2021年2月25日更新
工业4.0，也被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、数据和自动化正在发展的方式，并结合在一起改变工作方式，特别是制造业。
在第三次工业革命(包括个人电脑和互联网的诞生)的基础上，工业4.0模糊了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。过去的工业革命本质上是关于技术的进步，而工业4.0更多的是关于技术的进化及其对日常生活的影响。
尽管过去的工业变革和技术进步可能被认为是在解决问题的同时也在制造问题，但工业4.0是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4.0层的云计算意味着，以前保存在竖井中的数据现在可以在组织的多个级别和世界各地共享。
摆脱传统制造业，工业4.0可以减少行业目前面临的许多挑战的压力，包括不得不在伴随着波动的全球市场中竞争，缩短日益复杂的产品的生产周期，允许审查和分析数据的能力，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小的成本进行航向修正，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不仅仅是推动技术进步，而且实际上是在发展技术，经济指标开始关注创新，而不是创造。一个公司可以在比过去更快的周期内创新和创建一个新的商业模式——从最初的想法到实施。
工业4.0并没有像以前的工业革命那样消除人类互动的需要，而是在技术上进行创新，将客户放在第一位。更快的市场，按需生产和更简单的定制水平确保客户满意度在一个全新的水平。即使是那些将与通过物联网或机器人技术和自动化改进的机器一起工作的人，也会发现他们的命运得到了改善，因为重复性的简单任务将被淘汰，取而代之的是解决问题或创新。
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，他们对产品的需求比过去更早、更便宜、使用的资源更少。此外，定制化是游戏的名字，在以前的技术进化中，这是昂贵和低效的，但随着工业4.0的发展，这可能成为常态。例如，3D打印可以在短时间内快速生产高度定制的产品，成本略高于全面生产。
其次是数据本身:获取和分析制造商不断生产的大量历史数据的能力是有用的情报，可以考虑需求、生产和维护计划。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。距离和不同的时区不再是问题，因为各级工人都可以实时访问他们所需的数据，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显示。
制造业从起步之初就发生了巨大的变化。在四次工业革命中，有四次主要的技术进步
这时制造业转向了工具和机械。这个时代的流行技术——从18世纪末到19世纪初——包括动力织机、梳理机、纺纱机和珍妮纺纱机。水被用于动力设备，如动力织机，这一趋势发展到它的大功率对应，蒸汽。在此期间，蒸汽机因各种使用案例而流行起来。这与革命前使用的体力劳动和动物劳动形成了鲜明的对比。
从19世纪末到20世纪初，第二次工业革命标志着一段技术快速进步的时期，由于对可互换部件的需求来支持这种增长，导致了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。流行技术和重大进步包括电力、电话、钢铁和第一艘现代轮船。
由于数字电子技术的迅速普及，第三次工业革命有时也被称为数字革命。微处理器、个人电脑、手机和互联网都是发生在20世纪后半叶的第三次工业革命中的主要技术。这标志着信息时代．
自动化是第四次工业革命(工业4.0)的最大区别。机器对机器通信和物联网技术带来了智能工厂、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，这些都来自第四次工业革命。这段时间将人类从适用的循环中移除。许多专家认为这就是我们目前在历史上的位置。
一些专家认为，我们现在正处于工业4.0的另一边，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非常重视人类智力。正是在这场工业革命中，人类和机器最终必须携手合作才能取得进步。伊隆·马斯克(Elon Musk)的5IR技术就是一个可以被视为萌芽阶段的例子Neuralink或MachineMetrics的操作员仪表板，将人类背景与机器数据叠加，从而实现更好、更准确的ML分析。
有三个关键方法可以确保在您的制造环境中实施工业4.0，特别是在工厂车间进行物联网集成，不会有太多困难:
当你把人从循环中剔除时，你也消除了人的低效和不准确。通过基于数字的更好的资源分配，保持最佳生产力水平所需的资源更少。当数据和机器学习结合在一起进行预测性和规定性维护时，停机时间变得不那么频繁，保持机器处于最佳状态，同时不会牺牲仓库空间，因为不必要的备件供应过剩或定期停机。
当决策基于数字时，这些数字也可以根据不同的情况随意改变，制造商将获得敏捷性大幅提升的回报。有了数据支持的决策，就有可能在机会出现时快速调整，甚至在预测需求的供应已经满足的情况下，也有机会进行一次性生产。
这是由多种因素造成的。提高效率和生产力意味着最大限度的产出。用于预测性维护的传感器数据降低了停机时间和报废率。更好的资源规划意味着更少的前期材料支出、仓库空间(也可以使用ML进行优化)，以及更低的整体运营成本和更高的收入潜力。
制造商经常被淹没在超出合理使用范围的数据中。由于缺乏了解这些数据的内部人才(或外部服务)，这些数据的有用性被削弱了如何清理和组织数据——正确的数据——来回答业务问题．许多制造商进入工业4.0时希望数据解决方案是即插即用的，并且所有人都能和谐地一起工作。尤其是早期采用者经常会难过地发现，他们的数据是一组不同格式的数据，这些格式不能协同工作，而且没有一个一键式按钮可以调出所有数据来回答他们当时的任何问题。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。
虽然世界上有很多有才华的人，但特定类型的人才现在比以往任何时候都更受欢迎，而供应似乎跟不上需求。在过去十年里，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自己定价的选择。数据分析师和低代码ML环境使得部署新算法的过程更快更简单，但数据科学领域的专家仍然短缺。
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被人工智能或机器人抢走饭碗(尽管这与工业5.0的前景不符)。打破藩篱，要求部门间合作，可以在曾经存在竞争的地方造成紧张。为了充分实现工业4.0的好处，公司文化必须演变成一个开放、创新和协作的地方，快速、基于数据的行动，而不是长期的考虑，最终在现代商业环境中胜出。
作为工业4.0创新的一部分，有哪些解决方案和技术?我们有一个关于4IR技术的完整文章但这里是前10名的简要总结:
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，这些数据存储在哪里，以及使用边缘计算和机器学习等分析方法。
这些机器人可以独立工作，不需要人工干预。使用ML，这些机器人可以即时做出决策和修正，以执行它们所编程的任务。
这是一个系统的数字版本，例如工厂的生产车间。通过在制造设备和类似的数字设备上使用传感器，企业可以看到系统的虚拟“双胞胎”，然后用于分析、测试等。
这指的是系统中各个方面的水平和垂直连接，例如跨设施的部门一起工作，以及不同资历级别之间的机器数据共享和交互。
这是在工业环境中使用的任何物联网设备，如智能暖通空调控制或制造机器传感器。的机械计量工业物联网平台通过强大的应用程序将车间数据从见解转化为行动，减少机器停机时间，提高吞吐量，并最大限度地提高制造设备驱动的盈利能力。
网络安全在IR4中至关重要，因为机器的涌入意味着必须保护的安全漏洞数量的增加。
这是一种非现场可访问的信息存储，通常通过互联网访问。它不需要本地硬件和制造商可以按需访问计算机资源吗而不必主动管理这些资源。
这是一种制造，它不通过切割、研磨等方式把东西拿走，而是添加材料来创造一个物体。3D打印是最突出的例子。
人工智能是指能够通过使用训练数据和连续预测机会形成连接，从而自主学习并得出结论的机器。
AR指的是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，但在商业世界中也存在许多用例，特别是与培训和维护有关的用例。
准备好让你的车间更强大了吗?
了解更多.svg)
评论