产品做出来之后，到底如何使用它？以前关心的是如何生产最好的产品，现在关心的是产品怎么去用，消费体验在哪里？第一，我们现在对工业价值的认知必须从后往前移，从消费端走到生产价值链前端。第二，从关注机器与机器的数据或工业环境数据，到全面协同优化，关注这个价值体系，实现我们对工业4.0的完整理解。
工业大数据的核心支撑力
在工业大数据的实践中，宏观与微观、规模与定制、个性与共性必然成为主要的几个矛盾。在这三大矛盾的背后，我们要通过工业大数据看到我们以前看不到的因素，处理好这些数据，就像Jay Lee教授讲的，让数据成为有价值的信息。工业4.0的五个支撑力值得我们关注。一是降低生产过程中的浪费。生产过程中的消耗来源于组织与组织之间、人与人之间、材料与工艺之间、流程之间，所以我们首先要考虑的问题是，如何降低消耗、浪费。二是制造工业环保与安全。没有碳排放是不现实的，但排放怎么转移，怎么去消费它是问题。三是根据生产状况，实现系统自我调整。在工业大数据里，我们称之为自适应。整个工业4.0讲的就是自适应、自感应、自调理。大数据分析到最后有很大程度取决于人工智能，指的是自适应能力的强弱，机器自我学习能力的强弱。四是实现制造业的价值化。五是实现用户需求、产品设计、制造和营销的配合。
这五大支柱的焦点就是显性因素和非显性因素。我们曾经关心的是产品的制造、产品的制造工艺、产品本身的质量等显性因素。考虑的点都是可触摸的或可量化的。在工业大数据里，想要解决的问题就是那些非显性因素。
设备处于亚健康状态，我们看不到。对于未来的智能工业来说，想要达到零宕机、零排放、零维修等目的，必须突破的一个关键点就是关注相关的隐形因素，做好量化与数据交叉关联分析。
工业4.0到底会带来什么
智能分析和网络物理系统的出现，为我们实现生产管理和工厂转型提供了新的思路。我们今天卖的已经不再是一个产品，卖的是为客户创造价值的能力。这里包含三方面：
管理优化的综合价值链：管理是一门艺术，一定是融合的产物。综合价值链体现于信息自动性和主动性到一定的量化后，帮助管理者自动形成生产系统的决策，需要大量的数据交叉模型分析，同时需要全方位地对设备进行综合管理。
您可以扫描二维码下载“问渠”应用获得公司的免费推广空间扩大业务或注册取得您想得到信息资料
|
楼主
标题置顶
标题高亮
