工業4.0下，壓鑄廠的競爭慘烈程度，不亞于戰爭

工業4.0（Industry4.0），是德國政府和工業界定義的制造業的未來藍圖。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，所謂信息物理系統（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。

工業4.0與前三次工業革命最大的區別就在于：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、從上游向下游推動的模式，從用戶端的價值需求出發提供定制化的產品和服務，并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。

在現今的制造系統中，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于可見、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。這些因素由于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后造成的。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，實現產品價值的最大化。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”。

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系統和控制系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于能耗和剩余里程的影響；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，并為用戶推薦最佳行駛路徑；在駕駛過程中汽車還可以記錄路面的平整度，這些數據首先在系統內被分享，提醒后面的駕駛者減速駛過一段坑洼的路面，隨后被發送給市政管理部門，第二天再經過相同路段時發現坑洼的路面已經被修補好了。用戶到家之后，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，同時系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，網上預約后就可以到4S店進行維護。如果只是簡單的更換，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。

這個例子離我們并不遙遠，也許在未來5年甚至更短的時間內就會成為現實。從這個例子中可以看出，數據依然是為用戶提供定制化產品最重要的媒介，工業4.0時代的制造將通過數據把終端用戶與制造系統相連接，這些數據將自動決定生產系統各個環節的決策，實現生產上下游環環相扣的整合，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于扁平，生產資源的利用也將更加優化。

未來工業界的機會空間可以被分為四個部分：第一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。第二個部分在于避免可見的問題，需要從使用數據中挖掘新的知識為原有生產系統和產品增加價值。第三個部分在于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的最終目標。

工業4.0的機會空間

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，但是大數據本身并不是一個問題，而是一個看待問題的新方式。大數據只是一個現象，其本身并不重要，利用大數據創造價值才是根本目的。

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。