工业4.0下，压铸厂的竞争惨烈程度，不亚于战争

工业4.0（Industry4.0），是德国政府和工业界定义的制造业的未来蓝图。现在，人类正进入“工业4.0”时代，即实体物理世界和虚拟网络世界融合的时代。其中，所谓信息物理系统（Cyber-Physical System,CPS）是新一代工业革命的核心技术。诺伯特·维纳在1948年就提出的“控制论”（Cybernetics）是CPS技术的前身，现在为工业界广泛知晓的CPS则是美国国家科学基金会（NSF）在2006年正式提出的，是NSF重点资助的研究方向。德国工业4.0与美国CPS，究其核心要义，是传统制造业利用物联网（Internet of Things，IoT）和大数据分析(Big Data Analytics)进行的智能化转型。

工业4.0与前三次工业革命最大的区别就在于：不再以制造端的生产力需求为起点，而是将用户端的价值需求作为整个产业链的出发点；改变以往的工业价值链从生产端向消费端、从上游向下游推动的模式，从用户端的价值需求出发提供定制化的产品和服务，并以此作为整个产业链的共同目标，使整个产业链的各个环节实现协同优化：这一切的本质是工业视角的转变。

在现今的制造系统中，存在着许多无法被定量、无法被决策者掌握的不确定因素，这些不确定因素既存在于制造过程中，也存在于制造过程之外的使用过程中。前三次工业革命主要解决的都是可见的问题，如避免产品缺陷、避免加工失效、提升设备效率和可靠性、避免设备故障和安全问题等。这些问题在工业生产中由于可见、可测量，往往比较容易加以避免和解决。不可见的问题通常表现为设备的性能下降、健康衰退、零部件磨损、运行风险升高等。这些因素由于其很难通过测量被定量化呈现，往往是工业生产中不可控的风险，大部分可见的问题都是这些不可见的因素积累到一定程度后造成的。因此，工业4.0的关注点和竞争点是这些不可见因素的避免和透明呈现。

工业4.0的另一个特点就是制造过程和制造价值向使用过程的延伸，不仅仅关注将一个产品制造出来，还应该关心如何去使用好这个产品，实现产品价值的最大化。产品的创新和价值的创造不再仅仅以满足用户可见的需求为导向，而且要利用用户的使用数据创建使用情景模拟，从情景模拟中找到用户需求的缺口（GAP），这些缺口我们称之为“不可见的需求”。

我们不妨以汽车为例做一个大胆的预测，在未来的工业4.0时代，人们去4S店选车不再仅仅选择车型、颜色和内饰等定制化特征，而且用户还可以在一辆布满传感器的车内进行试驾，当用户坐上驾驶座椅时，传感器会自动记录整个座椅上的压力分布，一款符合用户身形和坐姿习惯的座椅就自动设计完成了；在用户开车过程中，汽车内部的传感器自动记录用户的驾驶动作，进而预测用户的驾驶习惯，一套兼顾驾驶操作体验和舒适性的动力系统和控制系统即被自动匹配完成；在用户驾驶汽车的过程中，汽车能够自动识别用户驾驶习惯的改变，提醒用户驾驶习惯的变化对于能耗和剩余里程的影响；在上下班高峰期，汽车能够通过海量的交通数据预测出未来一段时间内可能通过道路的拥堵情况，并为用户推荐最佳行驶路径；在驾驶过程中汽车还可以记录路面的平整度，这些数据首先在系统内被分享，提醒后面的驾驶者减速驶过一段坑洼的路面，随后被发送给市政管理部门，第二天再经过相同路段时发现坑洼的路面已经被修补好了。用户到家之后，可以通过手机或是网页查看一天的驾驶记录，不同驾驶模式下的能耗情况一目了然，可以与社区内的其他用户比一比谁更加节能环保，同时系统还提供了相应的驾驶习惯改善建议。此外，用户还能查看汽车的健康状态报告，各个关键部件的健康状况、衰退情况和故障风险一目了然，与之相匹配的维护保养建议也被自动提供，网上预约后就可以到4S店进行维护。如果只是简单的更换，还提供视频及文字讲解的详细步骤说明。至此用户发现虽然去4S店的次数和保养维修的费用明显减少了，但汽车的故障却几乎降到了零。

这个例子离我们并不遥远，也许在未来5年甚至更短的时间内就会成为现实。从这个例子中可以看出，数据依然是为用户提供定制化产品最重要的媒介，工业4.0时代的制造将通过数据把终端用户与制造系统相连接，这些数据将自动决定生产系统各个环节的决策，实现生产上下游环环相扣的整合，人的工作难度将被大大降低，在这种模式下工厂的组织构架将趋于扁平，生产资源的利用也将更加优化。

未来工业界的机会空间可以被分为四个部分：第一个部分是满足用户可见的需求和解决可见的问题，这个空间内依然有中国制造需要补的课，比如质量、污染和浪费等问题，需要的是持续的改善与不断完善的标准化。第二个部分在于避免可见的问题，需要从使用数据中挖掘新的知识为原有生产系统和产品增加价值。第三个部分在于利用创新的方法与技术去解决未知的问题，如具有自省能力的设备，以及利用智能手环管理睡眠质量等例子都是使不可见的问题透明化，进而去加以管理和解决不可见的问题。第四个部分是寻找和满足不可见的价值缺口，避免不可见因素的影响，这部分需要利用数据分析产生的智能信息去创造新的知识和价值，这也是工业4.0的最终目标。

工业4.0的机会空间

通过分析数据预测需求、预测制造，利用数据去整合产业链和价值链，这就是工业4.0的思维。现在各个领域都在谈大数据，但是大数据本身并不是一个问题，而是一个看待问题的新方式。大数据只是一个现象，其本身并不重要，利用大数据创造价值才是根本目的。

工业4.0是一场在不可见世界中的战争，而数据分析则是连接可见与不可见世界的桥梁。