工业 4.0：历史、优势和技术

2021 年 2 月 25 日更新

第四次工业革命制造商指南：

• 什么是工业 4.0？
• 为什么工业 4.0 很重要
• 是什么推动了工业 4.0 的发展
• 制造业的演变
• 如何成功实施工业 4.0 解决方案
• 工业 4.0 的好处
• 工业 4.0 的挑战
• 工业 4.0 技术

什么是工业 4.0？

工业 4.0，也称为第四次工业革命或 4IR，是一个包罗万象的术语，指的是计算机、数据和自动化不断发展并共同改变的方式工作发生的方式，尤其是制造方式。

工业 4.0 在第三次工业革命（包括 PC 和互联网的诞生）的基础上，通过模糊数字世界和物理世界之间的界限，将技术带入了下一次进化。自动化、人工智能、物联网等元素正变得越来越普遍。虽然过去的工业革命本质上是关于技术的进步，但工业 4.0 更多的是关于技术的发展及其对日常生活的影响。

为什么工业 4.0 很重要

在过去，工业变革和技术进步可能被描述为在解决一些问题的同时也创造了一些问题，而工业 4.0 就是要利用现有的东西并对其进行改进。因此，虽然大规模计算和数据采集等技术并不新鲜，但应用云计算 4.0 层意味着以前保留在孤岛中的数据现在可以在组织的多个级别以及全球范围内共享。

摆脱传统制造业，工业 4.0 可以减轻该行业目前面临的诸多挑战所带来的压力，包括必须在全球市场中竞争伴随的波动性，缩短越来越复杂的产品的生产周期，允许审查和分析数据，从而产生有价值的见解。变化的趋势不再令人担忧，因为公司能够以最大的灵活性和最低的成本进行路线修正，并且预测性维护创造了更高的效率和更强的底线。

由于工业 4.0 不仅是推动技术进步，而且实际上是在发展它，因此经济指标变得专注于创新，而不是创造。公司可以在比过去更快的周期内创新和创建新的商业模式——从最初的想法到实施。

工业 4.0 并没有像以前的工业革命的某些方面那样消除人机交互的需要，而是在技术上进行创新，以客户至上。更快的上市速度、按需生产和更轻松的定制水平确保了客户满意度达到了一个全新的水平。即使是那些将使用已通过物联网或机器人技术和自动化改进的机器的人也会发现他们的很多事情都得到了改善，因为重复的简单任务将被淘汰，有利于解决问题或进行创新。

是什么推动了工业 4.0 的发展？

有几个需求正在推动制造商拥抱工业 4.0。

首先，也是最有价值的，是客户。他们的需求在不断变化，他们对产品的需求也在不断变化，他们对产品的需求也比过去更快、更便宜并且仍然使用更少的资源。此外，定制是游戏的名称，在以前的技术发展中成本高昂且效率低下，但随着工业 4.0 的发展，它可以成为常态。例如，3D 打印可以在高度定制的产品上实现短期、快速周转生产，其成本略高于完整生产。

其次是数据本身：获取和分析制造商不断产生的大量历史数据的能力是用于需求、生产和维护计划的有用情报。提高效率和生产力，同时保证高端产品质量，对制造商的健康都有好处。

最后，利用云计算和连接的能力意味着全球市场的限制几乎为零。当各级工人都可以访问他们需要的数据时，距离和不同时区不再是问题，从供应链资源到生产和运输，以对任何给定用户都重要的方式实时显示。

制造业的演变：工业革命简史

制造业自其不起眼的开始以来已经发生了巨大的变化。有四项重大技术进步与四次工业革命中的每一次相一致

第一次工业革命

这是制造业转向工具和机械的时候。这个时代的流行技术——发生在 1700 年代末到 1800 年代初——包括动力织布机、梳理机、纺纱骡和纺纱珍妮。水被用来为动力织布机等设备提供动力，这种趋势发展到了大功率的对应物——蒸汽。在此期间，蒸汽机在各种用例中变得流行起来。这与这次革命之前使用的体力劳动和动物劳动形成鲜明对比。

第二次工业革命

从 1800 年代末到 1900 年代初，第二次工业革命标志着技术快速进步的时期，由于需要可互换的零件来支持这种增长，因此导致工业化和标准化的增加。这就是我们所知道的生产线出现的时候。流行的技术和重大进步包括电力、电话、钢铁和第一艘现代船舶。

第三次工业革命

由于数字电子技术的迅速采用，第三次工业革命有时被称为数字革命。微处理器、个人电脑、手机和互联网都是 20 世纪下半叶发生的第三次工业革命期间的主要技术。这标志着信息时代的开始。

第四次工业革命

自动化是第四次工业革命（工业 4.0）的最大差异化因素。机器对机器通信和物联网技术催生了智能工厂、智能传感器、使用机器数据和机器学习的预测性维护以及增材制造都来自第四次工业革命。这一时期在适用的情况下将人类从循环中移除。许多专家认为这是我们目前的历史地位。

第五次工业革命

一些专家认为，我们现在处于工业 4.0 的另一端，而是处于第五次工业革命（工业 5.0）的风口浪尖。尽管存在分歧，但 5IR 非常重视人类智能。正是在这场工业革命期间，人类和机器最终必须共同努力才能取得进步。 Elon Musk 的 Neuralink 或 MachineMetrics 的 Operator Dashboards 可以被认为是新兴的 5IR 技术的一个例子，它们将人类背景与机器数据叠加起来，以实现更好、更准确的 ML 分析。

如何成功实施工业 4.0 解决方案

有三种关键方法可以确保在您的制造环境中实施工业 4.0，尤其是工厂车间的物联网集成，而不会过多难度：

1. 确保您不会被 20/60/20 变更管理规则所束缚。在这里，您 20% 的员工坚定地支持您的计划，60% 的员工表示赞同，但持怀疑态度，20% 的员工对此并不满意。虽然在最好的情况下不可能 100% 接受任何变更管理计划，但在集成工业物联网时，最后 20% 的接受度可能难以忽视。你可以改进 60% 的一种方法是承认那些厌恶改变的人，看看你是否可以深入了解原因，并就更大的图景进行一些讨论。包括人们可以帮助让他们觉得他们在变化中利益相关。此外，从长远来看，投资培训是抵消不适的唯一最佳方法。如果人们了解原因和方法，他们会更乐意参与其中。
2. 改用主动维护。在工业 4.0 之前，缺乏机器连接、大数据和基于云的分析，默认情况下维护是被动的。由于历史模式，有一些计划维护的能力，但总的来说，标准风格是在解决问题之前等待故障。通过可靠的数据分析，制造商不仅可以利用工业 4.0 预测模式和趋势，以安排维护和生产高效时间，还可以达到自动检测、自我纠正或机器维修的阶段。
3. 与您共享数据，但也要保护它。工业 4.0 的一大优势是能够实时共享数据，即使与第三方供应商也是如此。如果他们可以看到您的需求情况，他们可以更好地预测为您提供充足的供应。随着这种共享，需要确保您的数据是安全的。网络安全是工业 4.0 的核心支柱，具有基于云的数据存储、管理和无线连接。从一开始就进行设置将确保您没有需要改进解决方案的下游问题。

工业 4.0 的好处

提高效率和生产力

当您将人排除在循环之外时，您还可以消除人为的低效率和不准确之处。通过基于数字的更好的资源分配，需要更少的资源来维持最佳的生产力水平。当数据和机器学习结合在一起进行预测性和规范性维护时，停机时间会变得不那么频繁，保持机器处于最佳状态，同时又不会因不必要的备件供应过剩或进行定期停机而牺牲仓库空间。

提高敏捷性

当决策基于也可以随意更改以查看替代方案的数字时，制造商将从敏捷性的大幅提升中获得回报。有了数字来支持决策，就可以在机会出现时迅速转变，如果预测需求的供应已经得到满足，甚至可以为一次性生产提供机会。

更多钱

这来自多种因素。提高效率和生产力意味着最大化产出。用于预测性维护的传感器数据可减少停机时间和废品率。更好的资源规划意味着前期材料支出、仓库空间（也可以使用 ML 进行优化）的开销更少，整体运营成本更低，收入潜力更大。

工业 4.0 的挑战

分散的、庞大的数据池

制造商经常被淹没在他们无法合理使用的数据中。由于缺乏了解如何清理和组织数据（正确的数据）来回答业务问题的内部人才（或外部服务），这些数据的用处已被耗尽。许多制造商进入工业 4.0，希望数据解决方案是即插即用的，并且它们都可以和谐地协同工作。尤其是早期采用者经常很难过地发现他们的数据采用了一系列不同的格式，无法协同工作，并且没有一键式按钮可以提取所有数据来回答他们当时遇到的任何问题。数据规范化引擎和低代码 ML 环境现在解决了其中一些问题，将公民数据科学变成了使用和允许它的企业的福音，但许多制造商仍然拥有充满信息的数据仓库，无法使用它。

人才稀缺

虽然世界上有很多有才华的人，但现在对特定类型的人才的需求比以往任何时候都多，而供应似乎跟不上需求。在过去的十年里，内部数据科学家一直是一种奢侈，即使是那些聘请了数据科学家的公司也经常发现他们是一个瓶颈，因为他们负担过重。由于供需的极端差异，数据科学家最近在很大程度上有一个以价格命名的选择。数据分析师和低代码机器学习环境使部署新算法的过程变得更快、更简单，但数据科学领域的专家仍然短缺。

企业文化反击

重大的数字化转型可能会给员工带来压力。缺乏变革管理程序使许多公司陷入混乱，许多员工担心他们会因人工智能或机器人而失去工作（尽管这与工业 5.0 的前景不符）。打破孤岛并要求跨部门合作可能会导致曾经存在竞争的紧张局势。公司文化必须演变为开放、创新和协作的场所，才能充分实现工业 4.0 的好处，并且基于数据的快速行动而不是长时间的深思熟虑最终在现代商业环境中获胜。

工业 4.0 技术

作为工业 4.0 创新的一部分，有哪些解决方案和技术？我们有一篇关于 4IR 技术的完整文章，但这里是前 10 种技术的快速总结：

大数据与分析

这是使用传感器、跟踪像素、调查和任何其他数据流收集的大量数据，这些数据存储在其中，并通过边缘计算和机器学习等方式进行分析。

自主机器人

这些机器人可以自行工作，无需人工输入。使用 ML，这些机器人可以做出动态决策和更正，以执行它们被编程的任务。

模拟/数字孪生

这是系统的数字版本，例如工厂的生产车间。通过在制造设备和类似数字设备上使用传感器，企业可以看到系统的虚拟“双胞胎”，然后可以将其用于分析、测试等。

水平和垂直系统

这指的是系统各个方面的连接性，包括横向和纵向的，例如跨设施的部门协同工作以及不同资历级别之间的机器数据共享和交互。

工业物联网 (IIoT)

这是工业环境中使用的任何物联网设备，例如智能 HVAC 控制或制造机器传感器。 MachineMetrics IIoT 平台通过功能强大的应用程序将您的车间数据从洞察转化为行动，这些应用程序可以减少机器停机时间、提高产量并最大限度地提高制造设备驱动的盈利能力。

网络安全技术

网络安全在 IR4 中至关重要，因为机器的大量涌入意味着必须保护的安全漏洞数量增加。

云

这是通常通过互联网访问的非现场可访问信息存储。它不需要本地硬件，制造商可以利用它来按需访问计算机资源，而无需主动管理这些资源。

增材制造

这是一种制造，它不会通过切割、研磨等方式去除东西，而是添加材料来创造一个物体。 3D打印是最突出的例子。

人工智能

人工智能是指机器能够在使用训练数据和持续预测机会形成联系的基础上，自行学习并得出结论。

增强现实

AR是指信息在物理世界上的叠加。值得注意的例子包括 Snapchat 过滤器和 Pokémon Go，但商业世界中也存在许多用例，尤其是与培训和维护有关的情况。