在当今竞争白热化的商业环境中，企业于是以面对着前所未有的挑战，即如何利用大数据，较慢而准确地决策以提升生产力。追溯到过去，整个制造业看的是生产力市场需求。今天我们的市场需求再次发生了变化。
一． 如何解读工业4.0的核心驱动工业发展的早期为反对生产流程而使用非常简单的机械系统，这是生产端的生产力市场需求。而随着工业4．0的经常出现、互联网等科技新的生态的飞速全面化，消费者对产品创意、质量、品种以及交付给速度的观点再次发生了质的变化，这就是我们今天看见的市场个性化市场需求的根本原因之一。
到目前为止，为适应环境动态变化的市场需求而使用高度自动化的流水线等新的科技，其核心驱动来自消费末端。因此，现代生产设备必需不具备自我意识、自我预测、自适应对比、自律轻配备以及自律修理等工业智能的能力，才有可能构建全面个性化与创意的发展。在工业化有所不同价值链的体系下，除了从生产末端后脚到消费末端外，也同时从上游往下游突破。从用户的最后价值抵达，要构建工业产品的服务与个性化，构建产业链各个环节的融合与协同优化是必定之路。
美国人之所以指出未来智能工业的发展从生产生产末端到消费端的改变是必定，并且明确提出工业互联网的理念，是因为美国特别强调的是互联网与商业模式创新力。美国的工业互联网注目的方向是充分利用其信息技术的极大优势，构建以消费者为核心的智能服务。
德国在制造业的核心优势是装备制造业以及生产线自动化，所以德国的工业4．0实践中注目销售、服务能力的提高。因而德国明确提出的是信息物理产品系统特物联网IOT为中心的管理革命战略。
二． 如何解读工业大数据大数据的理念早已广为大众所拒绝接受，其核心都特别强调价值。目前，除了大数据的基础建设之外，从数据到信息的工作，更好的是逗留在社交或商业数据挖掘上。
例如，销售预测、用户关系挖出与聚类、引荐系统、观点挖出等。这些研究都十分最重要，也极具创意意义，尤其是对夹住消费很有协助。但是，这些实践中都只注目了“人为数据或与人涉及的数据”，而忽视了“机器数据或工业数据”，如设备控制器、传感器、生产系统等。产品做到出来之后，究竟如何用于它？以前关心的是如何生产最差的产品，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理解必需从后往前后移，从消费末端跑到生产价值链前端。
第二，从注目机器与机器的数据或工业环境数据，到全面协同优化，注目这个价值体系，构建我们对工业4．0的原始解读。三． 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、规模与自定义、个性与共性必定沦为主要的几个对立。
在这三大对立的背后，我们要通过工业大数据看见我们以前看到的因素，处置好这些数据，就像Jay Lee教授谈的，让数据沦为有价值的信息。工业4．0的五个支撑力有一点我们注目。
1． 降低生产过程中的浪费。生产过程中的消耗源于的组织与的组织之间、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到的问题是，如何降低消耗、浪费。2． 生产工业环保与安全性。
没碳排放是不现实的，但废气怎么移往，怎么去消费它是问题。3． 根据生产状况，构建系统自我调整。在工业大数据里，我们称作自适应。整个工业4．0谈的就是自适应、自感应、自调理。
大数据分析到最后有相当大程度各不相同人工智能，所指的是自适应能力的高低，机器自我自学能力的高低。4． 构建制造业的价值化。5． 构建用户市场需求、产品设计、生产和营销的因应。
这五大支柱的焦点就是显性因素和非显性因素。我们曾多次关心的是产品的生产、产品的生产工艺、产品本身的质量等显性因素。
考虑到顶点都是可触碰的或可分析的。在工业大数据里，想解决问题的问题就是那些非显性因素。设备正处于亚健康状态，我们看到。
对于未来的智能工业来说，想超过零宕机、零排放、零修理等目的，必需突破的一个关键点就是注目涉及的隐形因素，作好分析与数据交叉关联分析。四． 工业4．0究竟不会带给什么？智能分析和网络物理系统的经常出现，为我们构建生产管理和工厂转型获取了新的思路。我们今天买的早已仍然是一个产品，买的是为客户建构价值的能力。
这里包括三方面：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。综合价值链反映于信息自动性和主动性到一定的分析后，协助管理者自动构成生产系统的决策，必须大量的数据交叉模型分析，同时必须全方位地对设备展开综合管理。
本文来源：永乐国际f66-www.rt799.com
