工業4.0是在互聯網的影響下，工業或者說是制造業發展革新的新形式。德國人提出工業4.0（Industry4.0）的概念，

美國也同樣有工業互聯網（IndustrialInternet）的概念，現在中國也提出了信息化和工業化的“兩化融合”，其實它們都表達了一個含義，即工業要和互聯網結合起來，未來工業的發展要和互聯網緊密地結合。

背景

在詳細說明工業4.0前，先回顧一下前三次工業革命。如下圖，第一次工業革命以蒸汽機的發明為基礎，代表了機器第一次可以代替人力完成必要的生產任務；第二次工業革命以流水線的產生為基礎，代表了一種新型的高效的生產模式；第三次工業革命以PLC的發明和發展為基礎，代表了自動化在工業生產制造中的重大作用，第三次工業革命提高了加工精度與產品的質量。自第三次工業革命后，工業制造的關注點大部分在于對于生產流程和產品質量的控制以及最優化。而隨著時代的發展，特別是互聯網以及人工智能等計算機新技術的發展，工業界越來越需要機器進行自我認知與自我學習，工廠的管理也逐漸從操作人員的管理向機器數據的管理轉變，因此，工業4.0的概念就應運而生了。

歷次工業革命

工業4.0是社會需求和計算機科學技術發展的產物。一方面，人們對生產多樣性和個性化的需求越來越高，統一的生產線生產大批量同質化的產品已經越來越不符合人們的需求，生產產品的柔性化，產品質量的柔性化已經越來越得到重視。產品的生產數量及生產周期都必須更加靈活以便對市場做出快速的反應。在對生產的管理方面，單一機臺單獨的管理與控制已經不能滿足要求，正因為生產的靈活性，一件產品的制造可能涉及到多臺不同種類的生產機器，生產管理已經需要由單一機臺向多機臺甚至集群進行轉變。同一時間，在產品同質化甚至質量相當的情況下，服務正逐漸走向舞臺的中心。依照客戶的個性化需求提供個性化的服務，為產品做全生命周期的管理，智能生產與智能維護也需要工業界進行一次變革。

另一方面，互聯網，物聯網及計算機科學的飛速發展也為工業4.0的產生打下了堅實的基礎。高精度的傳感器與多功能控制器、采集卡的開發使得人們與機器的交流成為可能，機器的每一個動作與形態都能被量化為一條條二進制碼。云計算與分布式系統的開發，又為海量數據的分析計算提供了可能，機器學習與數據挖掘技術的飛速發展正成為工業數據分析的核心。可以說，在硬件基礎（物聯網）與軟件基礎（云計算，大數據分析及分析算法）之上，工業4.0的提出才更具有現實意義。

定義

工業4.0是以智能制造為主導的第四次工業革命。其利用信息物理系統（Cyber-Physical System）將生產中的供應、制造、銷售信息數據化，智慧化，形成有效的的網絡，信息共享和交流，最后達到快速、有效、個性化的產品供應。在信息物理系統和物聯網等的基礎上，對生產制造的管理不再單一針對單臺機臺和設備，而是以集群、網絡的觀點對待。工業4.0時代的智能工廠具有可適應性、高效、多功能、可靠、安全、易用等特點，同時，工業4.0下工廠可結合客戶和商業伙伴，創造出更多的商業價值。

特點1.信息與交流

在工業4.0的時代，機臺、設備、產品仍然是關注的中心。但機器的表現，產品的健康狀況已不再由人工決定或評估，物聯網下生產流程及產品使用的狀況理論上都可以轉化為可量化的數據，人為的因素將被降至最低。工業信息化下生產流程的透明度將得到提高，產品的可追溯性也成為可能。同時，對生產制造過程中產生的海量數據進行分析與挖掘，可將大量的數據轉化為表征機器行為及健康狀況的信息，這些從數據中獲得的信息可為性能維護、生產管理、設計等提供決策支持，進一步幫助提升質量與生產率。有效的數據信息轉化方法還可使生產設備具備自我學習與自我認知的能力，人工經驗與知識可轉化為智能的數字化的分析算法。更進一步，機器在充分了解自身的運行狀態與健康狀況的基礎上，可根據自己行為的趨勢對未來自身的表現進行預測。機器的自我認知與自我預測可使自身得到及時的預見性的維護與改善，整個生產制造將更加智能。

如果“信息”使得生產制造更加智能，那么“交流”就使得工業4.0時代下的生產制造更具網絡化。這里的交流可以是機器與機器之間的交流，也可以是生產制造同維修、供應鏈、銷售、設計等之間的交流。在工業4.0中，機臺是核心智能化，但機臺并不是全部，對單個機器單個部件的數據分析可以擴展至整臺機器乃至整個生產線、整個工廠；機臺生產制造中產生的重要信息同樣可以和物流、人資、設計、維護等形成信息共享和交流。至此，一個以機臺為中心，網絡化的工業生態圈就形成了，在這樣一個生態圈的內部，機器、數據、人員將形成一個完整的閉環，各個之前獨立的部門也在信息流下被結合到一起。網絡化下，每一臺機器就是網絡中的節點，機器與機器之間可以互相交流比較各自獲取的信息，工廠中不同職能的部門也是網絡中的節點，部門與部門之間的合作在工業4.0的環境下也變得更加便利和高效。

2信息物理系統（Cyber-Physical System）

信息物理系統在工業4.0中占有很重要的地位。所謂信息物理系統，是一個將物理實體與虛擬網絡相結合的系統。根據美國國家科學基金會（NationalScience Foundation）在2007年對信息物理系統的定義，實體系統主要指自然或人工制造的符合物理原理的系統，其隨著時間不斷運行；信息系統指通過計算、交互及控制組成的虛擬網絡系統，它是離散的、邏輯化的；信息物理系統就是在任何層面上將實體與虛擬緊密結合，實體的行為可由虛擬系統觀測，虛擬系統同樣可以指導控制實體的行為。

根據美國辛辛那提大學智能維護系統中心（Center for Intelligent Maintenance Systemsin University of Cincinnati）的研究，信息物理系統具有5個層次的架構，層層遞進。第一層，連接（Connection）：通過傳感器和通訊技術，為物理實體系統與虛擬信息系統建立連接。這也是目前物聯網（Internetof Things）的主要內容。機器的行為，包括動作，工況，加工精度，健康狀態等等都通過控制器及傳感器轉換成數字化的語言，再通過無線、以太網、射頻等技術從機器中傳輸出來。這樣，機器的行為就可由不同種類的數據集的變化所表達，因此數據的獲取與傳輸在這一層次中顯得十分重要。第二層，轉換（Conversion）：將從機器實體中獲取的數據計算轉換為表征機器狀態的信息。從機器中獲取的數據種類多，數量大，每時每刻都在不斷增長，但機器的運行狀態，機器物理結構上隨時間的改變卻隱藏在海量的數據之中。這就需要通過信息融合的方法，將海量的數據轉換成信息，表明現階段機器的行為及健康狀況，甚至對機器的未來表現做出預測。這一層中，實體系統外在表現背后的原理將被進一步認知。

第三層，虛擬（Cyber）：所有機器的信息匯聚在一起形成虛擬的網絡空間。不同種類，不同時間段內機器中產生的信息交匯在一起，形成龐大的網絡，信息與信息之間不斷地交互，更多的趨勢與關系將被發現與歸納。在這一層中，縱向上，單個機器可以追蹤其自身隨時間的變化，橫向上，同一型號的機器，或不同種類的機器可以進行相互的比較和分析。機器與自身，機器與機器在相互交流中將產生更多的信息或知識。第四層，認知（Cognition）：使用者獲取虛擬網絡空間中計算分析出的關于實體系統的結果，并做出決策。這一層中，人的角色被考慮進來，上兩層中計算分析的結果以正確的形式在恰當的時間傳遞給需要的人員，并輔助他們進行決策的制定。一方面，工廠中不同的人員對機器中產生的信息結果都有不同的需求，例如，操作員需要關心對機器的操作是否恰當，是否有當機的危險，維修人員關心機器的運行是否穩定，是否需要進行提前維護，生產主管關心產線的效率如何，機器的產能是否得到保證。信息的可視化即人機界面的設計需要滿足這些需求，信息的即時推送也同樣重要。另一方面，在獲得相應的信息后，人員需要給出針對性的對策，維護機器正常運行，提升生產效率，認知層面需要給出這樣的決策支持。

第五層，配置（Configure）：信息系統對物理實體系統提供反饋和控制，管理、改進實體系統。數據、信息由實體系統中來，最后還是要回到實體系統中去，在這樣一個閉環中，虛擬端與物理端真正結合在一起。機器在自學習和自演化中變得更加靈活，可滿足不同的需求并快速反應。而且，通過對實體系統的控制與優化，可以將機器運行時發生的問題逐漸避免，將風險降低，同時結合工廠內其他部門，提升設計-生產-銷售-維護生產鏈的協同能力，為工廠帶來更多的經濟利益。這樣，通過5個層次，工廠依次從監控、認知、分析到解決、避免，在工業4.0下完成新的變革。

信息物理系統為工廠在實體之外創造了另一個網絡化的虛擬空間，利用數據的分析與交互，提升了工廠管理與運作。同時，信息物理系統還將之前相對獨立的生產，物流，銷售等不同的職能系統緊密地結合在一起，大大提升了對市場的反應能力，更能滿足現階段的需求，達成以服務為中心的生產制造體系。信息物理系統的存在，也使得工廠脫離了地域的限制，在信息網絡中獲得更多的交流與合作。在工業4.0的時代，工廠可實現自我感知智能化，比較，預測，甚至自適應，從而創造出更大的價值。

實現

工業4.0的概念剛剛興起，要想實現還需很長時間的發展。這里僅給出一些實現工業4.0的建議。總的來說工業4.0的變革可分以下幾個階段：建立基礎->前期研發->應用->決策。

如同信息物理系統中連接（Connection）處于第一層一樣，建立數據獲取和通訊的基礎是實現工業4.0第一階段關注的重點。這里，不僅需要從機器中獲取數據，還需要對于生產制造的每一個流程都實現信息化，讓工廠中的方方面面都通過信息這張網絡連接起來。只有機器的行為、表現，供應鏈、物流、產量等全部都數據化，才能更進一步對這些數據進行處理和分析。

數據基礎建立之后，進入前期研發階段。這一階段中，可以選定某些特定設備或部件，研究其運行狀態和采集的數據的關系，建立適當的模型，開發分析的方法。如需要，還可針對這些設備或部件設計實驗，采集實驗數據，做更細致的分析。數據分析的方法或算法的研究最終可形成示例或原型，再通過歷史數據對算法進行可行性及經濟性驗證。

前期研發完成之后，進入應用階段。這一階段智能分析、計算的系統將會被開發出來，并用于工廠的所有機器和相關部門。此系統需要包括硬軟件平臺的架設。智能分析系統在設計時可以采用模塊化的設計，保證其靈活性和可適應性。其主要包括以下幾個模塊：數據提取模塊（從機器中獲取數據并傳輸），分析模塊（專注數據的分析，接收待分析的數據，返回分析的結果）顯示模塊（將分析結果以適當的方式呈現）和中間管理模塊（此模塊負責將前3個模塊有機結合起來，處理從提取模塊中傳輸來的數據，發送數據至分析模塊，接收計算結果，發送結果至顯示模塊等等）。不同模塊之間的協同合作將前期研發中開發的智能算法應用到整個工廠。

最終進入決策階段。根據智能分析平臺的分析結果，做出相應處理措施，既包括針對分析結果的解決方案，例如安排備品和維修計劃，制定人員調整，針對市場進行預算等等，也包括對于機器本身的調整和對于平臺自身的優化。在這樣的決策下，生產變得更加穩定而高效，智能分析系統變得更加完善，機器經過不斷演化變得更靈活更敏捷。

前景

在工業4.0的環境下，機器的利用將更加智能。不同的數據與信息的交互可以幫助利用已知的已觀測的數據了解未知的知識，通過智能分析的手段，還可在數據中發現新的關聯、分類及模式，從而產生出額外的價值。工業4.0的時代，多種智能服務，例如智能監控，遠程診斷，云服務，大數據分析，應用狀態推送報告等等，都將使得生產制造更加靈活，客戶體驗更加全面、深入。工業4.0還將提升機器的可利用率及可靠性和可適應性，生產過程的優化和產品質量都得到有效的提高。產品的開發周期也隨著信息交互而有效縮短，可重構、適應性高的生產系統可以在較低的成本下迅速滿足復雜的個性化的市場需求。生產制造的市場競爭力和發展的可持續性都在工業4.0的環境下得到提高。

挑戰

雖然工業4.0的前景十分美好，但實現工業4.0必定是一個長期的過程，前期很有可能會付出不小的資金和人力投入卻并沒有什么明顯的效果。在工業3.0向工業4.0變革的過程中，將會有很大的挑戰，這里僅舉幾例。

工業4.0需要強大的硬件支撐，完成數據的采集獲取、連接傳輸、計算分析、呈現推送等功能，硬件投入成本相當高昂。工業3.0時代雖然機器的自動化程度很高，但控制器中傳輸的數據大多只與機器的運行控制有關，想要獲取更多的關于機器效率、健康等信息，必須額外安裝傳感器。有些傳感器，例如振動傳感器，成本較高，對環境要求也較高，在某些環境惡劣的廠房安裝相應的采集設備十分困難。此外，數據連接建立后每時每刻都有海量的數據從機器中傳出，數據傳輸的速度和傳輸質量都受到硬件好壞的影響。對數據的分析、整理、存儲同樣需要高性能計算機、大容量存儲介質的支持。目前的工廠普遍并不具備這樣的硬件條件和數據連接的基礎，架設數字化的分析平臺將是一筆不小的開支。

基于硬件平臺上的智能采集、分析算法的開發同樣是一個挑戰。沒有分析方法的支撐，采集的數據依然不能被轉化為對系統有幫助的有用的信息。面對不同種類的數據形式，不同種類的機械結構，算法的適應性和自演化性將變得越來越重要。智能算法對海量數據的處理能力，特別對于數據質量的分析與過濾，有效參數、特征的提取和選擇，都需要首先進行加強。此外，針對不同機器不同數據的分析手段需要經過整合建立統一的標準化的分析平臺，現如今，統一的標準的缺乏使得分析的效率一直處于較低的水平。

另一個挑戰來自安全性。數據的不斷增多，數據交流的不斷增多，勢必會像互聯網一樣帶來安全隱患。工業數據中常含有大量商業機密，數據在傳輸和分析過程中往往會增加泄密的風險。此外，對于工業大數據的分析，工廠可能采用同第三方數據分析公司合作的方式，這樣智能數據分析算法或軟件就與工廠的內部數據環境分隔開來，如何在安全性得到保障的情況下建立工廠內數據與工廠外分析平臺的連接變得十分困難。因此，如何尋求合適的數據分析形式，保證分析和交互的私密性安全性，將會是未來工業界在進行工業4.0變革的時候都需要考慮的一個重要因素。

工業4.0歸根結底還是需要人來實現，建立工業4.0的環境，對人才提出了更高的要求。未來的工程師，不再只專注于一個領域，而需要掌握多學科的知識。工程師不僅要熟悉機器和生產線，了解其結構和運行原理，還需要掌握計算機科學和計算機工程的知識，需要具備數據分析方法的開發能力甚至還必須擁有信息化平臺的架設能力及智能監控與分析軟件的編寫能力。目前，此類綜合性的人才在工業界十分缺乏，而針對復合型人才的培養機制同樣匱乏。人力資源的缺口也是工業4.0實現的挑戰之一。