工業大數據：工業4.0時代的工業轉型與價值創造 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 李傑（Jay Lee） 著，邱伯華 等 譯

圖書標籤:

• 工業大數據
• 工業4
• 0
• 數字化轉型
• 智能製造
• 數據分析
• 價值創造
• 工業互聯網
• 預測性維護
• 優化
• 效率提升

齣版社： 機械工業齣版社

ISBN：9787111506249

版次：1

商品編碼：11715728

品牌：機工齣版

包裝：精裝

開本：32開

齣版時間：2015-07-01

用紙：純質紙

頁數：204

産品特色

編輯推薦

　　如何以較低成本滿足用戶定製化的需求？
　　如何使製造過程的信息透明化、更加高效、提升質量、降低成本和資源消耗和更有效的管理？
　　如何提供設備全生命周期的信息管理和服務，使設備的使用更加高效、節能、持久？
　　如何使人的工作更加簡單，甚至部分代替人的工作，在提高生産效率的同事降低工作量？
　　如何實現全産業鏈的信息整閤，使整個生産係統達到協同優化，增加生産係統變得更加動態和靈活，進一步提高生産效率和降低生産成本？
　　工業大數據則以分析這些問題為齣發點，圍繞它能夠解決什麼樣的問題和為用戶提供什麼樣的服務為價值。同時，工業大數據能夠在橫嚮與縱嚮環節的互聯與在統一平颱的信息共享，由此將資源利用與分析維度規模化、價值最大化，進而能夠最大範圍地麵嚮各環節的用戶進行應用服務的定製與按需分發，由此又可衍生齣持續性服務共贏的模式。

內容簡介

　　工業大數據是未來工業在全球市場競爭中發揮優勢的關鍵。無論是德國工業4.0、美國工業互聯網還是《中國製造2025》，各國製造業創新戰略的實施基礎都是工業大數據的搜集和特徵分析，及以此為未來製造係統搭建的無憂環境。《工業大數據：工業4.0時代的工業轉型與價值創造》基於工業4.0的時代背景，通過深入剖析未來工業的商業模式和智能服務體係的創新技術變革，論述如何通過工業大數據的分析和應用去預測需求、預測製造，整閤産業鏈和價值鏈，發現用戶的價值缺口，發現和管理不可見的問題，實現為用戶提供定製化的産品和服務。

作者簡介

　　李傑教授，現任美國辛辛那提大學(Univ.of Cincinnati) 講座教授，美國國傢科學基金會(NSF)智能維護係統（IMS）産學閤作中心主任，目前的研究重點是以工業大數據分析為主的智能預測技術、産品及服務的主控式創新設計(Do m i n a n tInnovation)。自2000年起他領導IMS與全球80多傢國際公司（其中包括寶潔、英特爾、GE航空、波音、豐田、小鬆、西門子、阿爾斯通等世界500強公司）進行工業大數據技術聯閤研發，開發瞭世界領先的Watchdog Agent?智能維護係統技術，突破瞭傳統機械設備故障預測的理論、方法和技術，被美國《財富》雜誌譽為21世紀全球三大熱門技術之一。李傑教授曾在美國NSF主管先進製造項目，並在美國聯閤技術研究中心(UTRC)擔任産品開發與製造部總監。李傑教授從2013年起擔任美國白宮信息物理係統（CPS）專傢組顧問，他同時也是上海交通大學特聘講座教授與先進産業技術研究院前瞻顧問。

精彩書評

　　★工業大數據分析是製造業轉型的重要基礎。本書集中闡述瞭企業如何以工業大數據為核心，如何進行大數據的分析，這些內容對於企業轉型及客戶價值創造都是很有價值的，值得一讀。
　　——寶鋼集團有限公司黨委書記、董事長 徐樂江

　　★工業大數據分析是智能製造的基礎，也是支撐未來製造智能化的重要方嚮。我們需要加強大數據方法論的研究，開發齣可以用於製造過程分析的工具和使用軟件，纔能真正推動製造技術的進步。
　　——中國工程院院士、上海交通大學常務副校長 林忠欽

　　★人類創新的目的是為瞭社會更加進步和文明，企業創新的目的是為顧客創造價值。李傑教授主導的創新思想與工業大數據分析工具，會幫助企業傢在互聯網大數據時代找到創新的路徑和方法。
　　——紅領集團董事長 張代理

　　★未來工業大數據的分析是客戶定製C2B的基礎，也是中國企業實現“互聯網+”的重要方嚮。李傑教授的主控式創新的新思維與工具是企業創新與價值創造的基礎，對中國企業是非常好的指引。
　　——尚品宅配董事長 李連柱

　　★李傑教授曾經走進三一集團，與我們共同交流工業4.0的體會，他憑藉豐富的經驗與實踐，提齣瞭以工業大數據為核心的工業價值創造體係，在眾多的工業4.0論述中，獨闢蹊徑，讓我們受益良多。
　　——三一集團總裁 唐修國

　　★智能傳感器與大數據分析是製造業要成為世界級領導者的根基。李教授的美國NSF智能維護産學閤作中心所開發的工業大數據分析技術是工業4.0的核心技術，企業應努力學習。
　　——上銀科技董事長 卓永財

　　★《中國製造2025》強國夢的實現，必須依靠精益求精的品質與客戶價值的創造。工業大數據分析是企業增強競爭力，使中國轉變為“製造強國”的關鍵要素。
　　—— 製造業國際聯盟主席 王洪艷

　　★李傑教授提齣的“6M+6C”智能體係設計，可以從理論與實踐兩方麵精準地指引企業如何擁抱智能製造的新時代。他的新書將是企業傢及各界人士迎接世界新一輪産業革命浪潮的指南。
　　——中國《福布斯》雜誌執行主編 康健

　　★以移動、互聯、智能和共享為特徵的“工業4.0”標誌著製造業新紀元的開啓，已成為我國相關産業轉型升級、彎道超車的最好機遇，更為充滿光明、無限美好的“中國夢”提供瞭難得的助力。
　　——中國船舶工業係統工程研究院院長 張宏軍

目錄

認識工業4.0所需要的重要元素與概念
推薦序一
推薦序二
推薦序三
前言 工業4.0：一場不可見世界的競爭
第1章 以價值創造為核心的工業轉型新思維
1.1 為什麼有工業4.0？
1.2 德國工業4.0與美國CPS戰略計劃
1.3 以價值為導嚮的變革新思維
1.4 “有之以為利，無之以為用”
1.5 中國工業4.0的競爭力缺口
1.6 探索適閤中國工業4.0的轉型之路
第2章 工業4.0環境下的大數據價值創造體係
2.1 工業4.0的大數據環境
2.2 工業大數據和互聯網大數據
2.3 物聯網的潛在危機
2.4 挖掘工業大數據價值的核心技術——CPS
2.5 “5C”：以CPS為核心的數據價值創造體係架構
2.6 從數據到信息到價值的轉化過程
2.7 以數據價值創造為導嚮的CPS技術應用特徵
2.8 從CPS到工業4.0：製造的重新定位與新思維
第3章 數據價值創造的設計與實踐技術
3.1 智能感知層：建立統一的數據環境（Connection）
3.2 信息挖掘層：從數據到信息的分析過程（Conversion）
3.3 網絡層：網絡化內容管理（Cyber）
3.4 認知層：對信息的識彆與決策（Cognition）
3.5 配置層：係統的彈性和重構（Configuration）
第4章 價值創造的商業模式設計
4.1 尋找價值的“GAP”
4.2 從創新到價值創造：主控式創新思維
4.3 主控式創新工具
4.4 手把手教你如何做“蛋白”
第5章 案例與實踐
5.1 智能裝備
5.2 智能工廠
5.3 智能服務
第6章 競爭力戰略新思維
結 語
參考資料
譯者介紹
美國智能維護係統(IMS)産學閤作中心簡介

精彩書摘

　　以數據價值創造為導嚮的CPS技術應用特徵
　　從CPS技術體係來看，核心在於以數據分析的能力創造新的價值，因此，這也決定瞭CPS技術的高移植性、高通用性，應用範圍可以涉及工廠車間、運輸係統、能源等各個行業。
　　從德國工業4.0的戰略設計來看，德國更多的關注於製造領域的價值創造與智能轉型，即注重以CPS中的CPPS（信息物理生産係統）為主導的智能製造，對於整個工業應用鏈的價值輻射麵具有一定的局限性。
　　而實際上，以CPS為核心的數據價值創造體係應用於工業4.0，同樣需要“二維”應用戰略：
　　三個橫嚮的應用基礎：一是平颱基礎，即智能數據收集與平颱運用；二是分析手段，即智能化的數據分析、管理、優化工具與軟件應用；三是商業模式內核，即智能管理及服務體係的設計與應用。
　　三個縱嚮的應用擴展：一是基礎的部件級應用；二是係統的裝備級應用；三是成體係的應用鏈設計。
　　而上述二維應用戰略可以用樹木與樹根的可見與不可見的關係來示意：圖2-4 CPS二維應用關係圖
　　我們可以分彆以智能裝備、智能工廠與智能服務這三個方嚮來闡述CPS的應用過程：
　　1. 智能裝備——實現自省性、自比較性
　　對於智能裝備的CPS應用設計，我們可以在網絡層麵上通過機器網絡接口（CPI）進行網絡健康分析的交互連接，這個從概念上類似於社交網絡。一旦網絡級基礎設施到位，機器就可以注冊到網絡，通過網絡接口交換信息。在這一點上，可以通過已經建立的一套算法跟蹤機器狀態的變化，從曆史信息推斷額外知識，應用對等比較，並將信息輸齣傳遞到下一層。這樣，就必須製定新的方法來執行這些操作並産生相應的結果。這裏引入“時間機器”的設計在網絡層麵執行分析，通過三個步驟實現一個智能裝備的應用設計：
　　（1）數據切片管理：如圖2-5所示，信息不斷地從機器中輸入網絡空間，快照收集的任務就是以有效的方式管理輸入數據，存儲信息。基本上，機器的快照性能，是通過利用曆史記錄和維護記錄來減少需要的硬盤空間和處理能力。一旦監測機器的狀態發生重要變化時，這些快照纔齣現。這些變化可以定義為機器健康值的偶然變化，維護行為或者工作製度的改變。在機器的整個生命周期裏，這些快照將被收集並用於構造特定狀態點的時間機器的曆史。這個當前的時間機器記錄將被用來進行優點之間的對等比較。一旦這個優點失效或者被替代，其相關的時間機器記錄將改變狀態，從當前變為曆史，並將用作相似性的識彆和閤成的參考。
　　（2）相似識彆：在網絡層麵，對設備自身（以及相同設備）在不同運行模式和健康模式下的曆史數據進行特徵提取和建模，再利用該模型與當前狀態産生的數據進行比較，就可以自動識彆設備當前的健康狀態，進而對設備進行風險評估和故障診斷。除此之外，單個設備還可以與設備集群中的同類設備進行比較，自動識彆與自己工況模式相似的其他設備並進行聚類，在工況模式相同的條件下比較自身的性能與其他設備的差異性，這種自比較和自省性的能力是以往“機器對機器（Machine-to-Machine）”概念中所沒有的。 通過對當前設備運行的模式匹配以及健康模式隨時間的變化軌跡分析，就能夠更加準確地預測設備未來狀態的變化，實現設備自預測性的能力。
　　（3）執行決策的優化：當設備具備瞭自省性、自比較性、和自預測性的能力時，就可以對自己當前和未來的性能進行預測。單個設備作為復雜工業係統中的一份子，承擔著該係統某個環節的任務要求。智能設備能夠結閤當前自身的性能與任務要求，自動預測自身性能與任務需求在當前和未來的匹配性，並製定最優化的執行策略。執行策略優化的錶現是，在滿足任務要求的前提下，使用資源最少、對自身的健康損害最小以及在最優的維護時機進行狀態恢復。執行決策的優化需要設備對自己在整個係統中的角色有較為清晰的認知，並能夠預測自身的活動對係統整體錶現的影響，是設備從自省性到自認知能力的進一步智能化。
　　2. 智能工廠——實現無憂生産
　　評價生産係統性能的關鍵指標是産量、質量、成本和零部件的精度，利用數據去分析和瞭解影響生産係統的上述關鍵指標的因素，並對可能齣現的風險進行預測和管控，是能否實現預測型製造的關鍵。今天大多數工廠的生産係統較為普遍地運用商業化的管理軟件輔助工廠管理者去獲取整體設備效率(OEE)等信息，從而對生産係統中可見的影響因素和産生的結果進行及時的掌握和應對。然而生産係統中更多的是不可見因素的影響，比如設備性能的衰退、精度的缺失、資源的浪費等。而可見的影響因素往往是不可見因素積纍到一定程度所引起的，比如設備的衰退最終導緻停機、精度的缺失最終導緻質量偏差等。因此對這些不可見因素進行預測和管理是避免可見因素影響的關鍵。在工業4.0的工廠中，自省(Self-Aware)和自我預測(Self-Predict)的功能成為監測和控製係統的新功能，這些新功能可以幫助用戶去瞭解機器的健康退化、剩餘可用時間、精度的缺失以及各類因素對質量和成本的影響。此外，機器的健康還可以通過零部件的健康狀況的融閤和同類機器的對比(peer-to-peer)來預測。這種預測能力使得工廠可以采取及時的維護措施從而提高管理效率，並最終優化機器的正常運行。最後，曆史健康信息也可以反饋到機器設備設計部門，從而形成閉環的生命周期更新設計，最終實現無憂生産(worry-free production)。
　　這種預測分析方法可以使産品和製造係統都具備自我意識和自我維護的功能。産品預測服務係統可以使得産品在其功能退化的過程中産生主動觸發的服務請求並進一步預測和預防潛在的故障。預測及製造融閤瞭來自生産製造係統的信息和來自供應鏈係統的信息。傳統意義上，製造商通過供應鏈係統做齣決策，這種方法利用物流、同步化供給與需求，以及全球化性能測試來實現優化成本的目標。
　　工業4.0實現自我意識、自我預測和自我重新配置的能力所需的核心技術是利用智能預診斷工具和解析工具來實現預測分析。智能預診斷工具主要涉及信號采集、數據存儲、同步、閤成與服務。解析工具主要涉及信息轉化的四個子工具：信號處理和特徵提取、健康評估、性能預測以及故障診斷。圖2-6展示的就是傳統工廠與未來工業4.0工廠的差彆。
　　3. 智能服務——實現全産業鏈協同優化
　　工業4.0時代的智能信息服務已經不再是傳統意義上遠程人工在綫的應答式和售後産品服務的模式，而是更注重利用全産業鏈形成的大數據進行綜閤的數據分析與挖掘，針對全産業鏈各個環節的各級用戶，麵嚮其具體的活動需求提供定製化的，可以輔助其具體活動決策的信息。
　　不同層級的用戶對於信息的要求是不同的，對於數據量和種類的要求也是有差距的。執行層更關心具體設備控製活動的實時性和精確性，因此，要求的數據種類不多，但是每個類彆的數據量要求很大；管理層關心活動組織的閤理性和高效性，因此，對數據種類要求更全，但每類的數據量要求呈指數下降；決策層關心活動方嚮的正確性和前瞻性，於是，對數據種類的要求最全，對於每類數據量的要求最小，對於數據價值的要求最高。
　　這種不同層級的用戶對於數據有不同程度的要求並對數據分析有層次化的需求，如果不加選擇地將所有數據匯聚到一起，在一個所謂的數據中心進行數據分析與挖掘，將是一個災難性的工作，因此，必須將數據的采集與分析層次化進行，纔具有工程的實際意義。
　　同時，正如德國對於工業4.0分析中指齣的那樣，隻有建立起“二維戰略”的智能信息體係，纔能真正發揮數據對於實體活動最大的價值。這是因為，在微觀與宏觀、産業上下遊活動中所有活動都是相互影響和相互作用的，將自身活動産生的數據都當作自身的核心秘密，敝帚自珍，互相就各自的數據進行分析與挖掘，效率比是極其差的。其實，企業核心競爭力並不是數據的擁有，而是數據信息化後的利用能力！
　　所以，如果産業鏈相關企業能夠建立一個智能信息同盟，將各自數據交由一個熟悉産業鏈各環節的機構。該機構並不參與産業鏈各環節的實體活動，隻是專門進行智能信息服務體係的建設。由這個機構在基於産業鏈數據的基礎上，按需為各級各類用戶提供各自需要的定製化信息服務，這是可分享的；而各個企業以此為基礎開展滿足各自企業發展目標的信息價值化利用，這是不共享的。
　　這樣，既發揮瞭工業大數據最大的作用，又在最大程度上保護甚至提高瞭各個企業的核心競爭能力！或許，這是在智能時代的製造業和現代工業的一種新模式。
　　……

前言/序言

　　工業4.0：一場不可見世界的競爭
　　工業4.0 （Industry 4.0），是德國政府和工業界定義的製造業的未來藍圖。德國人認為，18世紀機械製造設備的引入標誌著“工業1.0”時代，20世紀初的電氣化與自動化標誌著“工業2.0”時代，20世紀70年代興起的信息化標誌著“工業3.0”時代，現在，人類正進入“工業4.0”時代，即實體物理世界和虛擬網絡世界融閤的時代。其中，所謂信息物理係統（Cyber-Physical System, CPS）是新一代工業革命的核心技術。諾伯特?維納在1948年就提齣的“控製論”（Cybernetics）是CPS技術的前身，現在為工業界廣泛知曉的CPS則是美國國傢科學基金會（NSF）在2006年正式提齣的，是NSF重點資助的研究方嚮。德國工業4.0與美國CPS，究其核心要義，是傳統製造業利用物聯網（Internet of Things，IoT）和大數據分析 (Big Data Analytics) 進行的智能化轉型。
　　然而，我們在談到工業轉型帶來的變革時，往往容易看到其代錶性的技術特徵，而忽視促使其轉型的最原始的驅動力，即對於新價值創造的永恒追求。如果說前三次工業革命從機械化、規模化、標準化和自動化等方麵大幅度地提高瞭生産力，那麼工業4.0與前三次工業革命最大的區彆就在於：不再以製造端的生産力需求為起點，而是將用戶端的價值需求作為整個産業鏈的齣發點；改變以往的工業價值鏈從生産端嚮消費端、從上遊嚮下遊推動的模式，從用戶端的價值需求齣發提供定製化的産品和服務，並以此作為整個産業鏈的共同目標，使整個産業鏈的各個環節實現協同優化：這一切的本質是工業視角的轉變。工業4.0的概念有三個支撐點：一是製造本身的價值化，不僅僅是做好一個産品，還要將産品生産過程中的浪費降到最低，實現設計、製造過程與用戶需求相配閤；二是讓係統在製造過程中根據産品加工狀況的改變自動進行調整，在原有的自動化基礎上實現係統的“自省 (Self-Aware)”功能；三是在整個製造過程中實現零故障、零隱患、零意外、零汙染，這就是製造係統的最高境界。
　　在現今的製造係統中，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於製造過程中，也存在於製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，如避免産品缺陷、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。這些問題在工業生産中由於可見、可測量，往往比較容易加以避免和解決。不可見的問題通常錶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。這些因素由於其很難通過測量被定量化呈現，往往是工業生産中不可控的風險，大部分可見的問題都是這些不可見的因素積纍到一定程度後造成的。因此，工業4.0的關注點和競爭點是這些不可見因素的避免和透明呈現。
　　工業4.0的另一個特點就是製造過程和製造價值嚮使用過程的延伸，不僅僅關注將一個産品製造齣來，還應該關心如何去使用好這個産品，實現産品價值的最大化。産品的創新和價值的創造不再僅僅以滿足用戶可見的需求為導嚮，而且要利用用戶的使用數據創建使用情景模擬，從情景模擬中找到用戶需求的缺口（GAP），這些缺口我們稱之為“不可見的需求”，對此即便是用戶自己都很難意識到。例如，買汽車的人都會提齣省油的需求，各傢汽車製造商因此緻力於改進車型和發動機讓車子更加省油，卻很少去關注用戶的駕駛習慣對於油耗的影響。同時，駕駛習慣對於用戶而言也是不可見的，因此不會有用戶要求汽車具備管理駕駛行為的功能。由此可見，工業4.0時代的市場競爭會從以往滿足客戶可見的需求嚮尋找用戶需求的缺口轉變。以往我們將産品賣給客戶之後就幾乎到達瞭生産價值鏈的終點，然而工業4.0時代將價值鏈進一步延伸：以産品作為服務的載體，以使用數據作為服務的媒介，在使用過程中不斷挖掘用戶需求的缺口，並利用數據挖掘所産生的信息為用戶創造價值。
　　我們不妨以汽車為例做一個大膽的預測，在未來的工業4.0時代，人們去4S店選車不再僅僅選擇車型、顔色和內飾等定製化特徵，而且用戶還可以在一輛布滿傳感器的車內進行試駕，當用戶坐上駕駛座椅時，傳感器會自動記錄整個座椅上的壓力分布，一款符閤用戶身形和坐姿習慣的座椅就自動設計完成瞭；在用戶開車過程中，汽車內部的傳感器自動記錄用戶的駕駛動作，進而預測用戶的駕駛習慣，一套兼顧駕駛操作體驗和舒適性的動力係統和控製係統即被自動匹配完成；在用戶駕駛汽車的過程中，汽車能夠自動識彆用戶駕駛習慣的改變，提醒用戶駕駛習慣的變化對於能耗和剩餘裏程的影響；在上下班高峰期，汽車能夠通過海量的交通數據預測齣未來一段時間內可能通過道路的擁堵情況，並為用戶推薦最佳行駛路徑；在駕駛過程中汽車還可以記錄路麵的平整度，這些數據首先在係統內被分享，提醒後麵的駕駛者減速駛過一段坑窪的路麵，隨後被發送給市政管理部門，第二天再經過相同路段時發現坑窪的路麵已經被修補好瞭。用戶到傢之後，可以通過手機或是網頁查看一天的駕駛記錄，不同駕駛模式下的能耗情況一目瞭然，可以與社區內的其他用戶比一比誰更加節能環保，同時係統還提供瞭相應的駕駛習慣改善建議。此外，用戶還能查看汽車的健康狀態報告，各個關鍵部件的健康狀況、衰退情況和故障風險一目瞭然，與之相匹配的維護保養建議也被自動提供，網上預約後就可以到4S店進行維護。如果隻是簡單的更換，還提供視頻及文字講解的詳細步驟說明。至此用戶發現雖然去4S店的次數和保養維修的費用明顯減少瞭，但汽車的故障卻幾乎降到瞭零。
　　這個例子離我們並不遙遠，也許在未來5年甚至更短的時間內就會成為現實。未來工業界賣給用戶的不再是産品，而是有價值的能力；對於駕駛者而言，汽車是一個産品，但是更重要的是汽車帶來的行動力、時尚感、經濟性、舒適性和安全性等一係列能力。這些能力對應的服務也不再像以往那樣隻提供給用戶有限的選擇，而是根據用戶的使用情況和需求提供定製化的最佳匹配方案，因為每一個用戶的使用數據都是定製化的，這使用戶不再是統計結果中的一個樣本，而是一個豐富的、高度個性化的個體。
　　再舉一個與我們日常生活息息相關的例子。我們大部分人都有去超市買鞋墊和去製衣店量身定製西裝的經曆。過去我們買鞋墊隻會問要買多大的尺碼，同一個尺碼的所有人得到的鞋墊都是相同的。但是我們每一個人的腳形、體重、站姿、走路習慣、搭配的鞋類都是不同的，因此不可能有一款鞋墊能夠同時滿足同一尺碼每一個人的需求。美國的Dr. Scholl’s 公司在賣鞋墊給用戶之前會先讓用戶站在一個連接傳感器的踏闆上，係統會記錄用戶站立時足底的壓力分布，隨即用戶就可以獲得一款定製化的鞋墊。這其實也隻是個開端，還有更多的價值空間可以挖掘，比如足部壓力數據的采集隻考慮到瞭站立時的情況，走路和跑步時的壓力分布同樣十分重要，同時還要考慮鞋墊與不同鞋類的搭配，如運動鞋、高跟鞋、皮鞋等。這些數據還可以賣給製鞋公司，在買完鞋墊之後嚮用戶推薦一款適閤搭配的鞋。最後，這些數據如果與醫學研究相結閤，還可以提醒用戶站立姿勢和跑步習慣可能造成的足部和膝蓋的損傷風險，給用戶提供改善習慣的建議。對於製衣店而言也是一樣，大多數製衣店在給用戶量體時都在固定的姿勢下進行，而沒有考慮用戶在動態情況下的舒適程度。如果我是一個教師，會經常抬手在黑闆上寫字，手臂的運動幅度就會很大，手肘和腋下部分就需要加大彈性。因此，未來的量體應該是動態的，讓用戶穿上特製的衣服之後按照喜好隨意活動，衣服上的傳感器會自動記錄幾個關鍵位置的應力情況，根據這些數據為用戶製作更加閤體的衣服。這些在過去看來都是天方夜譚的事情，隨著智能傳感和3D視覺技術的成熟，已經觸手可及，這就是科技進步帶動商業與服務模式創新的良性循環。
　　從以上兩個例子我們不難看齣，數據依然是為用戶提供定製化産品最重要的媒介，工業4.0時代的製造將通過數據把終端用戶與製造係統相連接，這些數據將自動決定生産係統各個環節的決策，實現生産上下遊環環相扣的整閤，人的工作難度將被大大降低，在這種模式下工廠的組織構架將趨於扁平，生産資源的利用也將更加優化。
　　還有一個例子是最近特彆流行的智能手環，佩戴智能手環可以采集睡眠過程中的數據，醒來之後查看數據分析的結果，睡眠質量如何、有多少時間處於深度睡眠狀態、深淺睡眠交替的麯綫等信息都一目瞭然。這時我們纔發現決定睡眠質量的並不是一共睡瞭幾個小時，而是深度睡眠占整個睡眠時間的比例。白天的精力好壞是我們可見的現象，但睡眠質量是不可見的，智能手環通過睡眠數據的分析將不可見的睡眠質量變成瞭可見可測的結果，並利用這些信息幫助用戶去管理可見的生活。
　　工業4.0並不僅僅是製造業的革命，而是一場更加深刻的變革，創新模式、商業模式、服務模式、産業鏈和價值鏈都將産生革命性的變化。製造業的革命隻是工業4.0實現的基礎條件，其最根本的驅動力來自於商業模式與智能服務體係的創新技術變革，這兩者纔是未來工業界競爭的關鍵。
　　事實上，德國對工業4.0的定義僅僅體現瞭製造革命，並非是工業革命。這並不是去否定製造革命的重要性，如果製造係統不産生深刻變革，一切商業模式的創新都無異於空中樓閣。製造係統好比是工業4.0的“蛋黃”，我們在把“蛋黃”做好的同時也要努力把“蛋白”做大。老子雲：“有之以為利，無之以為用”，如果拿一個杯子來做比喻，杯子當中看似“無”的空間纔是容納水的地方，纔是價值真正的載體。中國的製造業一定要學會分析和使用杯子裏麵的價值：製造設備雖然是德國人生産的，但是我們要更懂得如何使用。如果我們的工廠雖然用的是德國人的設備，但是中國企業通過對使用數據的分析能夠實現勝過德國工廠的高效、高質量、低成本和低汙染，那麼德國人就要反過來嚮中國人學習如何使用設備去創造價值。
　　發現用戶價值的缺口、發現和管理不可見的問題、實現無憂的生産環境，以及為用戶提供定製化的産品和服務，這些都離不開對數據的分析挖掘。我相信工業4.0 的中心將會在中國，因為中國不僅僅是世界第一的製造大國，更是世界第一的使用大國，無論是製造設備還是終端消費品，中國都擁有最龐大的使用數據。然而這些數據並沒有被很好地加以分析利用，因此還隻是潛力，並沒有成為真正的競爭力。
　　未來工業界的機會空間可以被分為四個部分。第一個部分是滿足用戶可見的需求和解決可見的問題，這個空間內依然有中國製造需要補的課，比如質量、汙染和浪費等問題，需要的是持續的改善與不斷完善的標準化。第二個部分在於避免可見的問題，需要從使用數據中挖掘新的知識為原有生産係統和産品增加價值。第三個部分在於利用創新的方法與技術去解決未知的問題，如具有自省能力的設備，以及利用智能手環管理睡眠質量等例子都是使不可見的問題透明化，進而去加以管理和解決不可見的問題。第四個部分是尋找和滿足不可見的價值缺口，避免不可見因素的影響，這部分需要利用數據分析産生的智能信息去創造新的知識和價值，這也是工業4.0的最終目標。
　　通過分析數據預測需求、預測製造，利用數據去整閤産業鏈和價值鏈，這就是工業4.0的思維。現在各個領域都在談大數據，但是大數據本身並不是一個問題，而是一個看待問題的新方式。大數據隻是一個現象，其本身並不重要，利用大數據創造價值纔是根本目的。工業4.0是一場在不可見世界中的戰爭，而數據分析則是連接可見與不可見世界的橋梁。
　　李傑教授所帶領的美國國傢科學基金會(NSF)智能維護係統（IMS）産學閤作中心從2000年就開始瞭工業大數據分析理論和方法的研究，並在大量與企業閤作的實踐項目中積纍瞭豐富的經驗和係統的方法論。《工業大數據：工業4.0時代的工業轉型與價值創造》是李傑教授在中國齣版的第一本書，係統性地闡述瞭李傑教授在工業大數據以及商業模式主控式創新設計方麵的思想和研究成果，旨在為讀者認識工業4.0提供一個新的視角，並為工業4.0的實踐者們提供方嚮性的參考。在李傑教授的指導下，邱伯華、劉宗長、魏慕恒和董智升翻譯瞭李傑教授從2001年至今公開發錶的文獻、研究手稿、在各種會議上的主題ⅩⅩⅠ報告以及媒體的相關報道，整理瞭李教授近兩年在工業4.0實踐設計和“信息物理係統”（CPS）體係設計的最新研究成果的手稿和口述材料，並結閤瞭在産研閤作中的實踐案例完成此書。在第四次工業革命的浪潮中，各類新的詞匯、概念和技術層齣不窮，使人們難免會有霧裏看花的感覺。希望這本書能夠為國傢政策製定者、企業管理者、技術拓疆者以及對工業4.0和工業大數據感興趣的大眾讀者提供一個更加清晰的思路，並根據自己的定位和目標去選擇適閤自己的實踐道路。《工業大數據：工業4.0時代的工業轉型與價值創造》隻是一個開始，接下來李傑教授還將齣版與工業4.0、工業大數據和“信息物理係統”（CPS）相關的一係列書籍，從理念、體係設計、核心技術和實踐等方麵為讀者帶來更為詳細的介紹和更加深刻的啓發。

工業大數據：工業4.0時代的工業轉型與價值創造 本書導讀： 在當前全球製造業邁嚮“工業4.0”的浪潮中，數據已成為驅動産業變革的核心要素。本書深入剖析瞭工業大數據在這一曆史性轉型中的關鍵作用，旨在為企業、研究人員和政策製定者提供一套係統、前瞻的理論框架與實踐指導。我們聚焦於如何將海量的工業現場數據轉化為驅動企業實現智能化、高效益、可持續發展的核心資産。 第一章 工業4.0的宏大敘事與數據基石 本章首先確立瞭工業4.0的時代背景，它不僅僅是技術升級，更是一場深刻的生産關係與商業模式的重塑。我們探討瞭物聯網（IoT）、雲計算、邊緣計算和人工智能（AI）等前沿技術如何交織，共同構建起智能工廠的數字化骨架。 重點分析瞭工業大數據區彆於傳統信息係統的特性——高速度、高體量、多樣性與低價值密度的挑戰。企業如何從分散的、異構的設備數據、過程數據和管理數據中提煉齣有意義的信號，是實現轉型的第一道門檻。本章詳細闡述瞭數據采集的標準化、數據模型的構建，以及如何建立一個能夠支撐實時決策的工業數據湖（Industrial Data Lake）架構。我們深入討論瞭OPC UA、MQTT等工業通信協議在數據接入層麵的優劣勢比較，並提齣瞭構建統一數據語義層的必要性。 第二章 價值挖掘：從數據到洞察的路徑 工業大數據的核心在於價值創造。本章著重於闡述如何通過先進的數據分析技術，將原始數據轉化為可執行的商業洞察。 我們首先係統梳理瞭應用於工業領域的分析方法論，包括描述性分析、診斷性分析、預測性分析和規範性分析的層級遞進。針對生産過程的復雜性，我們詳細剖釋瞭設備健康管理（PHM）中的預測性維護（PdM）模型構建。這部分內容包括但不限於基於時間序列分析的故障早期預警模型、應用機器學習（如LSTM、Transformer網絡）進行剩餘使用壽命（RUL）的精確估算，以及如何將模型的預測結果無縫集成到ERP/CMMS係統中，實現工單的自動化生成與調度。 在質量控製領域，我們探討瞭如何運用計算機視覺（CV）和深度學習技術實現對産品缺陷的零缺陷檢測。這不僅包括傳統的光學檢測升級，更關注於如何結閤生産過程參數（溫度、壓力、振動等）與最終産品質量數據，構建跨工序的質量溯源模型，實現源頭預防，而非末端治理。 第三章 賦能運營：優化與效率的飛躍 工業大數據在提升運營效率方麵的潛力是巨大的。本章聚焦於如何利用數據驅動的決策機製，重塑核心生産環節。 我們詳細探討瞭生産排程的優化。在多品種、小批量生産的柔性製造環境下，傳統的MRP/APS係統往往難以應對實時變化。本書提齣瞭一種基於強化學習（RL）的動態調度策略，該策略能夠實時吸收來自生産綫、供應鏈和訂單係統的反饋，自動調整最優的生産順序、資源分配和物流路徑，以最小化在製品（WIP）和最大化設備綜閤效率（OEE）。 此外，能源管理和供應鏈協同是另一個重點。我們介紹瞭如何利用能耗大數據分析，識彆能源浪費的“黑洞”，並建立基於負荷預測的智能用能調度係統，實現削峰填榖。在供應鏈環節，本書展示瞭如何通過集成上下遊企業的關鍵績效指標（KPI）數據，建立需求預測模型與庫存優化模型，實現供應鏈的敏捷響應和風險預警。 第四章 重塑商業模式：數據驅動的價值創造新範式 工業4.0的終極目標之一是實現從“製造産品”到“提供服務”的商業模式轉型。本章將探討工業大數據如何成為這種轉型的引擎。 我們深入分析瞭産品即服務（Product-as-a-Service, PaaS）模式的實現路徑。通過在設備中嵌入傳感器和數據采集單元，製造商可以持續地收集設備在客戶現場的運行數據。基於這些數據，企業可以從單純的設備銷售，轉嚮提供基於設備運行時間、産齣效率或可靠性的付費服務。本書詳細解析瞭這種模式下的數據安全邊界、服務等級協議（SLA）的量化，以及如何利用數據分析反哺産品設計，實現下一代産品的快速迭代。 本章還涉及數字孿生（Digital Twin）技術的實踐應用。我們不僅討論瞭數字孿生在仿真驗證中的作用，更強調瞭如何通過實時數據流將“虛擬模型”與“物理實體”緊密耦閤，實現對復雜係統的遠程監控、故障模擬和性能優化。 第五章 挑戰與治理：確保轉型的可持續性 工業大數據的應用並非坦途，數據治理、安全閤規與人纔培養是必須跨越的障礙。 在數據治理層麵，本書提齣瞭工業數據生命周期管理的框架，涵蓋瞭從數據采集、存儲、清洗、標注到銷毀的全過程規範。重點強調瞭工業數據的數據質量管理（DQM），因為低質量的數據輸入是導緻AI模型失效的主要原因。 在網絡安全方麵，隨著OT/IT融閤的加深，工業控製係統的暴露麵急劇增加。本章詳細分析瞭針對工業互聯網的威脅嚮量，並提齣瞭基於零信任架構（Zero Trust Architecture）的工業數據安全防護體係，包括身份認證、訪問控製和加密隔離的最佳實踐。 最後，本書論述瞭構建一支數據素養型工業人纔隊伍的戰略意義。從車間操作員到管理層，提升全員對數據價值的認知和使用能力，是確保所有數據投入都能轉化為實際效益的關鍵。 結語：麵嚮未來的工業生態 工業大數據不僅是優化現有流程的工具，更是塑造未來工業生態和國傢競爭力的戰略資源。本書的編寫旨在提供一把鑰匙，幫助讀者開啓工業智能化轉型的下一扇大門，真正實現數據驅動下的價值創造與可持續發展。

評分☆☆☆☆☆

這本書簡直是一次關於工業未來的深度對話！我之前對工業大數據的理解，更多停留在“數據”和“工業”兩個詞的簡單疊加。然而，這本書讓我看到瞭它們之間産生的化學反應，以及這種反應能夠帶來的顛覆性力量。作者通過對工業4.0時代背景的深入分析，清晰地勾勒齣瞭大數據在其中扮演的“大腦”和“神經係統”的角色。書中詳細闡述瞭數據采集的渠道，從傳感器到ERP係統，再到IoT設備，它們如何協同工作，形成瞭一個龐大的數據網絡。更重要的是，作者還講解瞭如何從海量數據中提煉齣有價值的信息，比如通過機器學習進行故障預測，通過數據分析優化生産流程，以及通過用戶行為數據驅動産品創新。讓我印象深刻的是，書中不僅強調瞭“技術”本身，更注重“人”的作用，強調瞭數據驅動的決策文化和團隊協作的重要性。這本書讓我深刻認識到，工業大數據不僅僅是技術革新，更是一場企業管理和運營模式的深刻變革，是對傳統工業思維的顛覆。

評分☆☆☆☆☆

這本書的齣版，恰逢其時，為我們這些身處這場工業革命浪潮中的人，提供瞭一盞明燈。我之前對“工業4.0”這個概念，總有一種“隻聞其聲，不見其形”的感覺，以為它隻是遙不可及的未來藍圖。然而，通過這本書，我纔真正理解瞭工業大數據在其中的關鍵作用。作者以一種非常宏觀的視角，梳理瞭工業4.0的核心驅動力，並詳細闡述瞭數據采集、處理、分析以及應用的全過程。書中對大數據技術在工業場景中的具體應用，比如物聯網傳感器如何收集數據、雲計算如何存儲和處理海量信息、人工智能如何進行深度分析和預測，都有詳盡的描述。讓我印象深刻的是，書中並沒有迴避工業轉型過程中可能遇到的挑戰，比如數據安全、人纔培養、企業文化變革等，而是提供瞭務實的應對策略。讀完之後，我感到自己對工業大數據的理解，從“是什麼”提升到瞭“怎麼用”，也更堅定瞭企業數字化轉型的決心。這是一本值得反復閱讀、深入思考的書籍，它不僅能提升專業認知，更能激發創新思維，為工業的未來發展指明方嚮。

評分☆☆☆☆☆

這本書簡直是工業4.0時代的“聖經”！作為一個在傳統製造業摸爬滾打多年的工程師，我一直對如何擁抱數字化、智能化感到迷茫。讀完這本書，我感覺醍醐灌頂，那些曾經模糊的概念瞬間清晰起來。作者深入淺齣地剖析瞭工業大數據如何成為驅動工業轉型的核心引擎，從智能製造、預測性維護到供應鏈優化，每一個環節都闡述得鞭闢入裏。尤其讓我印象深刻的是，書中不僅強調瞭技術的重要性，更側重於如何通過數據驅動的決策，實現企業運營效率的飛躍和商業模式的創新。書中提供的案例分析，既有國際巨頭的成功實踐，也有國內企業轉型升級的寶貴經驗，這些都為我提供瞭可操作的思路和藉鑒。我特彆喜歡作者在講解復雜概念時，總是能結閤生動的比喻和圖錶，讓非技術背景的讀者也能輕鬆理解。這本書讓我看到瞭工業大數據不僅僅是冰冷的技術術語，更是連接傳統與未來的橋梁，是實現企業持續增長和應對市場挑戰的強大武器。我強烈推薦給所有在工業領域工作的朋友們，無論你是管理者還是技術人員，都能從中受益匪淺，打開全新的視野。

評分☆☆☆☆☆

從一個行業觀察者的角度來看，這本書無疑是近年來關於工業轉型最具有前瞻性和實踐性的著作之一。它沒有落入空泛的理論闡述，而是直擊工業4.0的核心——大數據。作者以其深厚的專業功底，將復雜的工業大數據概念，層層剝開，展現在讀者麵前。我特彆喜歡他對於“價值創造”的解讀，不僅僅是簡單的利潤增長，更是對企業核心競爭力的提升，以及對整個産業鏈的賦能。書中對不同類型工業大數據的分類和應用場景的描述，非常詳盡，讓我對如何利用數據優化運營，實現精益生産有瞭更清晰的認識。同時，作者也並沒有忽視轉型過程中可能遇到的睏難，比如數據孤島、人纔瓶頸、安全風險等，並給齣瞭切實可行的解決方案。書中引用的案例，都具有很強的代錶性，從不同維度展示瞭工業大數據如何重塑行業格局。這本書的價值在於，它不僅為企業提供瞭轉型升級的藍圖，更重要的是，它提供瞭一條可行的路徑，能夠幫助企業在激烈的市場競爭中脫穎而齣，實現可持續發展。

評分☆☆☆☆☆

作為一名對前沿技術充滿好奇的讀者，我一直關注著工業領域的最新動態。這本書無疑是近期最讓我興奮的一本。作者不僅對工業大數據的概念進行瞭清晰的界定，更重要的是，他將大數據與工業4.0的宏大願景緊密地聯係起來，揭示瞭其在推動企業轉型和價值創造方麵的巨大潛力。書中對從産品設計、生産製造到售後服務全生命周期的數字化貫穿，以及如何利用數據打通各環節的壁壘，都有令人耳目一新的闡述。我尤其欣賞作者對“價值創造”的深度挖掘，他不僅僅停留在技術層麵，而是深入探討瞭大數據如何幫助企業實現成本節約、效率提升、産品升級以及全新的商業模式。書中列舉的多個行業案例，覆蓋瞭汽車、電子、航空等多個領域，生動展現瞭工業大數據在不同場景下的實際應用效果，這些案例極具啓發性。這本書的閱讀體驗非常流暢，結構清晰，語言生動，即使是非專業人士也能從中獲得深刻的理解。它不僅是一本技術手冊，更是一部關於工業未來發展的思想指南。

評分☆☆☆☆☆

書翻譯的不太好，本身還不錯，希望翻譯水平提高

評分☆☆☆☆☆

快遞快得沒話說，書本紙張質量很好，沒有異味，很滿意哦

評分☆☆☆☆☆

我老公買的，目前還沒有問他有沒有看，書看起來還不錯的

評分☆☆☆☆☆

買來公司補充圖書櫃的，不錯的書本

評分☆☆☆☆☆

不錯不錯 大有裨益。。。。。

評分☆☆☆☆☆

至少要看看是什麼，可能對我們以後的生活還是有一定影響的。

評分☆☆☆☆☆

書的兩個地方被磕破瞭，不知道是書原本的問題還是運送過程太粗暴瞭...

評分☆☆☆☆☆

質量很好，物美價廉，值得購買

評分☆☆☆☆☆

書很不錯，買瞭很多本，值得學習