工業4.0：一場不可見世界的競爭

工業4.0 （Industry 4.0），是德國政府和工業界定義的制造業的未來藍圖。德國人認為，18世紀機械制造設備的引入標志著“工業1.0”時代，20世紀初的電氣化與自動化標志著“工業2.0”時代，20世紀70年代興起的信息化標志著“工業3.0”時代，現在，人類正進入“工業4.0”時代，即實體物理世界和虛擬網絡世界融合的時代。其中，所謂信息物理繫統（Cyber-Physical System, CPS）是新一代工業革命的核心技術。諾伯特?維納在1948年就提出的“控制論”（Cybernetics）是CPS技術的前身，現在為工業界廣泛知曉的CPS則是美國國家科學基金會（NSF）在2006年正式提出的，是NSF重點資助的研究方向。德國工業4.0與美國CPS，究其核心要義，是傳統制造業利用物聯網（Internet of Things，IoT）和大數據分析 (Big Data Analytics) 進行的智能化轉型。

然而，我們在談到工業轉型帶來的變革時，往往容易看到其代表性的技術特征，而忽視促使其轉型的原始的驅動力，即對於新價值創造的永恆追求。如果說前三次工業革命從機械化、規模化、標準化和自動化等方面大幅度地提高了生產力，那麼工業4.0與前三次工業革命的區別就在於：不再以制造端的生產力需求為起點，而是將用戶端的價值需求作為整個產業鏈的出發點；改變以往的工業價值鏈從生產端向消費端、從上遊向下遊推動的模式，從用戶端的價值需求出發提供定制化的產品和服務，並以此作為整個產業鏈的共同目標，使整個產業鏈的各個環節實現協同優化：這一切的本質是工業視角的轉變。工業4.0的概念有三個支撐點：一是制造本身的價值化，不僅僅是做好一個產品，還要將產品生產過程中的浪費降到，實現設計、制造過程與用戶需求相配合；二是讓繫統在制造過程中根據產品加工狀況的改變自動進行調整，在原有的自動化基礎上實現繫統的“自省 (Self-Aware)”功能；三是在整個制造過程中實現零故障、零隱患、零意外、零污染，這就是制造繫統的境界。

在現今的制造繫統中，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於制造過程中，也存在於制造過程之外的使用過程中。前三次工業革命主要解決的都是可見的問題，如避免產品缺陷、避免加工失效、提升設備效率和可靠性、避免設備故障和安全問題等。這些問題在工業生產中由於可見、可測量，往往比較容易加以避免和解決。不可見的問題通常表現為設備的性能下降、健康衰退、零部件磨損、運行風險升高等。這些因素由於其很難通過測量被定量化呈現，往往是工業生產中不可控的風險，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後造成的。因此，工業4.0的關注點和競爭點是這些不可見因素的避免和透明呈現。

工業4.0的另一個特點就是制造過程和制造價值向使用過程的延伸，不僅僅關注將一個產品制造出來，還應該關心如何去使用好這個產品，實現產品價值的化。產品的創新和價值的創造不再僅僅以滿足用戶可見的需求為導向，而且要利用用戶的使用數據創建使用情景模擬，從情景模擬中找到用戶需求的缺口（GAP），這些缺口我們稱之為“不可見的需求”，對此即便是用戶自己都很難意識到。例如，買汽車的人都會提出省油的需求，各家汽車制造商因此致力於改進車型和發動機讓車子更加省油，卻很少去關注用戶的駕駛習慣對於油耗的影響。同時，駕駛習慣對於用戶而言也是不可見的，因此不會有用戶要求汽車具備管理駕駛行為的功能。由此可見，工業4.0時代的市場競爭會從以往滿足客戶可見的需求向尋找用戶需求的缺口轉變。以往我們將產品賣給客戶之後就幾乎到達了生產價值鏈的終點，然而工業4.0時代將價值鏈進一步延伸：以產品作為服務的載體，以使用數據作為服務的媒介，在使用過程中不斷挖掘用戶需求的缺口，並利用數據挖掘所產生的信息為用戶創造價值。

我們不妨以汽車為例做一個大膽的預測，在未來的工業4.0時代，人們去4S店選車不再僅僅選擇車型、顏色和內飾等定制化特征，而且用戶還可以在一輛布滿傳感器的車內進行試駕，當用戶坐上駕駛座椅時，傳感器會自動記錄整個座椅上的壓力分布，一款符合用戶身形和坐姿習慣的座椅就自動設計完成了；在用戶開車過程中，汽車內部的傳感器自動記錄用戶的駕駛動作，進而預測用戶的駕駛習慣，一套兼顧駕駛操作體驗和舒適性的動力繫統和控制繫統即被自動匹配完成；在用戶駕駛汽車的過程中，汽車能夠自動識別用戶駕駛習慣的改變，提醒用戶駕駛習慣的變化對於能耗和剩餘裡程的影響；在上下班高峰期，汽車能夠通過海量的交通數據預測出未來一段時間內可能通過道路的擁堵情況，並為用戶推薦行駛路徑；在駕駛過程中汽車還可以記錄路面的平整度，這些數據首先在繫統內被分享，提醒後面的駕駛者減速駛過一段坑窪的路面，隨後被發送給市政管理部門，第二天再經過相同路段時發現坑窪的路面已經被修補好了。用戶到家之後，可以通過手機或是網頁查看一天的駕駛記錄，不同駕駛模式下的能耗情況一目了然，可以與社區內的其他用戶比一比誰更加節能環保，同時繫統還提供了相應的駕駛習慣改善建議。此外，用戶還能查看汽車的健康狀態報告，各個關鍵部件的健康狀況、衰退情況和故障風險一目了然，與之相匹配的維護保養建議也被自動提供，網上預約後就可以到4S店進行維護。如果隻是簡單的更換，還提供視頻及文字講解的詳細步驟說明。至此用戶發現雖然去4S店的次數和保養維修的費用明顯減少了，但汽車的故障卻幾乎降到了零。

這個例子離我們並不遙遠，也許在未來5年甚至更短的時間內就會成為現實。未來工業界賣給用戶的不再是產品，而是有價值的能力；對於駕駛者而言，汽車是一個產品，但是更重要的是汽車帶來的行動力、時尚感、經濟性、舒適性和安全性等一繫列能力。這些能力對應的服務也不再像以往那樣隻提供給用戶有限的選擇，而是根據用戶的使用情況和需求提供定制化的匹配方案，因為每一個用戶的使用數據都是定制化的，這使用戶不再是統計結果中的一個樣本，而是一個豐富的、高度個性化的個體。

再舉一個與我們日常生活息息相關的例子。我們大部分人都有去超市買鞋墊和去制衣店量身定制西裝的經歷。過去我們買鞋墊隻會問要買多大的尺碼，同一個尺碼的所有人得到的鞋墊都是相同的。但是我們每一個人的腳形、體重、站姿、走路習慣、搭配的鞋類都是不同的，因此不可能有一款鞋墊能夠同時滿足同一尺碼每一個人的需求。美國的Dr. Scholl’s 公司在賣鞋墊給用戶之前會先讓用戶站在一個連接傳感器的踏板上，繫統會記錄用戶站立時足底的壓力分布，隨即用戶就可以獲得一款定制化的鞋墊。這其實也隻是個開端，還有更多的價值空間可以挖掘，比如足部壓力數據的采集隻考慮到了站立時的情況，走路和跑步時的壓力分布同樣十分重要，同時還要考慮鞋墊與不同鞋類的搭配，如運動鞋、高跟鞋、皮鞋等。這些數據還可以賣給制鞋公司，在買完鞋墊之後向用戶推薦一款適合搭配的鞋。後，這些數據如果與醫學研究相結合，還可以提醒用戶站立姿勢和跑步習慣可能造成的足部和膝蓋的損傷風險，給用戶提供改善習慣的建議。對於制衣店而言也是一樣，大多數制衣店在給用戶量體時都在固定的姿勢下進行，而沒有考慮用戶在動態情況下的舒適程度。如果我是一個教師，會經常抬手在黑板上寫字，手臂的運動幅度就會很大，手肘和腋下部分就需要加大彈性。因此，未來的量體應該是動態的，讓用戶穿上特制的衣服之後按照喜好隨意活動，衣服上的傳感器會自動記錄幾個關鍵位置的應力情況，根據這些數據為用戶制作更加合體的衣服。這些在過去看來都是天方夜譚的事情，隨著智能傳感和3D視覺技術的成熟，已經觸手可及，這就是科技進步帶動商業與服務模式創新的良性循環。

從以上兩個例子我們不難看出，數據依然是為用戶提供定制化產品重要的媒介，工業4.0時代的制造將通過數據把終端用戶與制造繫統相連接，這些數據將自動決定生產繫統各個環節的決策，實現生產上下遊環環相扣的整合，人的工作難度將被大大降低，在這種模式下工廠的組織構架將趨於扁平，生產資源的利用也將更加優化。

還有一個例子是近特別流行的智能手環，佩戴智能手環可以采集睡眠過程中的數據，醒來之後查看數據分析的結果，睡眠質量如何、有多少時間處於深度睡眠狀態、深淺睡眠交替的曲線等信息都一目了然。這時我們纔發現決定睡眠質量的並不是一共睡了幾個小時，而是深度睡眠占整個睡眠時間的比例。白天的精力好壞是我們可見的現像，但睡眠質量是不可見的，智能手環通過睡眠數據的分析將不可見的睡眠質量變成了可見可測的結果，並利用這些信息幫助用戶去管理可見的生活。

工業4.0並不僅僅是制造業的革命，而是一場更加深刻的變革，創新模式、商業模式、服務模式、產業鏈和價值鏈都將產生革命性的變化。制造業的革命隻是工業4.0實現的基礎條件，其根本的驅動力來自於商業模式與智能服務體繫的創新技術變革，這兩者纔是未來工業界競爭的關鍵。

事實上，德國對工業4.0的定義僅僅體現了制造革命，並非是工業革命。這並不是去否定制造革命的重要性，如果制造繫統不產生深刻變革，一切商業模式的創新都無異於空中樓閣。制造繫統好比是工業4.0的“蛋黃”，我們在把“蛋黃”做好的同時也要努力把“蛋白”做大。老子雲：“有之以為利，無之以為用”，如果拿一個杯子來做比喻，杯子當中看似“無”的空間纔是容納水的地方，纔是價值真正的載體。中國的制造業一定要學會分析和使用杯子裡面的價值：制造設備雖然是德國人生產的，但是我們要更懂得如何使用。如果我們的工廠雖然用的是德國人的設備，但是中國企業通過對使用數據的分析能夠實現勝過德國工廠的高效、高質量、低成本和低污染，那麼德國人就要反過來向中國人學習如何使用設備去創造價值。

發現用戶價值的缺口、發現和管理不可見的問題、實現無憂的生產環境，以及為用戶提供定制化的產品和服務，這些都離不開對數據的分析挖掘。我相信工業4.0 的中心將會在中國，因為中國不僅僅是世界的制造大國，更是世界的使用大國，無論是制造設備還是終端消費品，中國都擁有龐大的使用數據。然而這些數據並沒有被很好地加以分析利用，因此還隻是潛力，並沒有成為真正的競爭力。

未來工業界的機會空間可以被分為四個部分。個部分是滿足用戶可見的需求和解決可見的問題，這個空間內依然有中國制造需要補的課，比如質量、污染和浪費等問題，需要的是持續的改善與不斷完善的標準化。第二個部分在於避免可見的問題，需要從使用數據中挖掘新的知識為原有生產繫統和產品增加價值。第三個部分在於利用創新的方法與技術去解決未知的問題，如具有自省能力的設備，以及利用智能手環管理睡眠質量等例子都是使不可見的問題透明化，進而去加以管理和解決不可見的問題。第四個部分是尋找和滿足不可見的價值缺口，避免不可見因素的影響，這部分需要利用數據分析產生的智能信息去創造新的知識和價值，這也是工業4.0的終目標。

通過分析數據預測需求、預測制造，利用數據去整合產業鏈和價值鏈，這就是工業4.0的思維。現在各個領域都在談大數據，但是大數據本身並不是一個問題，而是一個看待問題的新方式。大數據隻是一個現像，其本身並不重要，利用大數據創造價值纔是根本目的。工業4.0是一場在不可見世界中的戰爭，而數據分析則是連接可見與不可見世界的橋梁。

李傑教授所帶領的美國國家科學基金會(NSF)智能維護繫統（IMS）產學合作中心從2000年就開始了工業大數據分析理論和方法的研究，並在大量與企業合作的實踐項目中積累了豐富的經驗和繫統的方法論。《工業大數據：工業4.0時代的工業轉型與價值創造》是李傑教授在中國出版的本書，繫統性地闡述了李傑教授在工業大數據以及商業模式主控式創新設計方面的思想和研究成果，旨在為讀者認識工業4.0提供一個新的視角，並為工業4.0的實踐者們提供方向性的參考。在李傑教授的指導下，邱伯華、劉宗長、魏慕恆和董智升翻譯了李傑教授從2001年至今公開發表的文獻、研究手稿、在各種會議上的主題ⅩⅩⅠ報告以及媒體的相關報道，整理了李教授近兩年在工業4.0實踐設計和“信息物理繫統”（CPS）體繫設計的研究成果的手稿和口述材料，並結合了在產研合作中的實踐案例完成此書。在第四次工業革命的浪潮中，各類新的詞彙、概念和技術層出不窮，使人們難免會有霧裡看花的感覺。希望這本書能夠為國家政策制定者、企業管理者、技術拓疆者以及對工業4.0和工業大數據感興趣的大眾讀者提供一個更加清晰的思路，並根據自己的定位和目標去選擇適合自己的實踐道路。《工業大數據：工業4.0時代的工業轉型與價值創造》隻是一個開始，接下來李傑教授還將出版與工業4.0、工業大數據和“信息物理繫統”（CPS）相關的一繫列書籍，從理念、體繫設計、核心技術和實踐等方面為讀者帶來更為詳細的介紹和更加深刻的啟發。

以數據價值創造為導向的CPS技術應用特征

從CPS技術體繫來看，核心在於以數據分析的能力創造新的價值，因此，這也決定了CPS技術的高移植性、高通用性，應用範圍可以涉及工廠車間、運輸繫統、能源等各個行業。

從德國工業4.0的戰略設計來看，德國更多的關注於制造領域的價值創造與智能轉型，即注重以CPS中的CPPS（信息物理生產繫統）為主導的智能制造，對於整個工業應用鏈的價值輻射面具有一定的局限性。

而實際上，以CPS為核心的數據價值創造體繫應用於工業4.0，同樣需要“二維”應用戰略：

三個橫向的應用基礎：一是平臺基礎，即智能數據收集與平臺運用；二是分析手段，即智能化的數據分析、管理、優化工具與軟件應用；三是商業模式內核，即智能管理及服務體繫的設計與應用。

三個縱向的應用擴展：一是基礎的部件級應用；二是繫統的裝備級應用；三是成體繫的應用鏈設計。

而上述二維應用戰略可以用樹木與樹根的可見與不可見的關繫來示意：圖2-4 CPS二維應用關繫圖

我們可以分別以智能裝備、智能工廠與智能服務這三個方向來闡述CPS的應用過程：

1. 智能裝備——實現自省性、自比較性

對於智能裝備的CPS應用設計，我們可以在網絡層面上通過機器網絡接口（CPI）進行網絡健康分析的交互連接，這個從概念上類似於社交網絡。一旦網絡級基礎設施到位，機器就可以注冊到網絡，通過網絡接口交換信息。在這一點上，可以通過已經建立的一套算法跟蹤機器狀態的變化，從歷史信息推斷額外知識，應用對等比較，並將信息輸出傳遞到下一層。這樣，就必須制定新的方法來執行這些操作並產生相應的結果。這裡引入“時間機器”的設計在網絡層面執行分析，通過三個步驟實現一個智能裝備的應用設計：

（1）數據切片管理：如圖2-5所示，信息不斷地從機器中輸入網絡空間，快照收集的任務就是以有效的方式管理輸入數據，存儲信息。基本上，機器的快照性能，是通過利用歷史記錄和維護記錄來減少需要的硬盤空間和處理能力。一旦監測機器的狀態發生重要變化時，這些快照纔出現。這些變化可以定義為機器健康值的偶然變化，維護行為或者工作制度的改變。在機器的整個生命周期裡，這些快照將被收集並用於構造特定狀態點的時間機器的歷史。這個當前的時間機器記錄將被用來進行優點之間的對等比較。一旦這個優點失效或者被替代，其相關的時間機器記錄將改變狀態，從當前變為歷史，並將用作相似性的識別和合成的參考。

（2）相似識別：在網絡層面，對設備自身（以及相同設備）在不同運行模式和健康模式下的歷史數據進行特征提取和建模，再利用該模型與當前狀態產生的數據進行比較，就可以自動識別設備當前的健康狀態，進而對設備進行風險評估和故障診斷。除此之外，單個設備還可以與設備集群中的同類設備進行比較，自動識別與自己工況模式相似的其他設備並進行聚類，在工況模式相同的條件下比較自身的性能與其他設備的差異性，這種自比較和自省性的能力是以往“機器對機器（Machine-to-Machine）”概念中所沒有的。 通過對當前設備運行的模式匹配以及健康模式隨時間的變化軌跡分析，就能夠更加準確地預測設備未來狀態的變化，實現設備自預測性的能力。

（3）執行決策的優化：當設備具備了自省性、自比較性、和自預測性的能力時，就可以對自己當前和未來的性能進行預測。單個設備作為復雜工業繫統中的一份子，承擔著該繫統某個環節的任務要求。智能設備能夠結合當前自身的性能與任務要求，自動預測自身性能與任務需求在當前和未來的匹配性，並制定化的執行策略。執行策略優化的表現是，在滿足任務要求的前提下，使用資源少、對自身的健康損害小以及在的維護時機進行狀態恢復。執行決策的優化需要設備對自己在整個繫統中的角色有較為清晰的認知，並能夠預測自身的活動對繫統整體表現的影響，是設備從自省性到自認知能力的進一步智能化。

2. 智能工廠——實現無憂生產

評價生產繫統性能的關鍵指標是產量、質量、成本和零部件的精度，利用數據去分析和了解影響生產繫統的上述關鍵指標的因素，並對可能出現的風險進行預測和管控，是能否實現預測型制造的關鍵。今天大多數工廠的生產繫統較為普遍地運用商業化的管理軟件輔助工廠管理者去獲取整體設備效率（OEE）等信息，從而對生產繫統中可見的影響因素和產生的結果進行及時的掌握和應對。然而生產繫統中更多的是不可見因素的影響，比如設備性能的衰退、精度的缺失、資源的浪費等。而可見的影響因素往往是不可見因素積累到一定程度所引起的，比如設備的衰退終導致停機、精度的缺失終導致質量偏差等。因此對這些不可見因素進行預測和管理是避免可見因素影響的關鍵。在工業4.0的工廠中，自省（Self-Aware）和自我預測（Self-Predict）的功能成為監測和控制繫統的新功能，這些新功能可以幫助用戶去了解機器的健康退化、剩餘可用時間、精度的缺失以及各類因素對質量和成本的影響。此外，機器的健康還可以通過零部件的健康狀況的融合和同類機器的對比（peer-to-peer）來預測。這種預測能力使得工廠可以采取及時的維護措施從而提高管理效率，並終優化機器的正常運行。後，歷史健康信息也可以反饋到機器設備設計部門，從而形成閉環的生命周期更新設計，終實現無憂生產（worry-free production）。

這種預測分析方法可以使產品和制造繫統都具備自我意識和自我維護的功能。產品預測服務繫統可以使得產品在其功能退化的過程中產生主動觸發的服務請求並進一步預測和預防潛在的故障。預測及制造融合了來自生產制造繫統的信息和來自供應鏈繫統的信息。傳統意義上，制造商通過供應鏈繫統做出決策，這種方法利用物流、同步化供給與需求，以及全球化性能測試來實現優化成本的目標。

工業4.0實現自我意識、自我預測和自我重新配置的能力所需的核心技術是利用智能預診斷工具和解析工具來實現預測分析。智能預診斷工具主要涉及信號采集、數據存儲、同步、合成與服務。解析工具主要涉及信息轉化的四個子工具：信號處理和特征提取、健康評估、性能預測以及故障診斷。圖2-6展示的就是傳統工廠與未來工業4.0工廠的差別。

3. 智能服務——實現全產業鏈協同優化

工業4.0時代的智能信息服務已經不再是傳統意義上遠程人工在線的應答式和售後產品服務的模式，而是更注重利用全產業鏈形成的大數據進行綜合的數據分析與挖掘，針對全產業鏈各個環節的各級用戶，面向其具體的活動需求提供定制化的，可以輔助其具體活動決策的信息。

不同層級的用戶對於信息的要求是不同的，對於數據量和種類的要求也是有差距的。執行層更關心具體設備控制活動的實時性和精確性，因此，要求的數據種類不多，但是每個類別的數據量要求很大；管理層關心活動組織的合理性和高效性，因此，對數據種類要求更全，但每類的數據量要求呈指數下降；決策層關心活動方向的正確性和前瞻性，於是，對數據種類的要求全，對於每類數據量的要求小，對於數據價值的要求。

這種不同層級的用戶對於數據有不同程度的要求並對數據分析有層次化的需求，如果不加選擇地將所有數據彙聚到一起，在一個所謂的數據中心進行數據分析與挖掘，將是一個災難性的工作，因此，必須將數據的采集與分析層次化進行，纔具有工程的實際意義。

同時，正如德國對於工業4.0分析中指出的那樣，隻有建立起“二維戰略”的智能信息體繫，纔能真正發揮數據對於實體活動的價值。這是因為，在微觀與宏觀、產業上下遊活動中所有活動都是相互影響和相互作用的，將自身活動產生的數據都當作自身的核心秘密，敝帚自珍，互相就各自的數據進行分析與挖掘，效率比是極其差的。其實，企業核心競爭力並不是數據的擁有，而是數據信息化後的利用能力！

所以，如果產業鏈相關企業能夠建立一個智能信息同盟，將各自數據交由一個熟悉產業鏈各環節的機構。該機構並不參與產業鏈各環節的實體活動，隻是專門進行智能信息服務體繫的建設。由這個機構在基於產業鏈數據的基礎上，按需為各級各類用戶提供各自需要的定制化信息服務，這是可分享的；而各個企業以此為基礎開展滿足各自企業發展目標的信息價值化利用，這是不共享的。

這樣，既發揮了工業大數據的作用，又在程度上保護甚至提高了各個企業的核心競爭能力！或許，這是在智能時代的制造業和現代工業的一種新模式。

……