在西方國家有這樣一句話：To live well，a nation mustproduce well，說明制造業是一個國家綜合國力最重要的體現，也是決定民眾生活質量的重要條件。在經歷了互聯網泡沫和經濟危機之后，世界各國，尤其是發達國家開始重新意識到制造業的重要性，也在重新審視自身競爭力的優劣勢。第四次科技革命的到來為各個國家提供了發展和轉型的機遇，也使他們面臨競爭力格局變化的挑戰，智能制造成為世界各國競爭的新戰場。無論是德國提出的“工業4． 0 國家戰略”，美國提出的“國家制造業創新網絡（NNMI）計劃”，或是日本的“工業價值鏈計劃（IVI）”等，無不圍繞著制造業這個核心。中國改革開放三十多年來，綜合國力和人民生活水平的提升過程中，制造業的快速發展起到了決定性的作用，中國成為世界制造業的新中心，也連續幾年成為“世界制造力競爭指數”最強的國家。在新一輪的制造業革命中，中國也感受到來自世界各國新技術戰略的壓力，相繼提出“中國制造2025”，“互聯網＋ ”和“供給側改革”等多項措施。

每一次制造革命的進步，除了我們能夠可見的技術要素以外，更重要的是這背后的制造哲學的進步?，F代制造業從第二次科技革命到現在，經歷了標準化、合理化＋ 規范化、自動化＋集成化、網絡化＋ 信息化四個階段。這背后的制造哲學可以概括為：以低成本生產高質量的產品；通過全流程改善降低浪費、次品和事故；通過產品全生命周期的數據管理，為用戶提供所需要的能力和服務。在以上幾個階段的基礎上，現在的制造系統正處在向智能化＋ 客制化邁進的階段，目標是實現零故障和預測型的生產系統，并在無憂的生產環境中以低成本快速實現用戶的客制化需求。

那么，如何實現智能制造？有些人說大數據是實現智能制造的核心技術，也有人說要靠互聯網、信息物理系統技術（CPS），或是人工智能和機器人等。如果大數據是智能制造的核心驅動力，那么我們該怎么去定義和使用大數據？關于這個問題，我在《工業大數據》這本書中曾表達過一個觀點：大數據并不是目的，而是看待問題的一種途徑和解決問題的一種手段。通過分析數據，可以預測需求、預測制造、解決和避免不可見問題的風險，和利用數據去整合產業鏈和價值鏈，這才是大數據的核心目的。

大數據與智能制造之間的關系可以總結為：制造系統中問題的發生和解決的過程中會產生大量數據，通過對這些數據的分析和挖掘可以了解問題產生的過程、造成的影響和解決的方式，這些信息被抽象化建模后轉化成知識，再利用知識去認識、解決和避免問題，核心是從以往依靠人的經驗（experiencebased），轉向依靠挖掘數據中隱性的線索（evidence based），使得制造知識能夠被更加高效和自發地產生、利用和傳承。因此，問題和知識是目的，而數據則是一種手段。今天我們來談利用大數據實現智能制造，是因為大數據已經成為一個日益明顯的現象，而在制造系統和商業環境變得日益復雜的今天，利用大數據去解決問題和積累知識或許是更加高效和便捷的方式。

大數據的目的并不是追求數據量大，而是通過系統式地數據收集和分析手段，實現價值的最大化。所以推動智能制造的并不是大數據本身，而是大數據的分析技術。在新制造革命的轉型中，是否能夠更加有效地利用好大數據，決定了能否在競爭中脫穎而出。在現在的制造中，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，例如避免產品缺陷、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，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所造成的。

因此，我、倪軍教授和王安正教授在本書中闡述了大數據推動智能制造的三個方向：第一個方向是利用數據來了解和解決可見的問題；第二個方向是利用數據來分析和預測不可見的問題，從僅僅明白解決問題的“knowhow”，進一步理解問題產生的原因，從而避免可見的問題；第三個方向則是從數據中挖掘新的知識，再利用知識去重新定義問題，使得可見或不可見的問題都可以在制造系統中避免。在第一個方向上，許多國家已經有了比較成熟的積累，也形成了各自獨特的制造文化，本書中我們會為讀者詳細解讀這些國家的經驗和得失。在第二個和第三個方向上，我們也做了許多年的研究和應用，形成了一套較為完整的體系和方法論，在本書中也會結合案例為讀者進行詳細介紹。借助本書，我們不僅要向讀者介紹大數據和智能制造的技術，更重要的是傳達一種思維方式，以及對智能制造的理解、解決問題的邏輯和重新定義制造的思考方式。