久久一级毛片高清在线观看_亚洲欧美偷拍综合图区_日本久久久久久中文字幕_国产精品人人爽人人爽AV_国产亚洲日韩一区二区三区

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)?；?、標(biāo)準(zhǔn)化、和自動(dòng)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(gè)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(dòng)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(gè)產(chǎn)業(yè)鏈的共同目標(biāo)使整個(gè)產(chǎn)業(yè)鏈的各個(gè)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(cè)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(cè)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(jìng)爭(zhēng)點(diǎn)是對(duì)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(chǎng)景思維不可見的另一個(gè)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(gè)產(chǎn)品制造出來，還應(yīng)該關(guān)心如何去使用好這個(gè)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(chǎng)景，從場(chǎng)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(shí)到。例如，買汽車的人大多都會(huì)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(dòng)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(duì)于油耗的影響，因?yàn)轳{駛習(xí)慣對(duì)于用戶而言也是不可見的，因此不會(huì)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(chǎng)競(jìng)爭(zhēng)也會(huì)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(dòng)決定生產(chǎn)系統(tǒng)的各個(gè)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(gè)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(gè)小時(shí)，而是深睡眠所占整個(gè)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(cè)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(chǎng)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(huì)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(dòng)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(gè)轉(zhuǎn)型的基礎(chǔ)條件，工業(yè)升級(jí)，最根本的驅(qū)動(dòng)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(jìng)爭(zhēng)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(huì)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(cè)市場(chǎng)趨勢(shì)等應(yīng)用。但是對(duì)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?，F(xiàn)在對(duì)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(dòng)速度快)、Veracity(準(zhǔn)確性難把握)、和Variety(來源多樣性)。這個(gè)定義是針對(duì)互聯(lián)網(wǎng)和社會(huì)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(gè)技術(shù)限制。對(duì)數(shù)據(jù)質(zhì)量的管理技術(shù)是一個(gè)企業(yè)必須要下的硬功夫。

Broken： 工業(yè)對(duì)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(gè)問題時(shí)，需要獲取與被分析對(duì)象相關(guān)的全面參數(shù)，而一些關(guān)鍵參數(shù)的缺失會(huì)使分析過程碎片化。舉例而言，當(dāng)分析航空發(fā)動(dòng)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(gè)參數(shù)，而當(dāng)其中任意一個(gè)參數(shù)缺失時(shí)都無法建立完整的性能評(píng)估和預(yù)測(cè)模型。因此對(duì)于企業(yè)來說，在進(jìn)行數(shù)據(jù)收集前要對(duì)分析的對(duì)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(duì)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(duì)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(duì)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(gè)體的比較。這種比較分析能夠幫助我們將龐大的個(gè)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(duì)象之間的相關(guān)性就是不可見世界的連接。對(duì)相關(guān)性的挖掘是形成記憶和知識(shí)的基礎(chǔ)，簡(jiǎn)單的將信息存儲(chǔ)下來并不能稱之為記憶，通過信息之間的關(guān)聯(lián)性對(duì)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?cè)诨叵肫鹨粋€(gè)畫面或是情節(jié)的時(shí)候，往往并不是去回憶每一個(gè)細(xì)節(jié)，而是有一個(gè)如線頭一樣的線索，你去牽它一下就能夠引出整個(gè)場(chǎng)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(gè)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(cè)。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(dòng)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(cè)，例如在現(xiàn)在的制造系統(tǒng)中，如果我們可以預(yù)測(cè)到設(shè)備的衰退對(duì)質(zhì)量的影響，以及對(duì)下一個(gè)工序質(zhì)量的影響，就可以在制造過程中對(duì)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(huì)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。