近年來，以 、移動互聯網、大數據、云計算為代表的新一代信息技術，以 、 、人機協作為代表的新型制造技術，與新能源、新材料與生物科技呈現多點突破、交叉融合，智能制造技術創新不斷取得新突破。2016年是我國“十三五”開局之年，也是我國系統推進智能制造發展元年，智能制造將成為實施《 》的重要抓手，推動我國經濟發展保持中高速增長，助力產業完成中高端升級。

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。現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、 +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。

相關：得大數據者得新工業革命先機

數據無限多時，就接近真實世界的本原。人類征服世界的前提是認識世界，既然借助大數據已經無限接近了真實世界，也就不必畫蛇添足了，還是保持真實數據原貌最好，而且，認識世界的能力越強，人類征服世界和改造世界的能力也越強。

世界經濟論壇第十屆新領軍者年會即夏季達沃斯論壇即將在天津舉行，主題為“第四次工業革命——轉型的力量”。屆時，全球90多個國家和地區的超過1500位各界領軍人物將集中探討第四次工業革命對未來經濟、社會、生態和文化的重要影響。今年1月下旬在瑞士小鎮舉行的達沃斯年會，主題也是“掌控第四次工業革命”，主要討論第四次工業革命將如何改變人類生產、分配和消費模式，如何應對由此帶來的挑戰。世界頂級企業家與智庫一年內兩度探討同一主題，在達沃斯論壇歷史上還是首次。世界精英如此心儀新工業革命，蓋因世界經濟遇到了瓶頸，人們急切期望從新工業革命中找到突破口，找到人類可持續發展的鑰匙。而要理解新工業革命，先得弄清大數據革命。

一般認為，大數據的數量級是在“太字節”即2的40次方以上，一般軟件人員難以收集、存儲、管理和分析的數據，而且這種認定還是相對的，隨著科技進步，“大”的認定還會不斷變化。但僅僅因為“大”而稱之為大數據，風靡全球的大數據革命就沒有太大意義了。在小數據時代，我們只能有選擇性采集抽樣數據、局部數據和片面數據，有時甚至在無法獲得實證時純粹靠經驗、理論、假設和價值觀去發現未知領域的規律。結果只能是對真實世界的抽象歸納與推理，這就不可避免包含了人的心理和主觀因素。同時，由于樣本的局部性，時間非全天候性，歸納推理中的主客觀偏差，有時可能出現“蝴蝶效應”，差之毫厘，謬以千里。

大數據的真正意義在于：通過傳感器，實現真實世界的全方位連接，得到全方位實時數據，交換、整合和云計算，逼近真實世界。

小數據追求“小”、“精”、“優”;大數據追求的是“多”、“雜”、“更優”。小數據時代，受科技水平的限制，只能依據隨機樣本，大數據則要求所有數據，在小數據時代只有5%的數據符合樣本結構化要求，剩下的95%數據都被排斥在外了。大數據則良莠不拒，不求隨機樣本，而是全體數據;不求精確性，而是混雜性。小數據探求因果關系，即知道“為什么”，以便歸納推理和預測;而大數據只知道相關關系，不必知道因果關系，只要知道“是什么”不必知道“為什么”。小數據追求精確、完美，往往導致不精確、不完美;大數據不求精確、不求完美，反而導致了觀測客觀世界的更精確、更完美。如2009年谷歌通過大數據分析準確地得出什么地方發現了H1N1禽流感，而且判斷非常及時，比美國疾控中心的判斷結論要早一兩周。美國安大略理工學院卡羅琳·麥格雷戈博士利用軟件預測早產兒的病情，不僅比專業醫生及時，而且一些病狀，醫生不能發現，而計算機能發現。這些人都沒有醫療方面的專業背景。這樣的例子在大數據時代還有很多。正如“大數據時代的預言家”，牛津大學教授維多克·邁爾-舍恩伯格所言：“在不久的將來，世界許多依靠人類判斷力的領域都會被計算機系統所改變甚至取代。”這看似是一個矛盾的命題，其實是一個方法論上的革命，即“大數據革命”。

明代著名思想家洪應明說過：“文章極處無奇巧，人品極處只本然。”一個人寫文章寫到登峰造極的境界時，其實并沒有什么寫作藝術可言，只是把內心的真實感受真實地表現出來，讓讀者從內心產生共鳴。一個人的品德修養達到爐火純青的境界時，就能“隨心所欲不逾矩”，讓人回歸到純真樸實的本然之性而已。大數據革命與此異曲同工：“工業革命無奇巧，數據大時只本然”。數據無限多時，就接近真實世界的本原。人類征服世界的前提是認識世界，既然借助大數據已經無限接近了真實世界，也就不必畫蛇添足了，還是保持真實數據原貌最好，而且，認識世界的能力越強，人類征服世界和改造世界的能力也越強。

大數據“多”、“快”“好”“省”的優點奠定了新工業革命的基石。“數據多”，隨著科技水平的進一步發展，大數據將無限逼近真實世界。“速度快”，全天候隨時實現信息交換，沒有時滯。“效果好”，大數據增加了人類的“觀測”能力。美國麻省理工學院布倫喬爾森將大數據稱之為人類社會行為觀測的“顯微鏡”，就像望遠鏡讓我們能洞察遙遠的星河，顯微鏡讓我們觀察微小的細胞一樣，大數據將幫助我們完成在通常的眼光下無法完成的工作。

新工業革命，本質上是智能革命，而智能革命的基礎是信息化，大數據是根本。沒有大數據對客觀事物全面、快速、真實、準確的信息反饋，任何智能設備都不可能實現真正的智能。因此，西方學者將即將來臨的新工業革命也稱之“后信息時代的革命”，歸根到底，這是“大數據的革命”。以至于知名信息專家涂子沛說：“數據可以治國，也可以強國”，“得數據者得天下”。借用涂子沛的這句話，我們還可以說：“數據可以治業，數據可以興業，得大數據者將占據新工業革命之先機!”(作者系上海大治投資管理有限公司董事長、金融學博士后)

工業大數據的四種用途和兩大價值

隨著新一代信息技術與制造業的深度融合，工業企業的運營管理，越來越依賴工業大數據。工業大數據的潛在價值也日益呈現。隨著越來越多的生產設備、零部件、產品以及人力物力不斷加入工業互聯網，也致使工業大數據呈現出爆炸性增長的趨勢。

對工業企業而言，工業大數據有四種區別于一般大數據應用的特殊用途，能夠帶來兩大價值：

　　圖 工業大數據的產生和應用

優化網絡： 在一個網絡系統內實現互聯的各種設備或機器，可以通過互聯網相互協作，提高網絡整體的運營效率。在醫療領域也是如此，如果將到醫生和護士等醫療數據互聯，數據就可以無縫地傳輸給醫療機構和病人，等待的時間將會更短，能夠更迅速地幫助病人使用正確的醫療設備，從而使得醫療設備利用率更高，醫療服務質量更好。在交通領域也是如此，如果將許多車輛實現互聯之后，就會知道自己的位置和目的地，同時能夠了解到網絡系統內其他車輛的位置和目的地，允許優化路由來尋找到最有效的人工智能解決方案。

優化運維： 通過工業大數據可以實現最優化、低成本，并有利于整個設備或機器的運行維護。例如，將生產設備、零部件都聯網之后，將實現一個可監測的生產狀態，可以在正確的時間將最優數量的零部件交付到準確的位置，將減少零部件庫存需求和維護成本，提升設備或機器的穩定性。

恢復系統： 通過建立廣泛的大數據信息，可以幫助網絡系統在發生毀滅性打擊之后更加快速、有效的進行恢復。例如，當地震或其他自然災害發生時，可以用智能儀表、傳感器和其他智能設備和系統組成的網絡來進行快速檢測，隔離發生故障的設備或機器，不至于發生串聯而導致更大規模的故障發生。

自主學習： 每臺設備或機器的操作經驗可以聚合為一個大數據，使得整個設備或機器能夠自主學習。這種自主學習的方式是不可能在單個機器上來實現的。例如，從許多飛機上收集的數據加上位置和飛行的歷史數據，才可以提供有關各種環境下飛機性能的信息。當越來越多的機器連接在一個系統中，產生無數只能數據的結果將是網絡系統的不斷擴大并能自主學習，而且越來越智能化。