動的模式，從客戶端的價(jià)值需求出發(fā)提供客制化的產(chǎn)品和服務(wù)，并以此作為整個產(chǎn)業(yè)鏈的共同目標(biāo)使整個產(chǎn)業(yè)鏈的各個環(huán)節(jié)實(shí)現(xiàn)協(xié)同優(yōu)化，其本質(zhì)是工業(yè)視角的轉(zhuǎn)變。

不可見的問題

在現(xiàn)在的制造中，存在著許多無法被定量、無法被決策者掌握的不確定因素，這些不確定因素既存在于制造過程中，也存在于制造過程之外的使用過程中。前三次工業(yè)革命主要解決的都是可見的問題，例如去避免產(chǎn)品缺陷、避免加工失效、提升設(shè)備效率和可靠性、避免設(shè)備故障和安全問題等。這些問題在工業(yè)生產(chǎn)中由于可見可測量，往往比較容易去避免和解決。不可見的問題通常表現(xiàn)為設(shè)備的性能下降、健康衰退、零部件磨損、運(yùn)行風(fēng)險(xiǎn)升高等。這些因素由于其很難通過測量被定量化，往往是工業(yè)生產(chǎn)中不可控的風(fēng)險(xiǎn)，大部分可見的問題都是這些不可見的因素積累到一定程度所造成的。因此，工業(yè)互聯(lián)網(wǎng)的關(guān)注點(diǎn)和競爭點(diǎn)是對這些不可見因素的避免和透明化。

不可見的需求

從使用過程的體驗(yàn)角度審視產(chǎn)品功能，制造需要場景思維不可見的另一個特點(diǎn)就是制造過程和制造價(jià)值向使用過程的延續(xù)，不僅僅關(guān)注將一個產(chǎn)品制造出來，還應(yīng)該關(guān)心如何去使用好這個產(chǎn)品，實(shí)現(xiàn)產(chǎn)品價(jià)值的最大化。產(chǎn)品的創(chuàng)新和創(chuàng)值不再僅僅是以滿足用戶可見的需求為導(dǎo)向，而是利用用戶的使用數(shù)據(jù)去深刻地理解用戶的使用場景，從場景中找到用戶需求的空缺(GAP)，這些空缺我們稱之為“不可見的需求”，因?yàn)榧幢闶怯脩糇约憾己茈y意識到。例如，買汽車的人大多都會提出省油的需求，于是所有汽車制造商就努力改變車型和發(fā)動機(jī)讓車子更加省油。但是很少去關(guān)注用戶的駕駛習(xí)慣對于油耗的影響，因?yàn)轳{駛習(xí)慣對于用戶而言也是不可見的，因此不會有用戶去要求汽車提供駕駛行為管理的功能。所以新工業(yè)革命時(shí)代的市場競爭也會從以往滿足客戶可見的需求向?qū)ふ矣脩粜枨蟮腉AP轉(zhuǎn)變。以往我們將產(chǎn)品賣給客戶之后就幾乎到達(dá)了生產(chǎn)價(jià)值鏈的終點(diǎn)，而云計(jì)算等新技術(shù)的普及將價(jià)值鏈進(jìn)一步延伸到使用端，以產(chǎn)品作為服務(wù)的載體，以使用數(shù)據(jù)作為服務(wù)的媒介，在使用過程中不斷挖掘用戶需求的GAP，并利用數(shù)據(jù)挖掘所產(chǎn)生的信息服務(wù)為用戶創(chuàng)造價(jià)值。

數(shù)據(jù)依然是為用戶提供客制化產(chǎn)品最重要的媒介，新工業(yè)革命時(shí)代中的制造將通過數(shù)據(jù)把終端客戶與制造系統(tǒng)相連接，這些數(shù)據(jù)將自動決定生產(chǎn)系統(tǒng)的各個環(huán)節(jié)的決策，實(shí)現(xiàn)生產(chǎn)上下游環(huán)環(huán)相扣的整合，人的工作難度將被大大降低，在這種模式下工廠的組織構(gòu)架將趨于扁平，生產(chǎn)資源的利用效率也更加優(yōu)化。

有一個例子是最近特別流行的智能手環(huán)，佩戴智能手環(huán)可以采集睡眠過程中的數(shù)據(jù)，醒來之后可以通過查看數(shù)據(jù)分析的結(jié)果，睡眠質(zhì)量如何、多少時(shí)間是深睡眠狀態(tài)、深淺睡眠交替的曲線等信息都一目了然。這時(shí)我們才發(fā)現(xiàn)決定睡眠質(zhì)量的并不是一共睡了幾個小時(shí)，而是深睡眠所占整個睡眠時(shí)間的比例。白天精力好壞是我們可見的現(xiàn)象，但睡眠質(zhì)量是不可見的，智能手環(huán)通過睡眠數(shù)據(jù)的分析將不可見的睡眠質(zhì)量變成了可見可測的結(jié)果，并利用這些信息幫助用戶去管理可見的生活。

新工業(yè)革命并不僅僅是制造業(yè)的革命，而是一場更加深刻的變革，創(chuàng)新模式、商業(yè)模式、服務(wù)模式、產(chǎn)業(yè)鏈和價(jià)值鏈都將產(chǎn)生革命性的變化，制造業(yè)的文化，從“機(jī)器崇拜，流程崇拜”進(jìn)入到人文主義視角的“價(jià)值定義”，今天的零售業(yè)逐步向“內(nèi)容，IP”化轉(zhuǎn)移，制造業(yè)的產(chǎn)品或服務(wù)，未來也會走向“IP導(dǎo)向的制成品” ，生產(chǎn)線和消費(fèi)者使用處于永遠(yuǎn)互動的狀態(tài)，并延伸基于數(shù)據(jù)的增值服務(wù)，云計(jì)算、人工智能、和大數(shù)據(jù)都是支撐這個轉(zhuǎn)型的基礎(chǔ)條件，工業(yè)升級，最根本的驅(qū)動力來自于商業(yè)模式與智能服務(wù)體系的創(chuàng)新技術(shù)變革，這兩者才是未來工業(yè)界競爭的藍(lán)海。

工業(yè)大數(shù)據(jù)的3B與3C

什么是工業(yè)大數(shù)據(jù)？

一提到大數(shù)據(jù)，人們首先會想到在互聯(lián)網(wǎng)和商業(yè)等環(huán)境中，利用大量的行為數(shù)據(jù)來分析用戶行為和預(yù)測市場趨勢等應(yīng)用。但是對工業(yè)大數(shù)據(jù)的定義和應(yīng)用卻很難直觀地理解和想象。現(xiàn)在對大數(shù)據(jù)最為流行的定義來自于維克托·邁爾-舍恩伯格和肯尼斯·克耶編寫的《大數(shù)據(jù)時(shí)代》中提出的4V特性，即Volume(數(shù)據(jù)量大)、Velocity(流動速度快)、Veracity(準(zhǔn)確性難把握)、和Variety(來源多樣性)。這個定義是針對互聯(lián)網(wǎng)和社會環(huán)境中的大數(shù)據(jù)，從數(shù)據(jù)工程的技術(shù)挑戰(zhàn)方面所提出的。而工業(yè)大數(shù)據(jù)的挑戰(zhàn)和目的則要通過“3B”和“3C”來理解：

工業(yè)大數(shù)據(jù)應(yīng)用的“3B”挑戰(zhàn)：

- Bad Quality： 在工業(yè)大數(shù)據(jù)中，數(shù)據(jù)質(zhì)量問題一直是許多企業(yè)所面臨的挑戰(zhàn)。這主要受制于工業(yè)環(huán)境中數(shù)據(jù)獲取手段的限制，包括傳感器、數(shù)采硬件模塊、通信協(xié)議、和組態(tài)軟件等多個技術(shù)限制。對數(shù)據(jù)質(zhì)量的管理技術(shù)是一個企業(yè)必須要下的硬功夫。

- Broken： 工業(yè)對于數(shù)據(jù)的要求并不僅在于量的大小，更在于數(shù)據(jù)的全面性。在利用數(shù)據(jù)建模的手段解決某一個問題時(shí)，需要獲取與被分析對象相關(guān)的全面參數(shù)，而一些關(guān)鍵參數(shù)的缺失會使分析過程碎片化。舉例而言，當(dāng)分析航空發(fā)動機(jī)性能時(shí)需要溫度、空氣密度、進(jìn)出口壓力、功率等多個參數(shù)，而當(dāng)其中任意一個參數(shù)缺失時(shí)都無法建立完整的性能評估和預(yù)測模型。因此對于企業(yè)來說，在進(jìn)行數(shù)據(jù)收集前要對分析的對象和目的有清楚的規(guī)劃，這樣才能夠確保所獲取數(shù)據(jù)的全面性，以免斥巨資積累了大量數(shù)據(jù)后發(fā)現(xiàn)并不能解決所關(guān)心的問題。

- Background (Below the Surface)： 除了對數(shù)據(jù)所反映出來的表面統(tǒng)計(jì)特征進(jìn)行分析以外，還應(yīng)該關(guān)注數(shù)據(jù)中所隱藏的背景相關(guān)性。對這些隱藏在表面以下的相關(guān)性進(jìn)行分析和挖掘時(shí)，需要一些具有參考性的數(shù)據(jù)進(jìn)行對照，也就是數(shù)據(jù)科學(xué)中所稱的“貼標(biāo)簽”過程。這一類數(shù)據(jù)包括工況設(shè)定、維護(hù)記錄、任務(wù)信息等，雖然數(shù)據(jù)的量不大，但在數(shù)據(jù)分析中卻起到至關(guān)重要的作用。

工業(yè)大數(shù)據(jù)分析的“3C”目的：

- Comparison(比較性)：從比較過程中獲取洞察，既包括比較相似性，也包括比較差異性。比較的維度既可以是在時(shí)間維度上與自身狀態(tài)的比較，也可以是在集群維度上與其他個體的比較。這種比較分析能夠幫助我們將龐大的個體信息進(jìn)行分類，為接下來尋找相似中的普適性規(guī)律和差異中的因果關(guān)系奠定基礎(chǔ)。

- Correlation (相關(guān)性)：如果說物聯(lián)網(wǎng)是可見世界的連接，那么所連接對象之間的相關(guān)性就是不可見世界的連接。對相關(guān)性的挖掘是形成記憶和知識的基礎(chǔ)，簡單的將信息存儲下來并不能稱之為記憶，通過信息之間的關(guān)聯(lián)性對信息進(jìn)行管理和啟發(fā)式的聯(lián)想才是記憶的本質(zhì)。相關(guān)性同時(shí)也促進(jìn)了人腦在管理和調(diào)用信息的效率，我們在回想起一個畫面或是情節(jié)的時(shí)候，往往并不是去回憶每一個細(xì)節(jié)，而是有一個如線頭一樣的線索，你去牽它一下就能夠引出整個場景。這樣的類似記憶式的信息管理方式運(yùn)用在工業(yè)智能中，就是一種更加靈活高效的數(shù)據(jù)管理方式。

- Consequence (因果性)：數(shù)據(jù)分析的重要目的是進(jìn)行決策支持，在制定一個特定的決策時(shí)，其所帶來的結(jié)果和影響應(yīng)該被同等地分析和預(yù)測。這是以往的控制系統(tǒng)所不具備的特性，也是智能化的本質(zhì)。工業(yè)系統(tǒng)中的大部分活動都具有很強(qiáng)的目的性，就是把目標(biāo)精度最大化，把破壞度最小化的“結(jié)果管理”。結(jié)果管理的基礎(chǔ)是預(yù)測，例如在現(xiàn)在的制造系統(tǒng)中，如果我們可以預(yù)測到設(shè)備的衰退對質(zhì)量的影響，以及對下一個工序質(zhì)量的影響，就可以在制造過程中對質(zhì)量風(fēng)險(xiǎn)進(jìn)行補(bǔ)償和管理，制造系統(tǒng)的彈性和堅(jiān)韌性就會增加。

總結(jié)而言，互聯(lián)網(wǎng)和商業(yè)大數(shù)據(jù)與工業(yè)大數(shù)據(jù)在技術(shù)挑戰(zhàn)、數(shù)據(jù)屬性、和分析目的等方面有很多區(qū)別，這也決定了兩者技術(shù)手段的不同。

雖然互聯(lián)網(wǎng)大數(shù)據(jù)與工業(yè)大數(shù)據(jù)的核心問題與技術(shù)路徑不同，但并不意味著兩者是格格不入的。相反，將互聯(lián)網(wǎng)大數(shù)據(jù)與工業(yè)大數(shù)據(jù)相整合，能夠相得益彰產(chǎn)生更大的價(jià)值。舉例而言，制造系統(tǒng)正在改變過去生產(chǎn)驅(qū)動銷售的“Push”模式和銷售驅(qū)動生產(chǎn)的“Pull”模式，雖然已經(jīng)具備滿足不同訂單需求的“柔性”生產(chǎn)模式，但依然無法改變對市場應(yīng)激式的生產(chǎn)模式。未來的智能制造系統(tǒng)將以數(shù)據(jù)來驅(qū)動，體現(xiàn)在設(shè)計(jì)過程的數(shù)據(jù)化(PLM、CAD)、制造系統(tǒng)驅(qū)動的數(shù)據(jù)化(MES、DCS)、和生產(chǎn)資源管理的數(shù)據(jù)化(ERP)等方式。但是這些都還只看到了制造系統(tǒng)本身，而忽略了這些數(shù)據(jù)化的源頭應(yīng)該是對市場和客戶的數(shù)據(jù)化。利用商業(yè)大數(shù)據(jù)對市場進(jìn)行預(yù)測、繪制客戶需求畫像、和分析供應(yīng)狀態(tài)實(shí)時(shí)評估等方式，能夠從本質(zhì)上將制造系統(tǒng)從應(yīng)激式轉(zhuǎn)變成為預(yù)測型的生產(chǎn)模式。

“不可見的世界”的價(jià)值

“有之以為利、無之以為用”是出自老子《道德經(jīng)》中的一句話，其中的智慧放在當(dāng)今工業(yè)的價(jià)值模式中依然十分受用。這句話可以理解為：一切事物的實(shí)體為我們提供可以憑借的可見的基礎(chǔ)條件，而其中所隱藏的空間和可變化的無限可能才是被我們真正使用并創(chuàng)造價(jià)值的所在。我們在《工業(yè)大數(shù)據(jù)》一書中，曾用煎蛋模型來闡述產(chǎn)品與服務(wù)價(jià)值之間的關(guān)系(圖一)：蛋黃代表的是產(chǎn)品自身，其差異性和客制化程度并不明顯，例如一臺電視機(jī)在擋住了Logo之后就很難被區(qū)分出來是哪家公司生產(chǎn)的。而蛋白所代表的增值服務(wù)卻是差異化和客制化的重要體現(xiàn)，也是企業(yè)的品牌和可持續(xù)性價(jià)值的所在。這些價(jià)值存在于用戶的使用場景、隱形因素的相關(guān)性、和產(chǎn)品被制造和使用的全生命周期這些“不可見世界”中。數(shù)據(jù)將成為挖掘這些價(jià)值的重要手段，主要體現(xiàn)在：利用數(shù)據(jù)挖掘在使用中獲得新的知識和技術(shù)對現(xiàn)有產(chǎn)品進(jìn)行改進(jìn)；利用數(shù)據(jù)去發(fā)現(xiàn)和定義用戶未知的需求；以數(shù)據(jù)作為媒介向用戶提供增值服務(wù)。

圖一：工業(yè)價(jià)值的煎蛋模型新思維

以風(fēng)力發(fā)電為例，風(fēng)機(jī)本身的差異化并不明顯，用戶的定制化需求也并不強(qiáng)烈，但是風(fēng)機(jī)在運(yùn)行過程中的發(fā)電能力、運(yùn)行穩(wěn)定性、和運(yùn)維成本等卻是用戶價(jià)值的核心。利用風(fēng)機(jī)的運(yùn)行大數(shù)據(jù)可以對風(fēng)機(jī)進(jìn)行健康管理、對潛在的運(yùn)行風(fēng)險(xiǎn)進(jìn)行預(yù)測、和對風(fēng)場的運(yùn)維進(jìn)行優(yōu)化，從而提升風(fēng)機(jī)的可用率、改善發(fā)電效率、和降低運(yùn)維成本。風(fēng)機(jī)的制造廠商也可以不再僅僅通過賣出裝備獲得一次性的盈利，還可以通過向用戶提供使用過程中的增值服務(wù)實(shí)現(xiàn)持續(xù)性的盈利。

圖二：可見與不可見的轉(zhuǎn)型思維

人類社會在經(jīng)歷了200多年的科技革命后，已經(jīng)積累了巨大的工業(yè)產(chǎn)品存量，工業(yè)的基礎(chǔ)設(shè)施和大量基本生產(chǎn)要素，如機(jī)床、電力設(shè)施、動力設(shè)施、制造裝備、交通裝備等需求都已逐漸趨于飽和。因此德國的“工業(yè)4.0”戰(zhàn)略中將面向制造系統(tǒng)的集成和軟件服務(wù)作為重點(diǎn)，具體表現(xiàn)在“縱向集成”、“橫向集成”和“端到端集成”。同樣發(fā)現(xiàn)這個問題的還有美國GE公司，他們意識到裝備銷售過程中的獲利遠(yuǎn)遠(yuǎn)不及在產(chǎn)品使用過程中的價(jià)值服務(wù)，客戶需要的價(jià)值也遠(yuǎn)不止對產(chǎn)品狀態(tài)的保持，更在于如何去使用這些能力來實(shí)現(xiàn)更高效的價(jià)值再創(chuàng)造。

以數(shù)據(jù)為核心使產(chǎn)品發(fā)揮最大的能力，歸根結(jié)底是利用數(shù)據(jù)建模實(shí)現(xiàn)對狀態(tài)、環(huán)境和任務(wù)的精確評估，對管理和控制活動進(jìn)行實(shí)時(shí)的決策優(yōu)化，并協(xié)同和調(diào)度相關(guān)產(chǎn)品高效率運(yùn)行的過程。

“無憂”的制造環(huán)境

制造系統(tǒng)中的問題同樣也有 “ 可見” 和“ 不可見”之分，我們對待這些問題的方式既可以在問題發(fā)生后去解決，也可以在問題發(fā)生前去避免。生產(chǎn)系統(tǒng)中存在的“不可見”問題包括設(shè)備性能的衰退、精度的缺失、易耗件的磨損、和資源的浪費(fèi)等，可見的問題往往是這些不可見因素積累到一定程度所引起的，比如設(shè)備的衰退最終導(dǎo)致停機(jī)、精度的缺失最終導(dǎo)致質(zhì)量偏差等。就如同冰山一樣，可見的問題僅僅是冰山一角，而隱性的問題則是隱藏在冰山下面的惡魔。通過大數(shù)據(jù)對“不可見”問題獲得深刻的洞察，是實(shí)現(xiàn)無憂慮制造環(huán)境的基礎(chǔ)，也是智能制造的本質(zhì)。

制造改進(jìn)與轉(zhuǎn)型的機(jī)會空間可以被分為四個部分(圖二)，第一個部分是去滿足用戶可見的需求和解決可見的問題，這個空間內(nèi)依然有中國制造需要補(bǔ)的課，比如質(zhì)量、污染、和浪費(fèi)等問題，需要的是持續(xù)的改善與不斷完善的標(biāo)準(zhǔn)化。第二個空間在于避免可見的問題，需要從使用數(shù)據(jù)中挖掘新的知識對原有生產(chǎn)系統(tǒng)和產(chǎn)品做加值改善。第三個空間在于利用創(chuàng)新的方法與技術(shù)去解決未知的問題與創(chuàng)造新的競爭力，例如具有自省能力的設(shè)備，以及利用傳感器與大數(shù)據(jù)使不可見的問題透明化，進(jìn)而去管理和解決不可見的問題。第四個象限是尋找和滿足不可見的價(jià)值缺口，避免不可見因素的影響，這部分需要利用大數(shù)據(jù)分析產(chǎn)生的智能信息去創(chuàng)造新的知識和價(jià)值與傳承力，這也是工業(yè)互聯(lián)網(wǎng)的最終目標(biāo)。

通過分析數(shù)據(jù)，預(yù)測需求、預(yù)測制造、利用數(shù)據(jù)去整合產(chǎn)業(yè)鏈和價(jià)值鏈，這就是工業(yè)大數(shù)據(jù)的思維。工業(yè)互聯(lián)網(wǎng)是一場在不可見世界中的戰(zhàn)爭，而工業(yè)數(shù)據(jù)分析的競爭力則是連接可見與不可見世界的橋梁。

利用大數(shù)據(jù)實(shí)現(xiàn)無憂的制造環(huán)境有三個方向，數(shù)據(jù)在每一個階段中扮演的作用也并不相同。第一個方向是在解決可見問題的過程中積累經(jīng)驗(yàn)和知識，從而去避免這些問題。在這個過程中，數(shù)據(jù)可以作為經(jīng)驗(yàn)和知識的載體。第二個方向是依靠數(shù)據(jù)去分析問題產(chǎn)生的隱性線索(evidence)、關(guān)聯(lián)性、和根原因等，進(jìn)而利用預(yù)測分析將不可見問題顯性化，從而實(shí)現(xiàn)解決不可見問題的目的?，F(xiàn)在的制造系統(tǒng)正在經(jīng)歷從第一個階段到第二個階段的轉(zhuǎn)變過程，在完成這個過程后，制造系統(tǒng)將不再有‘surprise’，使得所有隱性問題在變成顯性問題和影響之前都可以被提前解決。第三個方向是通過對數(shù)據(jù)的深度挖掘，建立知識和問題之間的相關(guān)性，從數(shù)據(jù)中啟發(fā)出新的知識，并能夠利用知識對制造系統(tǒng)進(jìn)行精確的建模，產(chǎn)生能夠指導(dǎo)制造系統(tǒng)活動的鏡像模型，從系統(tǒng)的設(shè)計(jì)端避免可見及不可見問題的發(fā)生。

這三個方向?qū)ζ髽I(yè)都非常具有借鑒意義，但是需要根據(jù)不同的情況側(cè)重于不同的方向。總的來概況，這三個方向分別適用于以下幾類情況中問題的解決：

第一個方向：適合在某一個領(lǐng)域已經(jīng)經(jīng)營了很久，有了一定的經(jīng)驗(yàn)積累，但是卻很難總結(jié)出為什么做的好或是不好。

第二個方向：在解決了可見的問題之后，仍然存在一些不可見問題對制造系統(tǒng)造成的影響，希望能夠了解不可見因素的變化過程和相互的關(guān)聯(lián)性，積累更加深入的制造知識。

第三個方向：在制造基礎(chǔ)還較為薄弱的領(lǐng)域，并沒有形成太多有效的數(shù)據(jù)，但是擁有非常豐富的使用數(shù)據(jù)和經(jīng)驗(yàn)，則可以借助使用過程中積累的知識對制造系統(tǒng)提出設(shè)計(jì)的要求。

圖三：問題、數(shù)據(jù)、與知識的關(guān)系及管理方式

圖三簡明地闡述了大數(shù)據(jù)與智能制造之間的關(guān)系：制造系統(tǒng)中“可見”和“不可見”問題的發(fā)生及解決的過程中會產(chǎn)生大量的數(shù)據(jù)，通過對這些數(shù)據(jù)的分析可以了解問題產(chǎn)生的過程、造成的影響和解決的方式。通過對數(shù)據(jù)的深度挖掘和抽象化建模后可以形成知識，進(jìn)而利用知識去認(rèn)識、避免、和重新定義問題。數(shù)據(jù)在其中起到的作用，是使這個過程從以往依靠人的經(jīng)驗(yàn)(Experience based)轉(zhuǎn)向依靠挖掘數(shù)據(jù)中隱性的線索(Evidence based)，使得制造知識能夠被更加高效和自發(fā)地產(chǎn)生、利用和傳承。因此，問題和知識是目的，而數(shù)據(jù)則是一種手段。今天我們來談利用大數(shù)據(jù)實(shí)現(xiàn)智能制造，是因?yàn)榇髷?shù)據(jù)正在逐漸成為易得的資源，而在制造系統(tǒng)和商業(yè)環(huán)境變得日益復(fù)雜的今天，利用大數(shù)據(jù)去解決問題和積累知識將是更加高效和便捷的方式。

數(shù)據(jù)本身不會說話，也并不會直接創(chuàng)造價(jià)值，真正為企業(yè)帶來價(jià)值的是數(shù)據(jù)分析和挖掘之后產(chǎn)生的洞察和行動的價(jià)值，是數(shù)據(jù)經(jīng)過實(shí)時(shí)分析后及時(shí)地流向決策鏈的各個環(huán)節(jié)，是讓數(shù)據(jù)成為面向客戶創(chuàng)值服務(wù)的媒介和依據(jù)。工業(yè)大數(shù)據(jù)的目的并不是追求數(shù)據(jù)量的龐大，而是通過系統(tǒng)式地?cái)?shù)據(jù)收集和分析手段，實(shí)現(xiàn)價(jià)值的最大化。所以推動工業(yè)價(jià)值轉(zhuǎn)型和智能制造的并不是大數(shù)據(jù)本身，而是大數(shù)據(jù)分析技術(shù)所帶來的洞察，行動的準(zhǔn)確性與速度。在新制造革命的轉(zhuǎn)型中，更加有效地積累和利用數(shù)據(jù)資源與知識的傳承，決定了能否在新競爭環(huán)境中脫穎而出。工業(yè)大數(shù)據(jù)定義了制造價(jià)值的新主張，這個價(jià)值的應(yīng)用既可以外向，也可以是內(nèi)向。內(nèi)向是利用大數(shù)據(jù)去解決和避免制造系統(tǒng)中的“不可見”問題，實(shí)現(xiàn)無憂的制造環(huán)境。外向是利用大數(shù)據(jù)在產(chǎn)品的使用過程向用戶提供智能增值服務(wù)，實(shí)現(xiàn)制造價(jià)值的延續(xù)。這兩者對于中國制造而言，一方面是解決制造“大而不強(qiáng)”的挑戰(zhàn)，另一方面是改善制造附加值較低的瓶頸。中國應(yīng)該利用好使用數(shù)據(jù)的資源，不斷提升企業(yè)對制造的理解和知識積累速度，才能彌補(bǔ)中國在裝備制造和核心零部件等方面的弱勢，逐步彌補(bǔ)這些弱勢領(lǐng)域造成的短板，讓世界看到中國在工業(yè)大數(shù)據(jù)中創(chuàng)知和創(chuàng)值的成功經(jīng)驗(yàn)。

來源：國際工業(yè)自動化網(wǎng)